Det3D

一个基于PyTorch的通用3D目标检测代码库。

1. 简介

Det3D是第一个3D目标检测工具箱，提供了许多3D目标检测算法的现成实现，例如PointPillars、SECOND、PIXOR等，以及在主要基准上达到最新水平的方法，如KITTI（ViP）和nuScenes（CBGS）。Det3D的主要特点包括以下几个方面：

• 多数据集支持：KITTI、nuScenes、Lyft
• 基于点云和基于体素的模型库
• 最先进的性能
• DDP & SyncBN

2. 安装

请参考INSTALLATION.md。

3. 快速开始

请参考GETTING_STARTED.md。

4. 模型库

4.1 nuScenes

原始模型和预测文件可在CBGS README中找到。

4.2 KITTI

Second在KITTI(val)数据集上的表现

汽车  AP @0.70, 0.70,  0.70:
bbox AP:90.54, 89.35, 88.43
bev  AP:89.89, 87.75, 86.81
3d   AP:87.96, 78.28, 76.99
aos  AP:90.34, 88.81, 87.66

PointPillars在KITTI(val)数据集上的表现

汽车  AP@0.70,  0.70,  0.70:
bbox AP:90.63, 88.86, 87.35
bev  AP:89.75, 86.15, 83.00
3d   AP:85.75, 75.68, 68.93
aos  AP:90.48, 88.36, 86.58

4.3 Lyft

• Lyft配置

4.4 Waymo

5. 功能性

• 模型
  • VoxelNet
  • SECOND
  • PointPillars
• 特性
  • 多任务学习
  • 分布式训练与验证
  • 同步批归一化
  • 灵活的锚点尺寸
  • TensorboardX
  • 检查点与断点续训
  • 内含的可视化
  • 微调
  • 多尺度训练与验证
  • 旋转RoI对齐

6. 待办事项

• 将发布
  • CGBS在Lyft(val) 数据集上的表现
• 模型
  • PointRCNN
  • PIXOR

7. 征集贡献

• 支持Waymo数据集。
• 添加其他3D检测/分割模型，如VoteNet、STD等。

8. 开发者

Benjin Zhu , Bingqi Ma

9. 许可证

Det3D是根据Apache许可证发布的。

10. 引用

Det3D是CBGS的衍生代码库，如果你在研究中发现这个工作有用，请引用：

@article{zhu2019class,
  title={Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection},
  author={Zhu, Benjin and Jiang, Zhengkai and Zhou, Xiangxin and Li, Zeming and Yu, Gang},
  journal={arXiv preprint arXiv:1908.09492},
  year={2019}
}

11. 鸣谢

• mmdetection
• mmcv
• second.pytorch
• maskrcnn_benchmark