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。