ascend-robotfix:fix code/documentation formatting issues using pre-commit

OpenPCDet for Pytorch [终止随版本演进]

概述

OpenPCDet 是一个基于 LiDAR 的 3D 物体检测套件，包含PointPillar、PointRCNN、CenterPoint等多种自动驾驶模型。本仓库对 OpenPCDet 中的部分模型进行了NPU设备的适配。

参考实现：

https://github.com/open-mmlab/OpenPCDet.git
commit_id=255db8f02a8bd07211d2c91f54602d63c4c93356

适配昇腾AI处理器的实现：

url=https://gitcode.com/Ascend/DrivingSDK.git
code_path=model_examples/CenterPoint

模型适配情况

支持模型	支持数据集
Centerpoint	Nuscenes
Centerpoint3d	Nuscenes

Centerpoint

准备环境

安装昇腾环境

请参考昇腾社区中《Pytorch框架训练环境准备》文档搭建昇腾环境。本仓已支持表1中软件版本。

表 1 昇腾软件版本支持表

软件类型	首次支持版本
FrameworkPTAdapter	6.0.0
CANN	8.0.0

安装模型环境

表 2 版本支持表

Torch_Version	三方库依赖版本
PyTorch 2.1.0	torchvision 0.16.0

0. 使用patch文件

    git clone https://github.com/open-mmlab/OpenPCDet.git
    cd OpenPCDet
    git checkout 255db8f02a8bd07211d2c91f54602d63c4c93356
    cp -f ../OpenPCDet_npu.patch .
    git apply --reject OpenPCDet_npu.patch
    cp -rf ../test tools/

1. 基本环境准备

在应用过patch的模型源码包所在目录下执行相应命令，安装模型需要的依赖

pip install -r requirements.txt && cd ../   # PyTorch 2.1版本

2. 手动编译安装cumm和spconv

在开始安装前，确保系统已安装GCC 7.5.0

2.1 前置依赖安装

执行以下命令，安装前置依赖pccm==0.3.4，ccimport==0.3.7

pip install pccm==0.3.4
pip install ccimport==0.3.7

2.2 编译安装cumm

执行以下命令编译安装cumm

git clone https://github.com/FindDefinition/cumm.git -b v0.2.9
export CUMM_CUDA_VERSION=""
export CUMM_DISABLE_JIT="1"
cd ./cumm/
python setup.py bdist_wheel
cd ../ && pip install cumm/dist/cumm-*.whl

【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程

python -c "import cumm"

2.3 编译安装spconv

执行以下命令，拉取spconv源码用于本地编译

git clone https://github.com/traveller59/spconv.git -b v2.1.25

执行以下命令，删除冗余文件

rm -rf spconv/spconv/core_cc/csrc/sparse/all/ops1d.pyi
rm -rf spconv/spconv/core_cc/csrc/sparse/all/ops2d.pyi
rm -rf spconv/spconv/core_cc/csrc/sparse/all/ops3d.pyi
rm -rf spconv/spconv/core_cc/csrc/sparse/all/ops4d.pyi
rm -rf spconv/spconv/core_cc/cumm/tools/
rm -rf spconv/pyproject.toml

执行以下命令，替换spconv三方库中的文件内容

/bin/cp -rf OpenPCDet/third_party_patches/spconv_patches/spconv/core_cc/csrc/sparse/all/__init__.pyi spconv/spconv/core_cc/csrc/sparse/all/__init__.pyi

将spconv/spconv/pytorch/ops.py文件第32行代码进行调整将代码
```
if hasattr(_ext, "cumm"):
```
调整为
```
if 0:
```

注释spconv/spconv/utils/__init__.py文件第26-30行代码

if not CPU_ONLY_BUILD:
    from spconv.core_cc.csrc.sparse.all.ops1d import Point2Voxel as Point2VoxelGPU1d
    from spconv.core_cc.csrc.sparse.all.ops2d import Point2Voxel as Point2VoxelGPU2d
    from spconv.core_cc.csrc.sparse.all.ops3d import Point2Voxel as Point2VoxelGPU3d
    from spconv.core_cc.csrc.sparse.all.ops4d import Point2Voxel as Point2VoxelGPU4d

