pointpillar.yaml

# 类名
CLASS_NAMES: ['Car', 'Pedestrian', 'Cyclist']

# 数据配置
DATA_CONFIG: 
    _BASE_CONFIG_: cfgs/dataset_configs/kitti_dataset.yaml  # 基本配置
    POINT_CLOUD_RANGE: [0, -39.68, -3, 69.12, 39.68, 1] #点云范围 [x_min, y_min, z_min, x_max, y_max, z_max]
    # 数据处理器
    DATA_PROCESSOR:
        - NAME: mask_points_and_boxes_outside_range
          REMOVE_OUTSIDE_BOXES: True #移出boxes

        - NAME: shuffle_points
          SHUFFLE_ENABLED: {  # 打乱数据集
            'train': True,
            'test': False
          }

        - NAME: transform_points_to_voxels
          VOXEL_SIZE: [0.16, 0.16, 4] #体素大小
          MAX_POINTS_PER_VOXEL: 32 #每个体素的最大点数
          MAX_NUMBER_OF_VOXELS: { #最大体素数
            'train': 16000,
            'test': 40000
          }
    # 数据增强器
    DATA_AUGMENTOR:
        DISABLE_AUG_LIST: ['placeholder'] # 停用数据增强器
        # AUG配置列表
        AUG_CONFIG_LIST:
            - NAME: gt_sampling
              USE_ROAD_PLANE: True # 使用road plane
              # 数据库信息路径
              DB_INFO_PATH:
                  - kitti_dbinfos_train.pkl
              # 准备
              PREPARE: {
                 filter_by_min_points: ['Car:5', 'Pedestrian:5', 'Cyclist:5'], #按最低分过滤
                 filter_by_difficulty: [-1], #按难度过滤
              }

              SAMPLE_GROUPS: ['Car:15','Pedestrian:15', 'Cyclist:15'] #样本组
              NUM_POINT_FEATURES: 4 #点特征数
              DATABASE_WITH_FAKELIDAR: False
              REMOVE_EXTRA_WIDTH: [0.0, 0.0, 0.0] # 删除多余的宽度
              LIMIT_WHOLE_SCENE: False  #整个场景限制

            - NAME: random_world_flip #随机世界翻转
              ALONG_AXIS_LIST: ['x'] #沿轴

            - NAME: random_world_rotation #随机世界旋转
              WORLD_ROT_ANGLE: [-0.78539816, 0.78539816] #世界旋转角度

            - NAME: random_world_scaling #随机世界缩放
              WORLD_SCALE_RANGE: [0.95, 1.05] # 世界范围
# 模型
MODEL:
    NAME: PointPillar

    VFE:
        NAME: PillarVFE  # pcdet/models/backbones_3d/vfe/pillar_vfe.py
        WITH_DISTANCE: False
        USE_ABSLOTE_XYZ: True
        USE_NORM: True
        NUM_FILTERS: [64] #滤波器个数

    # 映射到BEV
    MAP_TO_BEV:
        NAME: PointPillarScatter  # pcdet/models/backbones_2d/map_to_bev/pointpillar_scatter.py
        NUM_BEV_FEATURES: 64 #BEV特征数

    # 2D骨干
    BACKBONE_2D:
        NAME: BaseBEVBackbone  # pcdet/models/backbones_2d/base_bev_backbone.py
        LAYER_NUMS: [3, 5, 5] #层数
        LAYER_STRIDES: [2, 2, 2] #层步幅
        NUM_FILTERS: [64, 128, 256] #滤波器个数
        UPSAMPLE_STRIDES: [1, 2, 4] #上采样步幅
        NUM_UPSAMPLE_FILTERS: [128, 128, 128] #上采样滤波器个数

    # 密集卷积头
    DENSE_HEAD:
        NAME: AnchorHeadSingle  # pcdet/models/dense_heads/anchor_head_single.py
        CLASS_AGNOSTIC: False

