Loading

20251117最新CenterFusion项目复现（win11 OS+Docker+VSCode）

花了很久时间，踩了很多坑复现出了CenterFusion的代码，现研究出的方法只需要少量环境配置即可跑通，过程如下

环境准备

到目前为止，尝试了win11 OS、WSL2 Ubuntu OS、服务器Ubuntu22.04，以及现在的docker，只有使用docker可以很轻松地实现环境配置。
下面的讲解适用于开发环境为win11 OS+Docker+VSCode的同学们

Docker

开启Hyper-V、虚拟机平台和WSL2

image

image

安装Docker Desktop

更新WSL

# win+r -> cmd 打开命令提示符
wsl --set-default-version 2
wsl --update --web-download

wsl更新显示403，后面发现因为我开了梯子:)
image

Docker配置、换源

VSCode下载

拉取Docker Hub->CenterFusion镜像

在复现一个项目之前，可以在Docker Hub上浏览一下有没有相关的镜像，拉取别人做好的镜像构建环境，可以大大减少配置环境的时间

在Docker Hub上，我找到了好心人上传的CenterFusion的环境：https://hub.docker.com/r/3846chs/centerfusion

image

点击三个竖着的点出现这串代码 docker pull 3846chs/centerfusion:v1.0，点击复制，在本机打开cmd运行。由于我已经下载过这个镜像了，因此出现如下提示。
image

为镜像生成容器并运行

运行容器前请注意下面的问题，因为容器运行起来更改参数的操作很不方便！
但我刚才发现一个功能，似乎可以更改运行环境中的container设置

image

注意两个问题：1. 设置gpu参数 2. 设置shm大小(必要时，例如需要运行jupyter，记得设置端口映射-p 8888:8889，8888为主机端口，8889为docker端口)

# -it 表示进入容器内
# -d 表示后台运行
# --name 自定义容器名字
# --gpus all 设置使用所有gpu
# --shm-size=8g 设置shm大小为8g（神经网络建议>4g）
docker run -it -d --name <container name> --gpus all --shm-size=8g <image ID>

# 例如运行下面代码，可以看到容器已经运行起来了（下次运行就不用输入命令行，可以直接在Docker Desktop中运行）
docker run -it -d --name centerfusion --gpus all --shm-size=8g 6a5e27211297

image

vscode连接docker

在插件商城中找到Dev Containers下载，重启vscode后点击左下角容器蓝色按钮，在下拉框中点击附加到正在运行的容器，选择刚创建的centerfusion容器

image

image

image

vscode下载python插件

点击在容器内安装

image

至此，vscode连接docker环境的操作成功实现！！！
请站起身休息半分钟，喝口水走走路，身体永远是第一位的

下面我们正式开始搂CenterFusion项目：

复现

我们接下来的操作默认在/root文件夹下进行：

换源

首先换源，增加下载速度，参考文章 换源大集合（apt pip docker）

查看conda环境

键入conda env list可以看到当前环境下有CenterFusion虚拟环境，conda activate CenterFusion切换为该环境

下载CenterFusion项目

下面我们将该项目下载到/root文件夹下

cd ~
git clone https://github.com/mrnabati/CenterFusion.git

PS：若git下载缓慢，可以尝试使用魔法加速:)

image

下载并构建DCNv2

# 安装ninja加速构建过程
pip install ninja

cd ~/CenterFusion/src/lib/model/networks
rm -rf DCNv2
git clone https://github.com/lbin/DCNv2.git
cd DCNv2
bash make.sh

这步操作非常完美，没有任何报错，因此不贴图了:)

下载nuscenes-devkit包

cd ~/CenterFusion/src/tools
rm -rf nuscenes-devkit/
git clone https://github.com/nutonomy/nuscenes-devkit.git