执行以下命令编译安装spconv
```
export SPCONV_DISABLE_JIT="1"
cd ./spconv/
python setup.py bdist_wheel
cd ../ && pip install spconv/dist/spconv-*.whl
```
【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程
```
python -c "import spconv"
```

2.4 编译安装Driving SDK

参考Driving SDK官方gitcode仓README安装编译构建并安装Driving SDK包：参考链接

【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程

python -c "import mx_driving"

2.5 编译安装OpenPCDet

执行以下命令，应用过patch的模型根目录编译安装OpenPCDet

cd ./OpenPCDet/
python setup.py develop

准备数据集

下载nuScenes数据集，请自行前往nuScenes官方网站下载3D目标检测数据集

下载解压的nuScenes数据集，并按照如下方式组织：

OpenPCDet
├── data
│   ├── nuscenes
│   │   │── v1.0-trainval
│   │   │   │── samples
│   │   │   │── sweeps
│   │   │   │── maps
│   │   │   │── v1.0-trainval
├── pcdet
├── tools

安装数据处理相关依赖

pip install nuscenes-devkit==1.0.5
pip install av2==0.2.1
pip install kornia==0.5.8
pip install opencv-python-headless --force-reinstall

进入应用过patch文件的OpenPCDet的根目录, 执行数据预处理脚本，生成序列化数据集

cd ./OpenPCDet/
python -m pcdet.datasets.nuscenes.nuscenes_dataset --func create_nuscenes_infos --cfg_file tools/cfgs/dataset_configs/nuscenes_dataset.yaml --version v1.0-trainval

模型训练

进入应用过patch文件的OpenPCDet的根目录。
```
cd ./OpenPCDet/
```
numpy版本降级为1.23.5 执行以下命令，将numpy版本降级为1.23.5，过高的numpy版本会导致代码中numpy部分被废弃用法不可用
```
pip install numpy==1.23.5
```
运行训练脚本。该模型支持单机8卡训练
```
cd tools/test
bash train_centerpoint_full_8p.sh # 8p精度训练
bash train_centerpoint_performance_8p.sh # 8p性能训练
```
训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息

训练结果对比

精度

训练精度结果展示表

Exp	mATE	mASE	mAOE	mAVE	mAAE	mAP	NDS
8p-竞品A	32.59	26.35	44.26	24.50	19.30	49.20	59.78
8p-Atlas 800T A2	32.50	26.34	45.05	24.23	19.39	50.06	60.45

性能

训练性能结果展示表

Exp	global batch size	FPS
8p-竞品A	96	85.712
8p-Atlas 800T A2	96	66.160

CenterPoint3d

准备环境

表1 版本支持表

Torch_Version	三方库依赖版本
PyTorch 2.1.0	torchvision 0.16.0

环境准备指导。

请参考《Pytorch框架训练环境准备》。

0. 使用patch文件

git clone https://github.com/open-mmlab/OpenPCDet.git
cd OpenPCDet
git checkout 255db8f02a8bd07211d2c91f54602d63c4c93356
cp -f ../OpenPCDet_npu.patch .
git apply --reject OpenPCDet_npu.patch
cp -rf ../test tools/

1. 基本环境准备

在应用过patch文件的模型源码包所在目录下执行相应命令，安装模型需要的依赖

pip install -r requirements.txt && cd ../   # PyTorch 2.1版本

2. 手动编译安装cumm和spconv

在开始安装前，确保系统已安装GCC 7.5.0

2.1 前置依赖安装

执行以下命令，安装前置依赖pccm==0.3.4，ccimport==0.3.7

pip install pccm==0.3.4
pip install ccimport==0.3.7

2.2 编译安装cumm

执行以下命令编译安装cumm

git clone https://github.com/FindDefinition/cumm.git -b v0.2.9
export CUMM_CUDA_VERSION=""
export CUMM_DISABLE_JIT="1"
cd ./cumm/
python setup.py bdist_wheel
cd ../ && pip install cumm/dist/cumm-*.whl

【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程

python -c "import cumm"

2.3 编译安装spconv

执行以下命令，拉取spconv源码用于本地编译

git clone https://github.com/traveller59/spconv.git -b v2.1.25

将spconv/spconv/pytorch/ops.py文件第32行代码进行调整
```
# 将代码 if hasattr(_ext, "cumm"):
# 调整为 if 0:
```

