项⽬地址： GitHub - tsunghan-wu/RandLA-Net-pytorch: :four_leaf_clover: Pytorch Implementation of RandLA-Net (https://arxiv.org/abs/1911.11236)
搭建环境并配置RandLA-Net
根据Environment Setup 搭建环境（除了requirements.txt中的库，可能还需安装cython）。
准备Semantic KITTI数据集
1. 本实践使⽤ Semantic KITTI 数据集，从官⽹下载数据集中的 KITTI Odometry Benchmark Velodyne point clouds (80 GB), KITTI Odometry Benchmark calibration data (1 MB) 和 SemanticKITTI label data (179
MB)。
2. 运⾏ python data_prepare_semantickitti.py 对数据进⾏预处理
3. 对应更改semkitti_trainset.py和semkitti_testset.py中的self.dataset_path
训练与评估模型
1. 参考C. Training & Testing 进⾏模型的训练与测试
2. 参考D. Visualization & Evaluation 进⾏点云和预测结果的可视化
)
