CenterPoint 工程复现

已于 2022-11-10 09:08:16 修改
阅读量5.1k 收藏 51
点赞数 15
分类专栏： 工程复现 文章标签： 人工智能 深度学习 目标检测 python 计算机视觉
于 2022-10-31 16:46:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_36354875/article/details/127618711
版权

CenterPoint 工程复现

注意：本文中使用版本：BEVerse工程下的mmdet3d (MMDet3d v0.17.3)版本，MMDetection3D中其他版本的使用大同小异。
欢迎有疑问的同学在下方留言，如果觉得有用的话，可以点赞+收藏，再次表示感谢！

参考：
1. nuscenes官方使用举例
2. CenterPoint 论文速读
3. BEVerse 论文速读

一. 下载和安装工程

详细参考：<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
StreamPETR复现详解（论文复现）
wei_shuo的博客
10-18 330
StreamPETR复现详解（论文复现）
【自动驾驶】CenterPoint复现笔记
AI知识搬运工
05-24 1043
从VoxelNet主体将原来的anchor head改为center head即可，重构完成。需要排查输入输出的shpe和数值；在报错行打印数据的维度以及数值
Centerpoint_PC
03-09
基于中心的3D对象检测和跟踪 使用鸟瞰图中的中心点进行3D对象检测和跟踪。 ， 尹天伟，周兴义，PhilippKrähenbühl， arXiv技术报告（ ） @article{yin2021center, title={Center-based 3D Object Detection and Tracking}, author={Yin, Tianwei and Zhou, Xingyi and Kr{\"a}henb{\"u}hl, Philipp}, journal={CVPR}, year={2021}, } 消息 [2021-02-28] CVPR 2021接受了CenterPoint :fire: [2021-01-06] CenterPoint v1.0已发布。 在没有花哨的情况下，我们以11 FPS运行的单个模型在Waymo Open Dataset的所有仅
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)
最新发布
m0_64293675的博客
04-14 1052
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)
Linux复现center-point（纯小白一步一步操作）
weixin_57682236的博客
04-25 1595
版本：cuda 12.0注意：查看cuda路径：查看cuda版本。
Centerpoint 论文复现中执行bash setup.sh遇到的问题
Twilightzr的博客
07-31 2292
Centerpoint 论文复现中执行bash setup.sh遇到的问题 執行bash setup.sh，執行結如下： (cp2) twilight@ORG: ~/project/cp2/CenterPoint$ bash setup.sh running build_ext building 'deform_conv_cuda' extension Emitting ninja build file /home/twilight/project/cp2/CenterPoint/det3d/ops/dc
论文小结——CenterPoint
hehehetanchaow的博客
03-26 2019
是一个two-stage的策略 step 1：预测出centers和3d bbox，论文里在对比时有用到voxelNet和PointPillars step 2: 将step 1 中学习到的每个面的center point feature 拼接在一块，通过MLP层来refine 置信度和预测结果 HEAD网络有四个输出：①表征目标中心位置的热力图；②目标尺寸；③目标朝向；④目标速度 (速度用于做目标跟踪，该思路来源于另一篇文章CenterTrack[2]) 。不难看出，这是一种典型的ce...
nusc_centerpoint_voxelnet_0075voxel_fix_bn_z.zip
03-20
centerpoint voxelnet 0075 centerpoint_voxel_1440 配置文件
Pointpillars模型转onnx
qq_35210952的博客
12-10 456
分析原因，openpcd把模型的各个模块拆解然后单独封装，靠外部yaml模板控制和管理，这样用着比较方便。但是下面onnx的转换要求好像是加载一个完整的类，所以需要根据各个模块单独拆解！以下是我拆解的结果：可以看出，我加载的openpcdet 训练后的模型 里面拆出4个子模块。也就是我得拆出4个onnx，我感觉这样太麻烦了！openpcd这个技术路线好像不太行啊！这些文章中把model拆解成多个模块，然后单独加载参数和输入，最后输出多个onnx。
3D目标检测~模型汇总
whaosoft143ai的博客
10-17 599
这是一篇来自Deep Vision Lab文章，发表在了CVPR2023上。作者发现了3D Spconv中应用的大卷机核时，并不如2D任务中一样那么有效。为了应对这些挑战。提出了。HIP的策略是逐阶段识别难以处理的实例。初始阶段，有一组地面实际目标对象O以及一组初始目标候选项A。神经网络在每个阶段根据这些候选项进行正面或负面的预测，其中候选项可以是各种类型，不仅限于锚点。每个阶段会产生一组已检测到的目标，然后根据它们与实际目标的匹配关系来分类实际目标。这种匹配可以使用不同的度量标准和阈值来实现。未匹配的实际
Paddle3D 2 雷达点云CenterPoint模型训练
qq_42835363的博客
01-03 1913
