Windows系统下复现PointNet++算法_pointnet++复现

写在前面的话：

复现PointNet++算法并不难，大家动手做就会成功！复现过程中有很多报错问题，解决过程中主要参考了这篇文章：Windows系统保姆级复现Pointnet++算法教程笔记（基于Pytorch），在此表示感谢！

一、程序下载

官方下载地址为：https://github.com/yanx27/Pointnet_Pointnet2_pytorch

也可用网盘下载：https://pan.quark.cn/s/555b5649d013

网盘中的程序已将报错解决且含有三类任务对应的数据集，可一键运行。

二、环境配置

为方便，环境配置也同上述参考文章。

1. 创建名为pointnet的虚拟环境，python版本为3.8

conda create -n pointnet python=3.8.0

2.激活虚拟环境

conda activate pointnet

3.下载安装pytorch

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

环境配置完成后，若在程序运行过程中缺少xxx模块的话，可conda install xxx或者pip install xxx安装相应模块即可。

如：ModuleNotFoundError: No module named \'tqdm\'

解决方法：conda install tqdm或pip install tqdm

以下内容均以官方程序为例，尽量详细！

三、语义分割任务

语义分割用到的数据集为：Stanford3dDataset_v1.2_Aligned_Version

该数据集以 .txt 文件格式存储，分为 6 个区域（Area_1 到 Area_6），每个区域包含多个房间，每个房间包含一个 Annotations 文件夹和一个整体点云文件（如 conferenceRoom_1.txt）。每个点包含 6 个维度的信息，分别是三维坐标（x, y, z）和颜色信息（r, g, b），每个点都被标注了语义类别，共有 13 个类别。

数据集下载地址：https://www.kaggle.com/datasets/ggulmira/stanford3ddataset-v12-aligned-version?resource=download-directory

网盘下载地址：https://pan.quark.cn/s/2d25db0160ca

1.train_semseg.py

报错1：FileNotFoundError: [WinError 3] 系统找不到指定的路径。: \'data/stanford_indoor3d/\'

解决方法：（1）在Pointnet_Pointnet2_pytorch-master\\data路径下新建文件夹s3dis，然后将Stanford3dDataset_v1.2_Aligned_Version移动到s3dis路径下，如图所示：

（2）在Pointnet_Pointnet2_pytorch-master\\data_utils路径找到collect_indoor3d_data.py，点击运行；在Pointnet_Pointnet2_pytorch-master\\data\\s3dis\\Stanford3dDataset_v1.2_Aligned_Version路径下会生成.npy文件，同时Pointnet_Pointnet2_pytorch-master\\data路径下会生成stanford_indoor3d文件夹，将Stanford3dDataset_v1.2_Aligned_Version文件夹下的所有.npy文件复制到stanford_indoor3d文件夹中。

此时，data目录如下：

报错2：EOFError: Ran out of input

解决方法：将train_semseg.py中第101和104行的num_workers设置为0即可。

成功运行！

训练的日志文件以及权重文件保存在Pointnet_Pointnet2_pytorch-master\\log\\sem_seg路径下以时间命名的文件夹中。

2.test_semseg.py

训练完成后直接运行test_semseg.py

运行前须知：语义分割结果可视化，在代码第38行中将\'--visual\'的值设为True，测试完成后在存放权重文件的路径下会生成visual文件夹，里边的测试数据以.obj形式存在，使用CloudCompare软件可查看，同时点云数据集以.txt形式存储的数据也可使用该软件查看。

CloudCompare官方地址：https://www.cloudcompare.org/，进入后点击Download，可下载不同版本。

网盘地址：https://pan.quark.cn/s/a969b9e706da（截止目前最新版）

parser.add_argument(\'--visual\', action=\'store_true\', default=True, help=\'visualize result [default: False]\')