        USE_DIRECTION_CLASSIFIER: True #使用方向分类器
        DIR_OFFSET: 0.78539 #方向偏移量   = π / 4
        DIR_LIMIT_OFFSET: 0.0 #方向限制偏移量
        NUM_DIR_BINS: 2 #BINS的方向数

        #anchor配置
        ANCHOR_GENERATOR_CONFIG: [
            {
                'class_name': 'Car',
                'anchor_sizes': [[3.9, 1.6, 1.56]], #尺寸
                'anchor_rotations': [0, 1.57], #旋转角度：0°和90°=(弧度π/2=1.57）
                'anchor_bottom_heights': [-1.78], #底高度
                'align_center': False, #居中对齐
                'feature_map_stride': 2, #特征图步幅
                'matched_threshold': 0.6, #匹配阈值
                'unmatched_threshold': 0.45 #不匹配阈值
            },
            {
                'class_name': 'Pedestrian',
                'anchor_sizes': [[0.8, 0.6, 1.73]],
                'anchor_rotations': [0, 1.57],
                'anchor_bottom_heights': [-0.6],
                'align_center': False,
                'feature_map_stride': 2,
                'matched_threshold': 0.5,
                'unmatched_threshold': 0.35
            },
            {
                'class_name': 'Cyclist',
                'anchor_sizes': [[1.76, 0.6, 1.73]],
                'anchor_rotations': [0, 1.57],
                'anchor_bottom_heights': [-0.6],
                'align_center': False,
                'feature_map_stride': 2,
                'matched_threshold': 0.5,
                'unmatched_threshold': 0.35
            }
        ]

        # 目标分配器配置
        TARGET_ASSIGNER_CONFIG:
        	#轴对准目标分配器
            NAME: AxisAlignedTargetAssigner  # pcdet/models/dense_heads/target_assigner/axis_aligned_target_assigner.py
            POS_FRACTION: -1.0 #POS分数
            SAMPLE_SIZE: 512 #样本大小
            NORM_BY_NUM_EXAMPLES: False 
            MATCH_HEIGHT: False #匹配高
            BOX_CODER: ResidualCoder #BOX编码器
 
        # 损失配置
        LOSS_CONFIG:
            LOSS_WEIGHTS: { #损失权重
                'cls_weight': 1.0, # 分类权重
                'loc_weight': 2.0, # 位置权重
                'dir_weight': 0.2, # 方向权重
                'code_weights': [1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0] #代码权重
            }

    # 后期处理
    POST_PROCESSING:
        RECALL_THRESH_LIST: [0.3, 0.5, 0.7] #recall阈值列表
        SCORE_THRESH: 0.1 #分数阈值
        OUTPUT_RAW_SCORE: False #输出原始分数

        EVAL_METRIC: kitti #评估指标

        # NMS配置
        NMS_CONFIG:
            MULTI_CLASSES_NMS: False # 多类NMS
            NMS_TYPE: nms_gpu #NMS类型
            NMS_THRESH: 0.01 #NMS阈值
            NMS_PRE_MAXSIZE: 4096 #NMS上限
            NMS_POST_MAXSIZE: 500 # NMS POST上限

# 优化
OPTIMIZATION:
    BATCH_SIZE_PER_GPU: 4 #每个GPU的批量大小
    NUM_EPOCHS: 80 #epoch数

    OPTIMIZER: adam_onecycle #优化器
    LR: 0.003 #学习率
    WEIGHT_DECAY: 0.01 #衰减量
    MOMENTUM: 0.9 #动量

    MOMS: [0.95, 0.85]
    PCT_START: 0.4
    DIV_FACTOR: 10
    DECAY_STEP_LIST: [35, 45]
    LR_DECAY: 0.1 #学习率衰减
    LR_CLIP: 0.0000001

    LR_WARMUP: False
    WARMUP_EPOCH: 1

    GRAD_NORM_CLIP: 10