OpenPCDet自定义数据集构建完全指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_01162/article/details/148507857

OpenPCDet自定义数据集构建完全指南

OpenPCDet OpenPCDet Toolbox for LiDAR-based 3D Object Detection. 项目地址: https://gitcode.com/gh_mirrors/op/OpenPCDet

前言

OpenPCDet作为优秀的点云目标检测框架，支持多种主流3D检测算法。在实际应用中，开发者经常需要将自己的数据集接入框架进行训练和评估。本文将详细介绍如何在OpenPCDet中构建自定义点云数据集的全流程，帮助开发者快速实现从数据准备到模型训练的全过程。

数据集格式规范

点云数据格式要求

OpenPCDet要求点云数据以.npy格式存储，这是NumPy的标准二进制格式，具有读取速度快、存储效率高的特点。每个点云文件应包含N×D的矩阵，其中：

N代表点的数量
D代表点的特征维度，通常包括：
- x, y, z坐标
- 反射强度(intensity)
- 其他可选特征（如回波次数等）

标注文件格式规范

标注信息存储在.txt文件中，每行对应一个3D边界框，格式如下：

x y z dx dy dz heading_angle category_name

各字段含义：

(x,y,z)：边界框中心坐标
(dx,dy,dz)：边界框长宽高尺寸
heading_angle：朝向角（弧度制）
category_name：目标类别名称

示例：

1.50 1.46 0.10 5.12 1.85 4.13 1.56 Vehicle
5.54 0.57 0.41 1.08 0.74 1.95 1.57 Pedestrian

数据集目录结构

规范化的目录结构对于数据管理至关重要，建议采用如下结构：

data
├── custom
│   ├── ImageSets
│   │   ├── train.txt  # 训练集文件名列表
│   │   └── val.txt    # 验证集文件名列表
│   ├── points         # 点云数据目录
│   │   ├── 000000.npy
│   │   └── 999999.npy
│   └── labels         # 标注文件目录
│       ├── 000000.txt
│       └── 999999.txt

注意：

ImageSets中的文本文件只需包含文件名（不含扩展名）
点云文件与标注文件应一一对应，通过文件名关联

配置文件详解

点云特征配置

在custom_dataset.yaml中需要配置点云特征处理参数：

POINT_FEATURE_ENCODING:
  encoding_type: absolute_coordinates_encoding
  used_feature_list: ['x', 'y', 'z', 'intensity']  # 实际使用的特征
  src_feature_list: ['x', 'y', 'z', 'intensity']   # 原始数据中的特征顺序

关键参数说明：

encoding_type：编码类型，通常保持默认
used_feature_list：实际使用的特征列表
src_feature_list：原始数据中的特征排列顺序
NUM_POINT_FEATURES：必须与used_feature_list长度一致

点云范围与体素化参数

对于基于体素的检测器（如SECOND、PV-RCNN等），需要特别注意：

Z轴范围与体素大小的比值应为40
XY轴范围与体素大小的比值应为16的倍数

这一规则同样适用于基于柱状的检测器（如PointPillar）。

类别与锚框配置

需要根据实际数据集调整类别和锚框参数：

CLASS_NAMES: ['Vehicle', 'Pedestrian', 'Cyclist']  # 自定义类别

MAP_CLASS_TO_KITTI:  # 与KITTI类别的映射关系
  'Vehicle': 'Car',
  'Pedestrian': 'Pedestrian',
  'Cyclist': 'Cyclist',

anchor_sizes: [[3.9, 1.6, 1.56]]  # 各类别的锚框尺寸

PREPARE:  # 数据过滤参数
  filter_by_min_points: ['Vehicle:5', 'Pedestrian:5', 'Cyclist:5'],
  filter_by_difficulty: [-1],

SAMPLE_GROUPS: ['Vehicle:20','Pedestrian:15', 'Cyclist:15']  # 数据增强采样配置

数据信息文件生成

完成上述配置后，需要生成数据信息文件：

python -m pcdet.datasets.custom.custom_dataset create_custom_infos tools/cfgs/dataset_configs/custom_dataset.yaml

该命令会生成以下文件：

custom_infos_train.pkl：训练集信息文件
custom_infos_val.pkl：验证集信息文件

评估配置说明

OpenPCDet目前提供KITTI风格的评估方式。需要在配置文件中定义自定义类别与KITTI类别的映射关系：

MAP_CLASS_TO_KITTI:
  'Vehicle': 'Car',
  'Pedestrian': 'Pedestrian',
  'Cyclist': 'Cyclist',

评估指标将基于此映射关系计算，确保评估结果与KITTI基准一致。

常见问题与解决方案

点云范围设置不合理：
- 症状：训练时出现NaN损失
- 解决：检查点云范围与体素大小的比值是否符合要求
类别映射错误：
- 症状：评估时出现类别不匹配警告
- 解决：确保MAP_CLASS_TO_KITTI中的类别名称与CLASS_NAMES完全一致
数据信息生成失败：
- 症状：无法找到点云或标注文件
- 解决：检查目录结构是否符合规范，文件名是否匹配