自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

m0_64293675的博客

原创 TensorRT部署基于纯点云kitii数据集的centerpoint目标检测模型

本文介绍了如何基于TensorRT部署3D稀疏卷积网络和neck+head网络的CenterPoint目标检测模型。首先，通过拉取NVIDIA的Lidar_AI_Solution源码，并重点关注CUDA-CenterPoint目录。接着，根据实际数据集和模型对代码进行适配，包括修改模型文件路径、调整数据维度、注释速度相关代码等。具体修改涉及main.cpp、common.h、postprocess.h、centerpoint.h和centerpoint.cpp等文件。通过这些步骤，确保模型能够正确加载并处理

2025-05-14 09:06:06 815 2

原创连续帧点云目标检测结果展示，python实现

连续帧点云目标检测可视化展示。

2025-04-25 11:06:07 179 2

原创基于kitti格式纯点云数据的centerpoint目标检测模型的转换(.pth转.onnx和.plan)

基于kitti格式纯点云数据的centerpoint目标检测模型的转换(.pth转.onnx和.plan)

2025-04-14 17:54:21 1113 10

原创多激光雷达外参标定(python实现)

多激光雷达外参标定(2种方法)，python实现

2025-02-28 11:24:20 315

原创点云目标检测训练数据拉平处理---平面拟合与坐标转换(python实现)

点云目标检测训练数据预处理---平面拟合与坐标转换(python实现)

2025-01-17 16:16:23 741

原创数据标注任务分配小工具（python）

python实现数据标注的分配

2025-01-07 15:17:58 252

原创将时间戳转换成年月日时分秒的字符串(ubuntu20.04，C++)

将时间戳转换成年月日时分秒的字符串(ubuntu20.04，C++)

2024-12-26 17:47:25 484

原创 OpenPcedt下实现自定义纯点云kitti格式数据集的训练---centerpoint

OpenPcedt下实现自定义纯点云kitti格式数据集的训练---centerpoint

2024-12-06 18:54:10 1555 19

原创 ubuntu20.04安装OpenPcdet，（CUDA版本11.8，显卡4090）（CUDA版本12.1，显卡3060）

ubuntu20.04安装OpenPcdet，CUDA版本11.8，显卡4090

2024-12-03 15:45:10 1130

原创纯点云kitti格式自制数据集

纯点云kitti格式数据集制作

2024-12-02 16:02:39 1376 2

原创点云标注软件SUSTechPOINTS的安装和使用，自测win10和ubuntu20.04下都可以用

点云标注软件SUSTechPOINTS的安装和使用，自测win10和ubuntu20.04下都可以用

2024-12-02 15:59:16 1686 4

原创没有样本，那就自制样本---使用opencv(python)将交通三角架警示牌嵌入图片中，合成图片

使用opencv(python)将交通三角架警示牌嵌入图片中，合成图片

2024-11-08 16:18:34 246

原创自动标注工具AutoLabelImg的安装、部署及使用，支持yolov8、yolov9、yolov10、RT-DETR

自动标注工具AutoLabelImg的安装、部署及使用，支持yolov8、yolov9、yolov10、RT-DETR

2024-10-15 17:08:37 1506 2

原创 ubuntu常用指令(自用，持续更新)

【代码】ubuntu常用指令(自用，持续更新)

2024-09-18 18:52:06 244

原创 ubuntu20.04源码安装支持cuda的opencv4.5.5,显卡Geforce RTX4090

ubuntu20.04源码安装支持cuda的opencv4.5.5,显卡Geforce RTX4090

2024-09-11 15:44:55 1105

原创实用网站+小工具（阿虚同学、时间戳转换、json在线工具、Netron、ROS入门课程）（持续更新）

时间戳在线转换工具(精确到毫秒)：json在线工具(格式检验、压缩、转义等等)：深度学习网络模型结构可视化工具——Netron：看论文神器：ROS入门教程：

2024-09-03 11:42:02 2344

原创 ubuntu20.04使用C++与TensorRT8.2对yolov8分类模型进行推理预测、适配多batch推理（附源码）

ubuntu20.04使用C++与TensorRT8.2对yolov8分类模型进行推理预测、适配多batch推理

2024-09-02 16:19:05 1224

原创数据关联-匈牙利算法C++源码以及用法(附源码)

