前言在自动驾驶和机器人视觉这两个飞速发展的领域中，3D目标检测技术扮演着核心角色。随着深度学习技术的突破性进展，3D目标检测算法的研究和应用正日益深入。OpenPCDet，这个由香港中文大学OpenMMLab实验室精心打造的开源工具箱，为3D目标检测领域提供了一个功能强大且易于使用的平

前面介绍了采用OpenPCDet架构和自定义数据集训练了pointRCNN模型，也已经跑通了测试流程，但在实际应用过程中通常需要把模型导出成ONNX格式，然后借助其他框架用C++进行推理。这里记录一下pointRCNN导出流程以及常见的一些错误。其大体分为以下几步：弄清楚数据流确定网络架构改写网

官网也提供了步骤，这里详细介绍下训练自己数据的过程以及中间遇到的一些问题。训练模型这里采用PointRCNN，具体的介绍参考：https://www.cnblogs.com/xiaxuexiaoab/p/18033887一、准备数据集数据集这一块我们需要准备好原始点云数据、物体目标标注文件、以及训练和验证对应的索引号，

一、介绍前面介绍了一些3D点云目标检测的文章，这篇开始介绍一个通用的3D目标检测代码框架，OpenPCDet是一个简单好用的开源框架，主要是针对点云目标检测，集成了很多现有的算法。https://github.com/open-mmlab/OpenPCDet设计模式支持的算法二、安装过程拉取源码gitclo