PS：原本环境中使用pip已经安装了nuscenes-devkit包，这一步似乎可以选择不做，不过我怕出错还是做了:(

下载nuscenes-mini数据集

现在先选择数据量较少的mini数据集，以后能跑通了（并且有好机子）再用full版本
nuScenes数据集官网：选择Asia-新加坡数据集

image

建议先下载到windows本地，再用命令扔进项目data文件夹，而不要直接用鼠标拖进去或者复制进去，亲测会出现文件缺失。命令操作如下：

# 进入windows数据集目录下
docker cp <data file/name> <container ID/container name>:<project data dir>

docker cp nuscenes centerfusion:/root/CenterFusion/data

下面是使用docker cp命令的例子：

image

image

下载后的项目目录如下图：

image

将数据集转化为COCO格式

cd ~/CenterFusion/src/tools
# 修改文件中的参数
vi convert_nuScenes.py
# 1. 27行的几个我们没下载的数据集注释掉
# 2. 56行NUM_SWEEP设置为3

# 然后就可以运行该文件进行格式转化
python convert_nuScenes.py

image

image

下载预训练模型

centerfusion_e60
centernet_baseline_e170
将这两个文件放到/CenterFusion/models文件夹中

image

下面我们就可以开始模型的训练和测试了

训练

下面是训练的脚本文件，对齐进行修改如下，之后可在/CenterFusion目录下运行脚本bash experiments/train.sh

export CUDA_DEVICE_ORDER=PCI_BUS_ID
export CUDA_VISIBLE_DEVICES=0 # 若只有一个GPU，设置为0

cd src
# train
python main.py \
    ddd \
    --exp_id centerfusion \
    --shuffle_train \
    --train_split mini_train \ # 由于用的是mini数据集，修改为mini_train
    --val_split mini_val \ # 修改为mini_val
    --val_intervals 1 \
    --run_dataset_eval \
    --nuscenes_att \
    --velocity \
    --batch_size 4 \ # 由于本人GPU性能较差，batch_size的值需要设置得非常小
    --lr 2.5e-4 \
    --num_epochs 60 \
    --lr_step 50 \
    --save_point 20,40,50 \
    --gpus 0 \ # 同上，修改为0
    --not_rand_crop \
    --flip 0.5 \
    --shift 0.1 \
    --pointcloud \
    --radar_sweeps 3 \
    --pc_z_offset 0.0 \
    --pillar_dims 1.0,0.2,0.2 \
    --max_pc_dist 60.0 \
    --load_model ../models/centernet_baseline_e170.pth \
    # --freeze_backbone \
    # --resume \

cd ..

PS：这时出现报错，nuScenes-devkit中函数不存在，解决方法见本文最下 遇到的问题

运行结果：

centerfusion_train

测试

下面测试的脚本文件，对齐修改如下，之后可在/CenterFusion目录下运行脚本bash experiments/test.sh

export CUDA_VISIBLE_DEVICES=0 # 若只有一个GPU，设置为0
cd src

## Perform detection and evaluation
python test.py ddd \
    --exp_id centerfusion \
    --dataset nuscenes \
    --val_split mini_val \ # 由于使用的是mini数据集，设置为mini_val
    --run_dataset_eval \
    --num_workers 4 \
    --nuscenes_att \
    --velocity \
    --gpus 0 \
    --pointcloud \
    --radar_sweeps 3 \ # 取决于设置COCO数据集时设置的数据，含义为将3帧的雷达点融合
    --max_pc_dist 60.0 \
    --pc_z_offset -0.0 \
    --load_model ../models/centerfusion_e60.pth \
    --flip_test \
    --debug 4 \
    # --resume \

PS：这时出现报错，nuScenes-devkit中函数不存在，解决方法见本文最下 遇到的问题

运行结果：

centerfusion_test

遇到的问题

TypeError: only integer tensors of a single element can be converted to an index

参考：https://blog.csdn.net/qq_43391414/article/details/120471616
解决方案：将tensor转列表时加.items()

nuScenes-devkit文件不全（可能是版本问题）

解决方案：去他的github仓库（例如splits.py: https://github.com/nutonomy/nuscenes-devkit/blob/master/python-sdk/nuscenes/utils/splits.py）复制函数到本地

增加–debug 4后报错

解决方案：修改 CenterFusion/src/lib/utils/debugger.py 第 424 行，如下，对四个 rect 值进行强转

cv2.line(bird_view, (int(rect[e[0]][0]), int(rect[e[0]][1])),
              (int(rect[e[1]][0]), int(rect[e[1]][1])), lc, t,
              lineType=cv2.LINE_AA)
posted @ 2025-11-17 16:03  ADDED  阅读(9)  评论(0)    收藏  举报