数据关联-匈牙利算法C++源码以及用法(附源码)

2024-08-21 15:43:42 747

原创匀速运动-线性卡尔曼滤波-单目标跟踪 C++实现（附源码）

匀速运动-线性卡尔曼滤波-单目标跟踪 C++实现（附源码）

2024-08-19 15:28:55 482

原创经纬度(GPS坐标)计算距离小工具（附exe文件、C++源码）

通过2组经纬度计算距离。

2024-08-15 10:09:25 1336

原创 ubuntu20.04搭建yolov8环境

ubuntu20.04搭建yolov8环境

2024-08-14 11:41:26 3149

原创 ubuntu20.04安装显卡驱动、CUDA11.6、cudnn8.4、anaconda

ubuntu20.04安装显卡驱动、CUDA11.6、cudnn8.4、anaconda

2024-08-14 10:35:09 2537

原创 ubuntu20.04使用C++与TensorRT8.2对yolov8目标检测模型进行推理预测(附源码)

ubuntu20.04使用C++与TensorRT8.2对yolov8目标检测模型进行推理预测

2024-08-13 13:47:01 1165

原创 ubuntu20.04使用C++与ONNXRuntime对yolov8目标检测模型进行推理预测(附源码)

ubuntu20.04使用C++与ONNXRuntime对yolov8目标检测模型进行推理预测

2024-08-13 10:37:50 1032

原创 ImageNet数据集制作

ImageNet数据集制作，适用于分类训练

2024-08-12 17:30:14 490

原创 yolov8目标检测数据集制作

yolov8目标检测数据集制作

2024-08-12 16:29:43 448

验证OpenPcdet安装成功的bin文件和模型文件

验证OpenPcdet安装成功的bin文件和模型文件

2024-12-03

SUSTechPOINTS需要的模型

SUSTechPOINTS需要的模型

2024-12-02

三角警示牌4通道png图像

三角警示牌4通道png图像

2024-11-08

自动标注工具AutoLabelImg

自动标注工具AutoLabelImg安装部署及使用，支持yolov8、yolov9、yolov10、RT-DETR

2024-10-15

opencv4.5.5源码

opencv4.5.5源码

2024-09-11

opencv-contrib-4.5.5源码

opencv_contrib-4.5.5源码

2024-09-11

Fundamentals of Radar Signal Processing [雷达信号处理基础]第二版.pdf

Fundamentals of Radar Signal Processing [雷达信号处理基础]第二版.pdf

2024-09-05

github上超火的hello-algo（pdf教程+各种语言的源码）

github上超火的hello-algo（pdf教程+各种语言的源码）包括C、C++、c#、dart、go、java、JavaScript、python、rust、swift、typescript、zig

2024-09-03

ubuntu20.04使用C++与TensorRT8.2对yolov8分类模型进行推理预测、适配多batch推理（源码）

ubuntu20.04使用C++与TensorRT8.2对yolov8分类模型进行推理预测、适配多batch推理（源码）

2024-09-02

上海交通大学-齐开悦-信号与系统PPT

上海交通大学-齐开悦-信号与系统PPT，包括§1信号的函数表示与系统分析方法，§2连续时间系统的时域分析，§3连续信号的傅里叶分析，§4连续时间系统的频域分析，§5拉普拉斯变换，§6 连续时间系统的s域分析，§7 离散时间系统的时域分析，§8离散时间系统频域分析，§9 Z变换与离散系统的Z域分析-1，§9 Z变换与离散系统的Z域分析-2，§9 Z变换与离散系统的Z域分析-3

2024-08-22

数据关联-匈牙利算法C++源码以及用法(源码)

数据关联--匈牙利算法C++源码以及用法(源码)

