• PointNet——第一个提出直接将点云作为神经网络输入来进行点云分类，是CVPR 2017论文：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation。
• 源码地址 ： https://github.com/charlesq34/pointnet
• PyTorch版本源码地址：https://github.com/fxia22/pointnet.pytorch

1. 环境搭建：

NVIDIA 驱动、CUDA 和 Anaconda 的安装参见前面三篇博客，这里默认已经安装好 NVIDIA 驱动、CUDA10.1 和 Anaconda3。

• 进入已创建的虚拟环境，直接使用 conda 命令安装PyTorch，可参考官网：https://pytorch.org/：

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
或
conda install pytorch torchvision cudatoolkit=10.1

其中 pytorch 是软件，torchvision 是 pytorch 使用的数据包和库。

输入 y 回车继续，直到安装完成：

2. 下载数据并运行：

git clone https://github.com/fxia22/pointnet.pytorch
cd pointnet.pytorch
pip install -e .

cd script
bash build.sh #build C++ code for visualization
bash download.sh #download dataset

cd utils
python train_classification.py --dataset <dataset path> --nepoch=<number epochs> --dataset_type <modelnet40 | shapenet>
python train_segmentation.py --dataset <dataset path> --nepoch=<number epochs> 

运行示例：

（1）

python train_classification.py --dataset '/home/gxx/code/PointNet/pointnet.pytorch/scripts/shapenetcore_partanno_segmentation_benchmark_v0/' --nepoch='5' --dataset_type 'shapenet'

若运行过程中出现如下错误：

则将代码 train_classification.py 中16、17行的数值：

parser.add_argument(
    '--batchSize', type=int, default=32, help='input batch size')

改为：

parser.add_argument(
    '--batchSize', type=int, default=7, help='input batch size')

再次运行即可。出现如下界面则表示此次训练完成：

（2）

python train_segmentation.py --dataset '/home/gxx/code/PointNet/pointnet.pytorch/scripts/shapenetcore_partanno_segmentation_benchmark_v0/' --nepoch='5'

同理，若运行过程中出现如下错误：

则将代码 train_segmentation.py 中17、18行的数值：

parser.add_argument(
    '--batchSize', type=int, default=32, help='input batch size')

改为：

parser.add_argument(
    '--batchSize', type=int, default=7, help='input batch size')

再次运行即可。出现如下界面则表示此次训练完成：