PointPillars使⽤Pillar Feature Net (PFN)将原始点云数据转换为伪图像(pseudo-image)。 以KITTI的激光 雷达坐标系为例,若输入点云的截取范围[x_min, y_min, z_min, x_max, y_max, z_max]为[0, -39.68, -3,
69.12, 39.68, 1], 且每个pillar在xy⽅向的分辨率为[0.16, 0.16], 经过PFN得到尺⼨为(C, H, W)的伪图像
项⽬地址: https://github.com/open-mmlab/OpenPCDet
搭建环境并配置PointPillars
1. 参考INSTALL.md搭建并配置环境。OpenPCDet实现了许多算法,本次实践我们只关注PointPillars相关内 容。 注意:spconv不是PointPillars必需的模块,若安装遇到问题,可以跳过,但需要注释掉项⽬中相关
的代码。
准备KITTI 3D⽬标检测数据集
1. 本实践使⽤KITTI3D⽬标检测数据集, 与CenterNet实践中的数据集⼀致,但需下载点云数据。
2. 下载planes文件 google⽹盘,并将planes文件夹放置在training⽬录下。
3. 参考GETTING_STARTED.md对KITTI数据集进⾏预处理。
训练与评估模型
1. 参考GETTING_STARTED.md中Training & Testing部分进⾏模型的训练与测试。
2. 参考Quick Demo进⾏点云和预测结果的可视化。