点云目标检测BRNET || 2. 基于MMDetection3D的处理数据思路

借着使用BRNET工程之际，了解下MMDetection3D框架相关的内容

1. MMDetection3D的数据处理的类

对于数据处理，MMDetection3D针对每种3D数据集，在代码中实现了一个类来进行数据的处理。在工程【test/test_data/test_datasets/】路径下，存放着数据读取处理的测试脚本。接下来以【test_scannet_dataset.py】为例。

最核心的代码为
scannet_dataset = ScanNetDataset(root_path, ann_file, pipelines)
其中入参：
root_path：数据路径
ann_file：标签文件名
pipeline：处理数据的列表，其中每个元素都是一个类，详细内容后面讲述

然后通过 data = scannet_dataset[0] 来获取具体的数据，其中入参为数据的索引，即根据索引来获取该数据集中的数据。这也能看出，该类下，肯定使用了【__getitem__】来实现该功能。

接下来具体看下处理流程。
在该工程中，很多函数无法通过跳转找到定义。只能通过全局搜索，个人使用的是vscode阅读该工程，只需要在vscode界面左边的搜索里查找，即可找到类的定义。
我们在定义出可以看到【类ScanNetDataset】继承了【类Custom3DDataset】，然后再跳转该类，并找到【__getitem__】，该部分为数据处理功能函数的起始位置。

具体函数如下：

由此我们可以查看具体的实现内容。值得说的有两点：
1. 【入参pipeline】在初始化位置，使用了框架内的函数将入参转换成自动的处理数据的函数。该函数的入参为一个字典，已放置了需要的数据内容的名字，作为关键字。经过该函数，会将具体数据放置在字典内对应位置的value上。在【prepare_train_data】等函数中被使用，如下代码：
        input_dict = self.get_data_info(index)
        if input_dict is None:
            return None
        self.pre_pipeline(input_dict)
        example = self.pipeline(input_dict)

pipeline是一个列表，每个元素是一个字典。字典的关键字"type"的元素为处理数据的类的名称，后面的元素为初始化该类的入参，具体如下：

    pipelines = [
        dict(
            type='LoadPointsFromFile', # 处理数据的类的名字
            coord_type='DEPTH', # 初始化类的入参
            shift_height=True, # 初始化类的入参
            load_dim=6, # 初始化类的入参
            use_dim=[0, 1, 2]), # 初始化类的入参
        dict(
            type='LoadAnnotations3D',
            with_bbox_3d=True,
            with_label_3d=True,
            with_mask_3d=True,
            with_seg_3d=True),
        dict(type='IndoorPointSample', num_points=5),
        dict(
            type='RandomFlip3D',
            sync_2d=False,
            flip_ratio_bev_horizontal=1.0,
            flip_ratio_bev_vertical=1.0),
        ......
    ]

每一个类下都存在【__call__】函数，也是被调用用作 具体处理数据的函数。其中处理逻辑，就是将pipeline转换成一个处理函数，然后将数据字典作为入参传入其中，然后就会按照pipeline中元素的顺序，对输入数据依次进行处理，上一个类的处理的返回数据，为接下来的类处理函数的入参。

2. 在【类Custom3DDataset】下的【函数get_data_info】中调用了【self.get_ann_info】，【self.get_ann_info】函数无法在编辑器页面进行定义跳转，该函数的实现在【类ScanNetDataset】中实现的。

2. api：build_dataset

同样是在路径【test/test_data/test_datasets/】下，脚本【test_dataset_wrappers.py】，可以看到MMDetection中数据处理的时，一个重要的api【build_dataset】
nus_dataset = build_dataset(dataset_cfg)
其中入参 dataset_cfg：字典，关键字"type"的值，是要进行处理数据的类名，其他关键字是该类初始化时的入参

使用【build_dataset】，也就是完成了【类CBGSDataset】的初始化，返回的变量 nus_dataset也可以通过nus_dataset[index]进行获取具体的数据