由于pointRCNN源码的训练和inference很详细，但是没有可视化的代码，本文介绍其3d框结果的可视化方法

1. 跑通pointRCNN

https://github.com/sshaoshuai/PointRCNN
pointRCNN的运行本文就不赘述了。

我是下载的作者训练好的模型，跑了一遍inference，因为生成的检测结果在下面可视化时会用到。

2. 将pointRCNN预测结果拷贝到KITTI数据集

pointRCNN的结果存储在：（里面包含000001.txt等等，存的是3d框的预测结果）

PointRCNN/output/rcnn/default/eval/epoch_no_number/val/final_result

把整个文件夹复制到kitti数据集的training目录下，文件夹命名pred

数据组织结构如下：
（注意，这里的training里面是全部7481张图，不然会报错没有000000.txt）

kitti
    object
        testing
            calib
            image_2
            label_2
            velodyne
        training
            calib
            image_2
            label_2
            velodyne
            pred # 这个是需要自己复制过来的

3. 运行可视化源码kitti_object_vis

• 源码地址：https://github.com/kuixu/kitti_object_vis

1. 下载源码并进到源码文件夹

git clone https://github.com/kuixu/kitti_object_vis 

2. 把上述kitti数据集的object/目录，链接到data/目录下过去，并命名为obj（因为这个源码需求）

cd kitti_object_vis/data
ln -s /home/ubuntu/dataset/KITTI/object obj

3. 下载源码和源码所需的库（mayavi之类的），照readme里面去做

4. 运行
   命令分为几种：
   (1) 只显示LiDAR 仅真值

cd kitti_object_vis
python kitti_object.py --show_lidar_with_depth --img_fov --const_box --vis
# 终端按回车键进行下一张图

(2) 显示LiDAR和image 仅真值

python kitti_object.py --show_lidar_with_depth --img_fov --const_box --vis --show_image_with_boxes
# 终端按回车键进行下一张图

(3) 显示特定某张图的LiDAR和image 仅真值

python kitti_object.py --show_lidar_with_depth --img_fov --const_box --vis --show_image_with_boxes --ind 100 
# ind 100表示就是图像编号为000100.txt

• 注：红色是预测框，绿色是真值框

(4) 显示pointRCNN预测值+真值对比
在以上所有命令后面加 -p
例：

python kitti_object.py --show_lidar_with_depth --img_fov --const_box --vis --show_image_with_boxes --ind 6 -p

目前有几个疑问：

1. image中只能显示gt，无法显示预测结果。
2. 0是啥意思？类别吗，但个别的带人的图上面标号也都是0，如下：
   
   没认真看源码。。暂时只是会用了。欢迎探讨orz

标签：show,框点,image,object,vis,源码,kitti,pointRCNN,3d
来源： https://blog.csdn.net/tiatiatiatia/article/details/97765165