非晚非晚的博客

的大小，实际上源代码也是这么做的。最后将得到两个分支的特征进行。，第一个特征使用卷积降低通道数即可，第二个则需要反卷积来提升。所以backbone只有两个分支，都是5个卷积模块组成。的长和宽都减半至90，然后在经过5个相同的。将通道降至128，后面再接5个相同的。，将通道数128上至256，并且将。特征进行融合，这里使用的。部分由两部分组成，分别是。，这个分支首先经过第一个。，然后再卷积得到 =>提取特征，最后得到特征。得到了两个大小不同的。

camera的encoder主要有3部分，分别是backboneneck和vtransform部分。其中backbone使用neck使用vtransform部分使用的是，如下所示。fill:#333;color:#333;color:#333;fill:none;使用使用使用backboneneckvtransform调用的顺序分别为，具体代码如下所示。

稀疏卷积常用于3D项目（如3D点云分割）中，由于点云数据是稀疏的，无法使用标准的卷积操作。同理，2D任务中，如果只处理其中一部分像素，也需要使用稀疏卷积，这样有助于模型加速。​ 本质上就是通过建立哈希表，保存特定位置的计算结果。稀疏卷积和普通卷积没有区别，最重要的区别在于卷积的数据的存储方式和计算方法，这种计算方法可以增加计算稀疏点云的效率，其他的都是完全相同的(但SubMConv3d还是稍微有点区别的，只有中心kernel覆盖值才计算)，唯一多了一个indice_key，这是为了在indice。

模型BEVFusion，内部包含四个模块。encoderfuserdecoder和head。它们之间的流程图如下所示。下面就这四部分的主要参数进行简要说明，具体的流程会在后续的文章展开。

训练代码对pytorch有要求，所以需要找到对应的CUDA版本，这里我安装的是11.3版本。也可能是cuda与torch版本不匹配，需要进pytorch官网查询对应版本。照抄就行，经过验证。如果你的cuda不是11.03，可以进入。：yapf包的版本问题，降低为yapf==0.40.1。下载安装openmpi，要不然会报mpi错误。：setuptools版本过高导致。：setuptools版本过高导致。查询需要安装的torch版本。

当在mmdetection3d上添加了新的网络结构之后，使用多GPU运行程序时，会报以下错误。ERROR:torch.distributed.elastic.multiprocessing.api:failed (exitcode: 1) local_rank: 0 (pid: 333) of binary: /opt/conda/bin/pythonTraceback (most recent call last):

0. 检测头的设计1. 损失计算的理论2. 生成anchors3. GT与anchor的匹配4. box编码5. 损失函数设计Pointpillars使用了和SECOND相同的损失函数。每个三维目标检测框可以用7个变量来描述

上一篇文章，我们讲了数据增强和数据处理，并且我们得到了相应的pillar数据。下面我们继续讲pointpillar中的网络结构。随后经过VFE之后，就可以把原始的点云结构（N*4）（N∗4）变换成了(D，P，N)(D，P，N)，其中 D代表了每个点云的特征维度，也就是每个点云10个特征(论文中只有9维)，P代表了所有非空的立方柱体，N代表了每个pillar中最多会有多少个点。具体操作以及说明如下............

1. 数据增强1.1 gt数据采集——gt_sampling1.2 全局翻转——random_world_flip1.3 全局旋转——random_world_rotation1.4 全局尺度变换——random_world_scaling2. 数据处理2.1 数据范围限制2.2 点云随机2.3 点云变换至pillar3. 数据收集——datalodar...............

OpenPCDet更新了最新版本v0.5，同时也支持open3d。因为之前也没怎么用过mayavi，本来还想基于openpcdet 0.3版本，自己写一个open3d的显示，看到官方更新了一个最新版，果断安装最新版使用了，效果还不错，于是写一个相关的使用教程吧。...