2024-08-21

匀速运动-线性卡尔曼滤波-单目标跟踪 C++实现(源码)

匀速运动-线性卡尔曼滤波-单目标跟踪 C++实现(源码)

2024-08-19

经纬度(GPS坐标)计算距离小工具（exe可执行程序）

经纬度(GPS坐标)计算距离小工具（exe可执行程序）

2024-08-15

ubuntu20.04使用C++与TensorRT8.2对yolov8目标检测模型进行推理预测(源码)

ubuntu20.04使用C++与TensorRT8.2对yolov8目标检测模型进行推理预测(源码)

2024-08-13

ubuntu20.04使用C++与ONNXRuntime对yolov8目标检测模型进行推理预测（源码）

ubuntu20.04使用C++与ONNXRuntime对yolov8目标检测模型进行推理预测（源码）

2024-08-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

jessie的垃圾桶

博客等级

码龄4年

26
原创

357
点赞

321
收藏

1628
粉丝

关注

私信

热门文章

分类专栏

最新评论

TensorRT部署基于纯点云kitii数据集的centerpoint目标检测模型
jessie的垃圾桶: 你的感觉是对的，我忘记写了
TensorRT部署基于纯点云kitii数据集的centerpoint目标检测模型
琴郎同学: 博主您好，我在拜读您的这篇文章的时候，我感觉，preprocess_kernels.cu文件中的__global__ void permute_cuda函数中的 permute_boxes_sorted[tid * DET_CHANNEL + 6] = -boxes_sorted[tid * DET_CHANNEL + 8] - HALF_PI; 应该改成 permute_boxes_sorted[tid * DET_CHANNEL + 6] = -boxes_sorted[tid * DET_CHANNEL + 6] - HALF_PI;，我的理由是boxes_sorted[tid * DET_CHANNEL + 8]对应的应该是score，而原cuda centerpoint文件的boxes_sorted[tid * DET_CHANNEL + 8]指的应该是yaw角，而我们删除了vx和vy之后，yaw角的索引应该又8变成了6。您看我分析的对吗？期待您的回复
基于kitti格式纯点云数据的centerpoint目标检测模型的转换(.pth转.onnx和.plan)
jessie的垃圾桶: 可以对比看看nuscenes_models和kitti_mkdels中的centerpoint相关的配置文件，有一个配置是CLASS_NAMES_EACH_HEAD，这里返回的是CLASS_NAMES_EACH_HEAD里的第一个元素，也就是 ['Vehicle', 'Pedestrian', 'Cyclist']
基于kitti格式纯点云数据的centerpoint目标检测模型的转换(.pth转.onnx和.plan)
琴郎同学: 大佬，没事了，我看了下热力图的通道数是3，抱歉，打扰您了。
基于kitti格式纯点云数据的centerpoint目标检测模型的转换(.pth转.onnx和.plan)
琴郎同学: 大佬，还有个问题就是，前面几篇博客的训练类别是3个类别，然后我看您的这个函数返回只有一个类别class CenterPointVoxelNet_Post(nn.Module): def __init__(self, model): super(CenterPointVoxelNet_Post, self).__init__() self.model = model # assert( len(self.model.bbox_head.tasks) == 6 ) assert( len(self.model.dense_head.heads_list) == 1 ) def forward(self, x): data_dict = {} data_dict['spatial_features'] = x x = self.model.backbone_2d(data_dict) x = data_dict['spatial_features_2d'] x = self.model.dense_head.shared_conv(x) pred = [ task(x) for task in self.model.dense_head.heads_list ] return pred[0]['center'], pred[0]['center_z'], pred[0]['dim'], pred[0]['rot'], pred[0]['hm']，不太理解您这里的处理方式，我的理解是，如果只是返回return pred[0]['center'], pred[0]['center_z'], pred[0]['dim'], pred[0]['rot'], pred[0]['hm']，onnx模型岂不是只能推理一个类别。与前面博客教的推理三个类别有点冲突。期待您的回复，谢谢

提示

确定要删除当前文章？

取消删除