点云自定义深度学习

本教程将利用自定义深度学习功能实现点云自动分类。

训练数据标注

1. 准备数据

准备标注好的点云数据用于训练，示例数据如下。

2. 点云分割模型训练

2.1 训练数据组织

当所有数据标注完成后，需要按格式组织标注文件和影点云件才能进行训练。其文件格式如下所示

data/ └───train │ -----*1.LiData

│ -----*2.LiData

│ -----*3.LiData

​ .......

└───val

│ -----*1.LiData

│ -----*2.LiData

│ -----*3.LiData

​ .......

训练数据中应当包含train文件夹和val文件夹，train/val文件中是点云文件，在本教程中train和val使用了相同的数据进行演示，实际使用中数据不应该一样。train文件是用于训练模型，val文件是用于验证模型性能。train和val需要手动划分，建议两者数量比例为4:1。

2.2 训练点云模型流程

数据准备完成后，在LiDAR360 软件中按照顺序点击 分类->自定义深度学习分类，如图所示。

添加任务：点击+按钮添加训练任务，选择第二个训练点云模型，点击确定。

设置训练数路径与验证数据路径：选择好数据路径后点击下一步。

设置数据预处理：选择体素化，参数设置为0.2，设置完成点击下一步。

设置点云分块与点云分割模型：点云分块使用按点数分割，每一块不超过100000个点，模型选择显存占用较小的DRINet，设置完成点击下一步。

设置类别转换：不进行类别转换设置，直接点击下一步。

设置训练参数：演示epoch设置为10，实际使用应该根据任务难度增大这个值，设置完成后点击下一步。

设置数据增强：不进行数据增强，点击完成，等待训练结束。

3 使用训练的模型

训练完成后就可以使用训练好的模型来进行点云分类。使用训练好的模型有两种方式，一种在自定义深度学习分类中使用，另一种是自定义分类中增加自定义模型进行使用。下面将分别介绍这两种使用的方式。

3.1 自定义深度学习分类中使用

点击+按钮添加推理任务，选择使用训练的点云模型分类，点击确定。

选择测试数据文件夹与刚刚训练好的模型文件名，设置评估参数，点击确定。

推理完成后，分好的类别将写到数据中。

3.2 自定义模型分类

使用点云模型，还可以通过自定义模型方式。

点击 分类->自定义分类设置 打开自定义模型界面。

点击+按钮增加训练好的模型。

设置自定义分类名字，选择模型路径，选择模型类型为点云，点击确定。

完成自定义模型增加后，自定义分类模块出现了刚刚设置名字为city的工具，添加要分类的点云，点击city工具设置参数即可实现点云分类。

等待运行结束，得到分类好的点云。