OpenPCDet和mmdetection3d

转载:https://blog.csdn.net/weixin_40805392/article/details/107209832

OpenPCDet和mmdetection3d是香港中文大学open-mmlab实验室的成果,这两个框架都是用于3D目标检测的,二者各有优缺。

1.OpenPCDet

更轻量一些,更加专注于点云室外场景激光点云的目标检测任务,包含多种点云特征提取模型。
项目链接https://github.com/open-mmlab/OpenPCDet
优点:
(1)集成了nusecne,kitti,waymo数据集
(2)包含算法有pointRCNN,PartA2,voxelnet,PointPillar,SECOND,PV-RCNN,SECOND-MultiHead (CBGS)。
(3)更多的特征提取结构,包括了点和voxel两个方面的特征提取器都有。
(4)具有可视化demo
(5)代码风格清晰易读
缺点:
无多模态

2.mmdetection3d

包含的内容更多,包含了图像、点云、多模态数据源的3D检测以及分割。mmdetection3d是一个比较新的模型结构,多个模块组装简单,同时支持多模态,就科研来说,更具有开发空间。
项目链接https://github.com/open-mmlab/mmdetection3d
官方文档https://mmdetection3d.readthedocs.io/en/latest/

主要优点:

(1)支持多模态融合,二维网络和三维网络可结合。
(2)支持多种算法和模型,超过40多种算法,300多个模型,包括有VoteNet,PointPillars,SECOND,Part-A2。(不包含PVRCNN)
(3)更快的训练速度,比前面介绍到的codebase都要更快。
(4)支持多种数据集,包括室内和室外数据集。
知乎更详细的介绍https://zhuanlan.zhihu.com/p/165647329?utm_source=wechat_timeline

3. second.pytorch

项目链接:https://github.com/traveller59/second.pytorch
主要优点:
(1)包含了kitti和nuscence两个点云3D目标检测数据集的实现
(2)含有Kitti_viewer网页版可视化工具
(3)实现了second,voxelnet,pointpillars三种点云目标检测算法。
缺点:
应该是该领域的先行者,具有一定的阅读难度,不支持多模态。

4. Det3D

项目链接:https://github.com/poodarchu/Det3D
主要优点:
(1)代码在second.pytorch重构后显得清晰易读
(2)包含多个数据集的实现,包括KITTI,Nuscence,lyft三个数据集,waymo在进行中
(3)目前实现的算法包括voxelnet,sencod,pointpillars和CBGS(second_multihead)
(4)apex训练加速
缺点:
不支持多模态和可视化,较长时间未更新。

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值