Bird’s Eye View Mapping 실습: MapItAnywhere ✅

Docker 설치

Windows용 Docker Desktop을 설치하고, Docker Desktop의 설정에서 "Use the WSL 2 based engine" 옵션을 활성화

WSL 터미널에서 아래 명령어로 Docker가 잘 작동하는지 확인
```
sudo apt install docker.io
sudo systemctl start docker
sudo systemctl enable docker
```
Conda 설치

Miniconda를 설치하는 것을 추천, 설치 후, 새 Conda 환경을 만든다.
```
conda create -n mia_env python=3.9 -y
conda activate mia_env
```

2. Docker와 Conda를 함께 활용한 MIA 실행 방법

MIA Docker 이미지 다운로드

터미널에서 다음 명령어를 입력
```
docker pull theairlab/mia:latest
```

프로젝트 코드 준비

Git을 통해 MIA 프로젝트를 클론

git clone <https://github.com/MapItAnywhere/MapItAnywhere.git>
cd MapItAnywhere

Docker 컨테이너 실행

현재 프로젝트 디렉토리를 Docker 컨테이너와 연결하기 위해 아래 명령어를 사용
```
docker run -v $(pwd):/home/MapItAnywhere --network=host -it theairlab/mia:latest
```
→ 이렇게 하면 컨테이너 내부에서 프로젝트 코드에 접근할 수 있음
FPV 이미지 다운로드 실행

컨테이너 안에서 Mapillary API 토큰을 준비한 후, 아래 명령어를 실행
```
cd /home/MapItAnywhere
python3.9 -m mia.fpv.get_fpv --cfg mia/conf/example.yaml --token <MLY_TOKEN>
```
<MLY_TOKEN>은 Mapillary에서 발급받은 API 토큰으로 대체
BEV 지도 생성 실행

FPV 데이터가 준비되면, BEV 생성을 위해 설정 파일을 수정 후 아래 명령어를 실행
```
python3.9 -m mia.bev.get_bev --cfg mia/conf/my_config.yaml
```
→ my_config.yaml 파일은 필요한 지역 및 옵션으로 수정

Conda 환경 활성화

Docker에서 필요한 데이터가 생성된 후, WSL 터미널에서 Conda 환경을 활성화
```
conda activate mia_env
```
추가 패키지 설치

지도 예측이나 모델 학습을 위해 필요한 패키지가 있다면 아래 명령어로 설치
```
pip install -r mapper/requirements.txt
```
지도 예측 실행

이미 학습된 모델을 사용하여 지도 예측을 실행하려면 아래와 같이 명령어를 실행
```
python -m mapper.mapper data.split=<PATH_TO_SPLIT_FILE> data.data_dir=<PATH_TO_MIA_DATASET> training.checkpoint=<TRAINED_WEIGHTS> training.eval=true
```
→ 각 경로와 옵션은 환경에 맞게 수정
모델 학습 및 추가 실험

Conda 환경에서 새로운 데이터를 이용한 학습이나 추가 실험도 진행 가능
```
python -m mapper.mapper data.split=<PATH_TO_SPLIT_FILE> data.data_dir=<PATH_TO_MIA_DATASET>
```