3D-Dection系列论文1：Pointpillars ---example是如何生成的？

最新推荐文章于 2022-04-13 15:07:04 发布

原创

最新推荐文章于 2022-04-13 15:07:04 发布 · 1.3k 阅读

7 ·

CC 4.0 BY-SA版权

本文深入解析了点云处理中的关键步骤，包括voxel生成、target assigner的构建，以及example的制作流程。在数据预处理阶段，点云数据经过VoxelGenerator转化为voxels，同时利用target assigner生成anchors。在网络输入的example中，包含了voxels、coordinates和num_points等关键信息。整个过程涉及数据读取、转换和目标分配，为后续的点云目标检测网络提供输入。

$\color{red}{注：此文是解析的是pointpillar不是second}$

我们来看一下网络中的example是如何来的~

首先我们看一下example在哪里用到的，然后反推一下：
exaple 使用位置
可以看到exaple是从eval_dataloader迭代器里面进行引用的，这是常规操作，然后看一下eval_dataloader的生成过程：

eval_dataloader = torch.utils.data.DataLoader(
        eval_dataset,
        batch_size=input_cfg.batch_size,
        shuffle=False,
        num_workers=input_cfg.num_workers,
        pin_memory=False,
        collate_fn=merge_second_batch)

然后我们看下eval_dataset是如何来的：

    eval_dataset = input_reader_builder.build(
        input_cfg,
        model_cfg,
        training=False,
        voxel_generator=voxel_generator,
        target_assigner=target_assigner)

这里来进行dataset的建立，我们传入了voxel_generator和target_assigner.
那就先看一下它俩:
1.voxel_generator:通过voxel_builder.build(model_cfg.voxel_generator)来建立，然后调用VoxelGenerator（）这个类的构造函数定义一些函数等但是这里面的generate还没被调用，这里面定义好后后面会在input_reader_builder.build()里面用到，最终接收到的是A tensor dict based on the input_reader_config.；