注释spconv/spconv/utils/__init__.py文件第26-30行代码

if not CPU_ONLY_BUILD:
    from spconv.core_cc.csrc.sparse.all.ops1d import Point2Voxel as Point2VoxelGPU1d
    from spconv.core_cc.csrc.sparse.all.ops2d import Point2Voxel as Point2VoxelGPU2d
    from spconv.core_cc.csrc.sparse.all.ops3d import Point2Voxel as Point2VoxelGPU3d
    from spconv.core_cc.csrc.sparse.all.ops4d import Point2Voxel as Point2VoxelGPU4d

执行以下命令编译安装spconv
```
export SPCONV_DISABLE_JIT="1"
cd ./spconv/
python setup.py bdist_wheel
cd ../ && pip install spconv/dist/spconv-*.whl
```
【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程
```
python -c "import spconv"
```

2.4 编译安装Driving SDK

参考Driving SDK官方gitcode仓README安装编译构建并安装Driving SDK包：参考链接

【注意】安装完毕后建议运行以下命令，如无报错，证明安装无误，可继续安装流程

python -c "import mx_driving"

2.5 编译安装OpenPCDet

在应用过patch文件模型根目录，执行以下命令，编译安装OpenPCDet

cd ./OpenPCDet/
python setup.py develop

准备数据集

下载nuScenes数据集，请自行前往nuScenes官方网站下载3D目标检测数据集

下载解压的nuScenes数据集，并按照如下方式组织：

OpenPCDet
├── data
│   ├── nuscenes
│   │   │── v1.0-trainval
│   │   │   │── samples
│   │   │   │── sweeps
│   │   │   │── maps
│   │   │   │── v1.0-trainval
├── pcdet
├── tools

安装数据处理相关依赖

pip install nuscenes-devkit==1.0.5
pip install av2==0.2.1
pip install kornia==0.5.8
pip install opencv-python-headless --force-reinstall

进入应用过patch文件的OpenPCDet的根目录, 执行数据预处理脚本，生成序列化数据集

cd ./OpenPCDet/
python -m pcdet.datasets.nuscenes.nuscenes_dataset --func create_nuscenes_infos --cfg_file tools/cfgs/dataset_configs/nuscenes_dataset.yaml --version v1.0-trainval

模型训练

进入应用过patch文件的OpenPCDet的根目录。
```
cd ./OpenPCDet/
```
numpy版本降级为1.23.5 执行以下命令，将numpy版本降级为1.23.5，过高的numpy版本会导致代码中numpy部分被废弃用法不可用
```
pip install numpy==1.23.5
```
运行训练脚本。该模型支持单机单机8卡训练
```
cd tools/test
bash train_centerpoint3d_full_8p.sh # 8p精度训练
bash train_centerpoint3d_performance_8p.sh # 8p性能训练
```
训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果对比

精度

训练精度结果展示表

Exp	mATE	mASE	mAOE	mAVE	mAAE	mAP	NDS
8p-竞品A	28.80	25.43	37.27	21.55	18.24	58.65	66.22
8p-Atlas 800T A2	28.81	25.35	38.46	21.00	17.82	58.34	66.11

性能

训练性能结果展示表

Exp	global batchsize	FPS
8p-竞品A	32	48.48
8p-Atlas 800T A2	32	39.41

FAQ

ImportError:/usr/local/gcc-7.5.0/lib64/libgomp.so.1:cannot allocate memory in static TLS block

glibc版本兼容性问题，升级glibc版本或者手动导入环境变量export LD_PRELOAD=/usr/local/gcc-7.5.0/lib64/libgomp.so.1

ImportError: {conda_env_path}/bin/../lib/libgomp.so.1:cannot allocate memory in static TLS block

出现上述报错时，将报错路径补充到环境变量LD_PRELOAD中即可，可参考以下指令

export LD_PRELOAD={conda_env_path}/bin/../lib/libgomp.so.1:$LD_PRELOAD # {conda_env_path}替换为实际使用python环境根目录

ImportError: {conda_env_path}/lib/python3.8/site-packages/sklearn/__check_build/../../scikit_learn.libs/libgomp-d22c30c5.so.1.0.0

