【三维目标检测】CenterPoint（一）

Coding的叶子

已于 2023-05-12 09:50:37 修改

阅读量6.6k

点赞数 3

分类专栏： Python三维点云实战宝典文章标签： CenterPoint 三维目标检测目标检测点云人工智能

于 2022-12-02 08:30:00 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/suiyingy/article/details/128002709

版权

Python三维点云实战宝典专栏收录该内容

94 篇文章 58 订阅 ¥129.90 ¥299.90

订阅专栏

超级会员免费看

本文介绍了CenterPoint，一种在CVPR 2021发表的三维目标检测算法，它通过预测物体中心点进行检测，简化了后处理。在nuScenes数据集上的NDS达到65.5，AMOTA为63.8。文中详细讲解了模型结构、输入数据、真实标签和推理过程，并提供mmdetection3d框架中CenterPoint的训练和数据处理指南。

摘要由CSDN通过智能技术生成

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

CenterPoint是一种anchor free的三维目标检测算法模型，发表在CVPR 2021，论文名称为《Center-based 3D Object Detection and Tracking》。其主要特点在于通过预测物体的中心点来进行目标检测和位置回归，而不需要预先产生大量候选框（anchor）。因而，这种方法的后处理更加简洁，相邻目标可通过直接选择热力图中心点来确定最终目标，不需要非极大值抑制（NMS）操作来合并重叠的候选框。但这也会带来一个缺点，CenterPoint无法区分同类型且中心点接近的目标。CenterPoint可看作是二维CorneNet和CenterNet到三维空间的一个扩展。因此，了解CornerNet和CenterNet模型有利于加深对CenterPoint的理解。CenterPoint和CenterNet来源于同一个课题组的研究成果。在nuScenes数据集的3D检测和跟踪任务中，单阶段的CenterPoint模型的NDS为65.5，AMOTA为63.8。