CNNSeg
CNNSeg Algorithm in APOLLO3.0
- 这是Apollo3.0 Lidar CNNSeg版本，出于无奈调试不了，c++由不熟，且Caffe Python接口较为简单，因此才用Python，以加深算法印象与理解
1.文件结构说明
-
.vscode/配置Python解释器，我使用的是Anaconda安装的caffe，其中利用了别人的第三方库PyPCL读取点云pcd数据，感谢！！！单读取必要的信息应该较为简单，后续考虑自己写。
Anaconda安装caffe教程$ pip install PyPCL -
data/
存储本仿真示例所用到点云数据 $ \Rightarrow $'17.bin'点云二进制数据，来源Apollo数据开放平台，标注样例 $ \Rightarrow $‘test.pcd’单帧点云数据文件，来源于Apollo3.0 -
model/存储caffe框架下cnnseg预先训练的deploy.caffemodel模型文件，deploy.prototxt为定义网络的配置文件。可以才用下面的方法初始化网络模型：import caffe net=caffe.Net('deploy.prototxt','deploy.caffemodel',caffe.TEST) -
notebook/存储由jupyter notebook开发的程序，主要方便数据可视化,jupyter notebook常见的一些问题及安装方式见我github的另一个软件仓库，Apollo日积月累 -
old version/存储程序迭代过程中的旧版本 -
pictures
存储cnnseg网络框架图，生成方法：$ draw_net deploy.prototxt net.png # draw_net 网络文件.prototxt *.png生成网络图需要配置好caffe框架，建议使用conda安装，安装方法同见另一个仓库
-
tmp/
临时文件夹，主要存储的临时的Python试语法文件，或者临时测试算法的正确性脚本 -
src/
CNNSeg源代码文件夹，cnnseg各模块算法
$ \Rightarrow $cluster2d.py
簇类，主要应用联合查找算法，用于障碍物聚类
$ \Rightarrow $featuregenerator
特征生成类，用于处理点云*.pcd文件，生成cnnseg网络需要的数据
$ \Rightarrow $cnnsegmentation.py
cnnseg类，生成一个cnnseg对象，整合cnnseg所有过程 $ \Rightarrow $node.py
节点类，主要用于cluster实现，用于障碍物聚类 $ \Rightarrow $obstacles.py
障碍物类，存储聚类后的障碍物对象 $ \Rightarrow $objects.py
对象类，用于存储一个cnnseg过程的障碍物对象 $ \Rightarrow $util.py
用于setfind算法的一些实现 $ \Rightarrow $validpoint
有效点云类，从原始点云数据中分离出感兴趣的点云 -
docs/
存储本算法的一些说明文档与帮助文档
2.目录
2.1源代码索引
cluster2d
cnnsegmentation
featuregenerate
node
objects
obstacle
pointcloud
util
validpoint