CIA-SSD那点事儿

1，数据部分：

• kitti底面中心设置位置：如果要换成自己的数据集，需要改这里。

det3d/datasets/pipelines/loading.py中：

box_np_ops.change_box3d_center_(gt_boxes, [0.5, 0.5, 0], [0.5, 0.5, 0.5])

• preprocess_v4/AssignTarget(object):/build_box_coder/GroundBox3dCoderTorch/GroundBox3dCoder/_encode & _decode/box_np_ops.second_box_encode中

   encode()中：

    #zg = zg + hg / 2
    #za = za + ha / 2

decode()中：

#za = za + ha / 2

...

#zg = zg - hg / 2

• det3d/datasets/pipelines/preprocess_v4.py的init()中：

self.random_select = cfg.get("random_select", False)  # False  这个值可以设成True，表示40m以外的点都保留，40m以内的点进行抽样选取。

2，预处理部分：

• bev_range

class Voxelization(object):中

 bv_range = pc_range[[0, 1, 3, 4]]  #如果坐标系变化，索引也要跟着变。

mask = prep.filter_gt_box_outside_range(gt_dict["gt_boxes"], bv_range) 需要check

• voxel生成过程同pointpillar，优化也可参考该步骤的pointpillar

voxels, coordinates, num_points_per_voxel = self.voxel_generator.generate(points)

• preprocess_v4.py的init()中：feature_map_size设置要同选取的range范围对应上。

feature_map_size = [1, 200, 176] #[1, 200, 176]

• create_data/kitti_ds.create_kitti_info_file(root_path)中，dims的h,w,l排序会根据xyz轴进行对应，如果和kitti坐标系不一致的话，这里需要调整

• 前面调整过hwl的次序之后，在这里生成create_gt_database时候，在piplines/loading中的这个box_camera_to_lidar也可以注销了，因为自己标注的数据就是在lidar坐标下的。

• 配置文件

region_similarity_calculator=dict(type="rotate_iou_similarity",),   

db_prep_steps=[
        dict(filter_by_min_num_points=dict(car=5, vehicle=5, otherVel=5, person=5, nonVel=5)),
        #dict(filter_by_difficulty=[-1],), --- 自有数据该过滤条件要过滤
    ],

• kitti_common/def get_label_anno(label_path):

annotations["dimensions"] = np.array([[float(info) for info in x[8:11]] for x in content]).reshape(-1, 3)[:, [2, 1, 0]] #----[2, 0, 1]

• kitti_common/_calculate_num_points_in_gt():

        # if remove_outside: #-------
        #     points_v = box_np_ops.remove_outside_points(points_v, rect, Trv2c, P2, image_info["image_shape"])

•   box_np_ops/rotation_2d():

    #rot_mat_T = np.stack([[rot_cos, -rot_sin], [rot_sin, rot_cos]])
    rot_mat_T = np.stack([[rot_cos, rot_sin], [-rot_sin, rot_cos]])

• mg_head_v4_release.py/get_task_detections():

        total_scores = torch.softmax(cls_preds, dim=0)       # [70400, 1]-----------
         #total_scores = torch.sigmoid(cls_preds)       # [70400, 1]