OpenPCDet解析

一、OpenPCDet 简介

1.1 简介

OpenPCDet: Open-MMLab 面向LiDAR点云表征的3D目标检测代码库

OpenPCDet的github链接

• OpenPCDet 是一套基于PyTorch实现的点云3D目标检测代码库。

• 设计思想：点云数据集（KITTI、NuScene、Lyft、Waymo、PandaSet等）在数据格式与3D坐标系上往往定义各不相同，各式各样的点云感知算法（point-based、 voxel-based、one-stage/two-stage等）也形态各异
  因此基于数据-模型分离的顶层代码框架设计思想，设计一个统一的架构，使得相关研究者可以在一个统一的框架内进行各种组合实验。

1.2 数据-模型分离的顶层代码框架

PCDet定义了统一的规范化3D坐标表示贯穿整个数据处理与模型计算，从而将数据模块与模型处理模块完全分离。
具体框架如下图所示：

数据模型分离的优点：

• 研究者在研发不同结构模型时，统一使用标准化的3D坐标系进行各种相关处理（比如计算loss、RoI Pooling和模型后处理等），而无需理会不同数据集的坐标表示差异性
• 研究者在添加新数据集时，只需写少量代码将原始数据转化到标准化坐标定义下，PCDet将自动进行数据增强并适配到各种模型中。

1.3 统一的3D目标检测坐标定义

PCDet 中我们采用了固定的统一点云坐标系，以及更规范的3D检测框定义，贯穿整个数据增强、处理、模型计算以及检测后处理过程。3D检测框的7维信息定义如下：

3D bounding box: (cx, cy, cz, dx, dy, dz, heading)

每个维度解释如下：

• (cx, cy, cz) 为物体3D框的几何中心位置
• (dx, dy, dz)分别为物体3D框在heading角度为0时沿着x-y-z三个方向的长度
• heading为物体在俯视图下的朝向角 (沿着x轴方向为0度角，逆时针x到y角度增加)。
  

1.4 模块化模型拓扑设计

我们在PCDet中搭建3D目标检测框架