# Point_ice

**Repository Path**: Joseph096/point_ice

## Basic Information

- **Project Name**: Point_ice
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: joseph096_fix
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-03
- **Last Updated**: 2025-12-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Pointnet_ice

environment.yml是具体的环境配置要求，需要使用conda进行环境配置

使用以下命令可以搭建需要的配置环境
conda env create -f environment.yml
conda activate pointnet2

如果你希望更新你有的环境，那么你可以使用以下命令
conda env update --file environment.yml --prune

技术路线：基于FastLIO与PointNet++的激光雷达点云冰锥识别

## 后续工作
将现在的online的识别工作转化成offline的识别
- 具体来说就是需要对现有雷达进行抽帧，对格式一致的固定帧数雷达点云数据进行数据标注，需要采用最标准的按照类分类存储，构建成数据集
- 重新编写实现dataset，能够实现索引对应的点云以及对应的标签,并且转化为tensor的魔法方法

``` python
class MyDataset(Dataset):
def __init__(self,rootdir,labeldir):
      self.rootdir=rootdir
         self.labeldir=labeldir
         self.path=os.path.join(self.rootdir,self.labeldir)#以后路径的叠加都使用这种方式原来的方式需要彻底摒弃，因为容易出现多一条斜杠或者少一条斜杠等等问题
         self.img_path=os.listdir(self.path)#注意，这里返回的是一个列表这个列表的内容就是文件夹下面所有文件的名称信息。
         self.transform = transforms.Compose([
             transforms.Resize((224,225)),
             transforms.ToTensor()
                                              ])
     def __getitem__(self, index):
         img_name=self.img_path[index]
         img_item_path=os.path.join(self.path,img_name)
         img=Image.open(img_item_path)#这里打开之后的type是Image类别，如果需要使用numpy数组 或者tensor的方式，那么就需要使用响应的方式进行打开
         img_tensor=self.transform(img)
         label=self.labeldir
         return img_tensor ,label
```

- 重新修改dataloader，按照batchsize大小重新设置编排点云格式，使方便按照固定格式进入模型训练。