[源码解析] Voxelization具体步骤（Voxelnet）

supergxt

于 2023-05-19 17:11:48 发布

阅读量580

点赞数 1

分类专栏：源码解读自动驾驶文章标签： python 自动驾驶计算机视觉

本文链接：https://blog.csdn.net/supergxt/article/details/130770405

版权

本文详细介绍了Voxelization的实现过程，特别是CPU版本，作为点云数据预处理的关键步骤，对于3D检测模型至关重要。作者通过分析VoxelNet的源码，揭示了点云网格化的CPU实现，并提及后续将补充GPU CUDA加速版本。

摘要由CSDN通过智能技术生成

前言：

该博文主要用于记录voxelization的具体实现（当前只用CPU版本，后续补充GPU CUDA加速版本），voxel是处理点云数据常用的预处理手段，当前主流的3D detection模型，基本都会考虑将点云网格化，方便后续高效抽feature
在浏览voxelnet源码的过程中，发现当时的voxelization的过程还是基于CPU进行。
参考源码：
https://github.com/skyhehe123/VoxelNet-pytorch

CPU版本：

源码：

def preprocess(self, lidar):
    np.random.shuffle(lidar) # 打乱点云

	# 判断每个点云属于的voxel对应的坐标，注意输出int类型
	# 注意这里的x,y,z坐标系
    voxel_coords = ((lidar[:, :3] - np.array([self.xr