MMDetection3D雷达点云数据训练框架

爱吃油淋鸡的莫何

已于 2023-12-11 11:18:21 修改

阅读量1.5k

点赞数 19

文章标签： 3d 雷达点云 MMDetection3D

于 2023-12-08 16:43:02 首次发布

本文链接：https://blog.csdn.net/qq_42835363/article/details/134882423

版权

本文介绍了MMDetection3D框架，支持点云3D检测、单目3D检测等任务，包括环境安装、数据来源与处理、模型支持、数据预后处理以及所支持的数据集。详细讲解了点云数据的转换和后处理方法，如PointPillars和CenterPoint的处理策略。

摘要由CSDN通过智能技术生成

MMDetection3D雷达点云数据训练框架

1 简介

1.1 简介

MMDetection3D 支持任务：点云 3D 检测、单目 3D 检测、多模态 3D 检测和点云 3D 语义分割等。

3D 目标检测按照输入数据模态划分可以分为：

① 点云 3D 检测

② 纯视觉 3D 检测

③ 多模态 3D 检测（点云+图片）。

1.2 环境安装

环境安装参见：MMDetection3D 1.3.0 文档

2 任务

点云 3D 检测：雷达点云数据实现3D目标检测训练。

3 数据

3.1 数据来源

（1）…。

（2）激光雷达坐标系（LiDAR）：室外场景点云检测采用激光雷达设备的坐标系。

3.2 MMDetection3D数据处理

（1）MMDetection3D在训练前会借助 pkl 文件的信息进一步提取 reduced_point_cloud 和gt_database。 reduced_point_cloud是仅包含前方视野的点云文件； gt_database则是将包含在训练数据集的每个 3D 边界框中的点云数据分别提取出来得到的各个物体的点云文件，常用来在数据增强时使用。

（2）MMDetection3D 对于点云 3D 检测的相关模块：

① GlobalRotScaleTrans（点云的旋转缩放）；

② PointsRangeFilter / ObjectRangeFilter（限定了点云和物体的范围）；

③ PointShuffle（打乱点云数据）。

3.3 基础定义

在 3D 目标检测中，框 Box 通常表示为：(x, y, z, x_size, y_size, z_size, yaw)。其中 (x, y, z) 表示框的位置，(x_size, y_size, z_size) 表示框的尺寸，yaw 表示框的朝向角。

假设物体的长宽高分别为 l, w, h。该物体底部中心点坐标为 (l/2, w/2, 0) ，朝向和 x 轴的夹角为 0，即 yaw 角为 0，此时沿着x-y-z三个轴方向的长度即 x_size, y_size, z_size 分别为 l、w、h，所以该坐标系下 Box 的值为 (l/2, w/2, 0, l, w, h, 0)。注意其存储的 Box 位置是底部中心的位置，而非几何中心位置。