CloudCompare查看.txt格式的点云数据：

CloudCompare查看语义分割测试结果.obj文件：

报错1：Model: error: the following arguments are required: --log_dir

解决方法：修改第37行代码

# 修改前parser.add_argument(\'--log_dir\', type=str, required=True, help=\'experiment root\')# 此处修改方法有两种，两种方法取其一即可\"\"\"方法1：训练的权重文件存储在Pointnet_Pointnet2_pytorch-master\\log\\sem_seg路径下以训练时间命名的文件夹中，如下图所示，若将此处\'--log_dir\'路径修改为\'pointnet2_sem_seg\'，则需将以训练时间命名的文件夹重命名为pointnet2_sem_seg。方法2：直接将此处\'--log_dir\'路径修改为\'2025-05-10_11-19\'。保存权重文件的路径与测试时读取权重文件的路径保持一致！\"\"\"parser.add_argument(\'--log_dir\', type=str,default=\'pointnet2_sem_seg\', help=\'experiment root\')parser.add_argument(\'--log_dir\', type=str,default=\'2025-05-10_11-19\', help=\'experiment root\')

两种方法取其一即可！ 

报错2：FileNotFoundError: [WinError 3] 系统找不到指定的路径。\'data/s3dis/stanford_indoor3d/\' 

解决方法：修改读取数据集的路径

# 修改前第82行root = \'data/s3dis/stanford_indoor3d/\'# 修改后root = \'data/stanford_indoor3d/\'

成功运行！

四、分类任务

分类任务用到的数据集为：modelnet40_normal_resampled

该数据集包含了40个类别，点云数据格式为txt。每一个点云数据表示一个具体的类别对象，每个点包含6个维度的信息，分别是[x,y,z,nx,ny,nz]，其中，(x,y,z)表示该点在空间中的坐标，(nx,ny,nz)表示该点在空间中的法向量。

\"filelist.txt\"：记录着40个类别所有点云数据的路径，共12311个点云数据；

\"modelnet40_shape_names.txt\"：记录着40个类别的名称；

\"modelnet40_test.txt\"：记录着验证集的点云数据，共2468个点云数据；

\"modelnet40_train.txt\"：记录着训练集的点云数据，共9843个点云数据

数据集下载地址：https://www.kaggle.com/datasets/chenxaoyu/modelnet-normal-resampled

网盘下载地址：modelnet40_normal_resampled.zip

将数据集下载后解压，在源码Pointnet_Pointnet2_pytorch-master路径下新建文件夹data，将解压的数据集移动到data路径下。（后续任务同样操作）。

1.train_classification.py

运行时无报错！

2.test_classification.py

报错与语义分割任务中test_semseg.py的报错1相同，修改后成功运行！

五、部件分割任务

部件分割任务中用到的数据集为：shapenetcore_partanno_segmentation_benchmark_v0_normal

该数据集包含 16 个对象类别，每个 3D 模型的点云数据存储为 .txt 文件，每行表示一个点，包含 有7 列数据，分别为：

前 3 列：点的 3D 坐标（x, y, z）；

中间 3 列：点的法线向量（nx, ny, nz）；

最后 1 列：点的分割标签（segmentation label），表示该点所属的部件。

数据集分为训练集、验证集和测试集，划分信息存储在 train_test_split 文件夹中的 json 文件中。

synsetoffset2category.txt 文件中将类别名称与对应的文件夹名称进行映射。

数据集下载地址：https://www.kaggle.com/datasets/mitkir/shapenet

网盘下载地址：https://www.kaggle.com/datasets/mitkir/shapenet

1.train_partseg.py

同样无报错成功运行！

​

2.test_partseg.py

报错依旧与语义分割任务中test_semseg.py的报错1相同，修改后成功运行！

​

六、可能会出现的其他报错及解决方法

报错1：MP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. ……

解决方法：在使用的环境目录中搜索：libiomp5md.dll，会出现两个libiomp5md.dll文件，将第二个libiomp5md.dll文件剪切出去即可。

如图：使用的是pointnet环境，在pointnet路径下进行搜索，然后在/pointnet/Library/bin中将libiomp5md.dll移出去。

​

报错2：运行train_partseg.py时可能会出现

RuntimeError: Error(s) in loading state_dict for get_model:

        size mismatch for sa1.mlp_convs.0.weight: copying a param with shape torch.Size([64, 3, 1, 1]) from checkpoint, the shape in current model is torch.Size([64, 6, 1, 1]).

原因：在训练时没有读取点云数据的法向量，即\'--normal\'设置为False，维度为3，用训练的权重文件测试时，测试程序中\'--normal\'设置成了True，即读取了点云数据的法向量，维度为6，两者不匹配。

解决方法：将训练程序和测试程序中的\'--normal\'设置一致即可（同False或同True）。