出现上述报错时，将报错路径补充到环境变量LD_PRELOAD中即可，可参考以下指令

export LD_PRELOAD={conda_env_path}/lib/python3.8/site-packages/sklearn/__check_build/../../scikit_learn.libs/libgomp-d22c30c5.so.1.0.0:$LD_PRELOAD # {conda_env_path}替换为实际使用python环境根目录

ImportError: libblas.so.3: cannot open shared object file: No such file or directory

执行以下指令安装相关依赖即可

conda install -c conda-forge blas

数据预处理序列化时报错

可能是网络不稳定导致数据集下载时缺失部分image或者.bin文件

报错：KeyError:'road_plane'

修改tools/cfgs/kitti_models/pointpillar.yaml，USE_ROAD_PLANE: False

安装编译cumm时报错：TypeError: ccimport() got multiple values for argument 'std'

pip install ccimport==0.3.7

训练卡住，日志记录`Wait 30 seconds for next check`

需要删除上次训练的存储，位置在OpenPCDet/output/kitti_models/pointpillar/default

运行报错：bc: command not found

bc命令是linux系统上的任意精度计算器语言, 有上述提示说明操作系统尚未安装bc，执行以下命令安装bc

yum -y install bc

pkg_resources.DistributionNotFound: The 'protobuf' distribution was not found and is required by the application

执行以下指令在python环境中安装protobuf三方依赖

pip install protobuf

在Pytorch 2.5, Python 3.10环境下，需要在1 基本环境准备中使用CenterPoint路径下的2.5_requirements.txt进行依赖安装

在CenterPoint路径下执行

pip install -r 2.5_requirements.txt

版本说明

[2024-12-23] NEW: CenterPoint3d模型在NPU设备首次适配.

[2025-02-18] NEW: CenterPoint2d模型增加PT2.5相关依赖.

[2025-03-12] NEW: CenterPoint仓CenterHead模块性能优化，并提供高性能内存库安装指导，更新了CenterPoint3d的性能数据

[2025-04-21] NEW: CenterPoint2d模型优化fps计算方式，乘以卡数，更新性能指标，readme中添加global batch size

[2025-05-29] NEW: CenterPoint3d模型优化，更新性能

[2025-08-21] NEW: CenterPoint3d模型性能优化，更新性能

[2025-08-29] NEW: CenterPoint3d修复数据处理问题

OpenPCDet for Pytorch [终止随版本演进]

概述

模型适配情况

Centerpoint

准备环境

安装昇腾环境

安装模型环境

0. 使用patch文件

1. 基本环境准备

2. 手动编译安装cumm和spconv

2.1 前置依赖安装

2.2 编译安装cumm

2.3 编译安装spconv

2.4 编译安装Driving SDK

2.5 编译安装OpenPCDet

准备数据集

模型训练

训练结果对比

精度

性能

CenterPoint3d

准备环境

0. 使用patch文件

1. 基本环境准备

2. 手动编译安装cumm和spconv

2.1 前置依赖安装

2.2 编译安装cumm

2.3 编译安装spconv

2.4 编译安装Driving SDK

2.5 编译安装OpenPCDet

准备数据集

模型训练

训练结果对比

精度

性能

FAQ

ImportError:/usr/local/gcc-7.5.0/lib64/libgomp.so.1:cannot allocate memory in static TLS block

ImportError: {conda_env_path}/bin/../lib/libgomp.so.1:cannot allocate memory in static TLS block

ImportError: {conda_env_path}/lib/python3.8/site-packages/sklearn/__check_build/../../scikit_learn.libs/libgomp-d22c30c5.so.1.0.0

ImportError: libblas.so.3: cannot open shared object file: No such file or directory

数据预处理序列化时报错

报错：KeyError:'road_plane'

安装编译cumm时报错：TypeError: ccimport() got multiple values for argument 'std'

训练卡住，日志记录Wait 30 seconds for next check

运行报错：bc: command not found

pkg_resources.DistributionNotFound: The 'protobuf' distribution was not found and is required by the application

在Pytorch 2.5, Python 3.10环境下，需要在1 基本环境准备 中使用CenterPoint路径下的2.5_requirements.txt进行依赖安装

版本说明

训练卡住，日志记录`Wait 30 seconds for next check`

在Pytorch 2.5, Python 3.10环境下，需要在1 基本环境准备中使用CenterPoint路径下的2.5_requirements.txt进行依赖安装