震惊！如何使用PointNet++复现自己的点云语义分割数据集？_pointnet++ 分割自己的数据集

        本文章属于个人学习过程中的一个记录，不涉及深入内容。在初学阶段本人也在平台阅读各个大佬的文章，颇有所得。但是本人愚笨，仍有些东西不通，因此写下此文希望可以帮助到和我一样的人。至于标题，哈哈哈哈，普通标题没人看，引流一下咯，欢迎阅读、点赞、收藏！

一、数据集制作与放置

        该部分对于初学者而言可以不做任何改变，按照S3DIS数据集的格式制作数据，放置其位置即可。至于打标签最常用的就是CloudCompare软件，将每一个类别目视分割出来单独保存，最后合在一起即可完成一个部分，具体参考S3DIS数据，就不多赘述。在每次目视分割过程中记得删除自动添加的标量，在训练中是不需要的。

二、网络参数的修改部分

        制作好数据集按照S3DIS格式放置好后就可以调整代码啦。

1.data_utils文件夹

        在该文件夹下meta文件夹中含有两个文件，anno_paths和class_names，第一个文件中写下训练测试区域的位置，第二个写下类别，大家一看便知。

        indoor3d_util文件中需要g_class2color参数，根据自己的类别数据设置其显示的颜色即可，对于多余的直接注释，少了直接添加。

         S3DISDataLoader文件中首先根据自己数据修改你的训练和测试的区域，其它参数可自行根据数据设置，主要需要修改的地方如下：1的位置是自己的类别数，2是类别数加一。

        以上参数都设置好就可以数据预处理了，该网络的数据输入格式是npy，所以首先需要生成这个，生成好后需要自己将npy文件移动到stanford_indoor3d文件夹下，如果你对代码有一定的熟练度你也可以修改一下。

2.train开始训练

        这部分其实没什么需要特别注意的，model、batchsize、epoch等都是根据自己的设备和数据集进行选择，需要改的是数据集的位置和类别。

        如果你是windows系统，那你应该还要注意num_workers设置为0，否则会报错的。

3.test测试

        同样的batchsize、采样点、测试区域自己设置，修改数据集路径和类别数目，需要注意visual改成true，否则测试完不显示成果，只有精度txt。

        另外如果测试过程中很慢，最直接的方法是修改S3DISDataLoader文件中的stride参数，当然该参数的提高最后的效果会受到影响。

        好啦，至此就完成了全部的设置，就可以实现自己的数据集啦，当然有的人仍然会存在一些问题，这可能是因为你的数据集问题，比如采样点数据达不到陷入死循环等等，需要自己debug看看。设置好上述参数基本主要参数就可以了，具体的运行代码啥的可以看我之前的文章，如果各位有什么需要补充的欢迎评论区留言。