点云的标签文件single-infrastructure-side\label\virtuallidar*.json转为txt文件存储，这里3Class，故只取类型（[“Car”, “Cyclist”, “Pedestrian”]）（[‘Cyclist’, ‘Car’, ‘Truck’]）。从原文件里面相同名称的图片复制过来就可以了，这里原图片文件是.jpg的格式，kitti里面查找.png的格式好像是写死的，为避免麻烦，可以先把图片直接重命名为.png的格式。
CenterFormer复现（含CenterPoint源码版+Det3D）
weixin_44013732的博客
09-23 1052
显卡：4090&2080tiCUDA=11.1python=3.8 （不重要，python3.7，python3.9都行）
CenterNet模型复现（超详细）
str1ngthen的博客
10-12 1533
其他命令: 卸载原先的torch、torchaudio和torchvision： 代码复现： 克隆CenterNet网络：https://github.com/xingyizhou/CenterNet 安装COCO数据集： 安装所需包： 若在其中构建opencv-python错误的话请参考：https://blog.youkuaiyun.com/u012331046/article/details/131802939 4. 删除CenterNet/src/lib/models/networks下的原始DC
英伟达激光3D感知CenterPoint的推理与可视化（代码开源）
自动驾驶实战
05-15 1325
CenterPoint：自动驾驶中的推理与可视化
CenterPoint 在mmdetection3d中的实现
weixin_38362784的博客
12-23 5420
CenterPoint 在mmdetection3d中的实现
mmdetection3d框架下的CenterPoint网路模型
06-29 2267
create_data.py 会自动调用mmdet3d的updata_infos_to_v2.py，生成mmdet3d可用的pkl文件。2，准备数据：nuscenes v1.0-mini即可，放在./data目录下即可。1，按照readme.md配置好环境。4，config配置文件。
【三维目标检测】CenterPoint（二）
叶子的博客
12-03 5892
CenterPoint数据和源码配置调试过程请参考上一篇博文：https://blog.youkuaiyun.com/suiyingy/article/details/128002709。本文主要详细介绍CenterPoint网络结构及其运行中间状态。 CenterPoint模型的整体结构如下图所示，由最初的一阶段模型扩展为了两阶段模型。第二阶段负责对第一阶段的检测结果进行微调修正，与基于候选框的两阶段目标检测思想基本一致。这里重点介绍CenterPoint的第一个阶段，并且单阶段的CenterPoint
激光点云3D目标检测算法之CenterPoint
DeepDriving
05-19 3344
是CVPR 2021的论文《》中提出的一个激光点云3D目标检测与跟踪算法框架，与以往算法不同的是，该算法不用边界框而是提出用关键点来表示、检测和跟踪3D目标：在检测流程中，第一阶段先用一个关键点检测器去检测目标的中心点，然后再用中心点特征回归出目标的3D尺寸、朝向和速度等属性，第二阶段再基于该目标额外的点特征去对这些属性进行优化；目标跟踪则被简化为一个简单的最近点匹配过程。提出的3D目标检测与跟踪算法非常简单而高效，在nuScenes和Waymo数据集上都取得了SOTA的性能表现。论文链接代码链接本文将对。
CenterPoint 学习笔记
热门推荐
W1995S的博客
06-07 1万+
《Center-based 3D Object Detection and Tracking》CVPR2021 代码：https://github.com/tianweiy/CenterPoint 论文：https://arxiv.org/pdf/2006.11275.pdf CenterPoint听名字有种似曾相识的感觉，没错! 这篇文章的灵感正是来自于图像中的目标检测算法CenterNet: Objects as Points[1].（二者的作者都来自于UT Austin） 本文提出将3D目标表示为点(
centerpoint源码
03-12
### CenterPoint 源码 GitHub 仓库 CenterPoint 的源代码托管于多个GitHub仓库中，具体取决于使用的框架和版本。对于基于 MMDetection3D 实现的 CenterPoint 模型，可以访问 MMDetection3D 官方 GitHub 仓库获取完整的项目源码[^2]。 #### 获取 MMDetection3D 中的 CenterPoint 源码 为了获得最新版的 CenterPoint 源代码，推荐克隆整个 MMDetection3D 仓库： ```bash git clone https://github.com/open-mmlab/mmdetection3d.git cd mmdetection3d ``` 之后可以在 `configs/centerpoint` 文件夹下找到与 CenterPoint 相关的具体配置文件以及模型定义。 另外，如果需要特定版本或者分支中的 CenterPoint 源码，则可以根据需求切换到相应的标签或分支来查看历史版本下的实现细节。 #### 测试 CenterPoint 模型 完成上述操作后，可以通过如下命令加载预训练权重并对 NuScenes 数据集执行评估: ```python python tools/test.py \ configs/centerpoint/centerpoint_01voxel_second_secfpn_circlenms_4x8_cyclic_20e_nus.py \ checkpoints/centerpoint_01voxel_second_secfpn_circlenms_4x8_cyclic_20e_nus_20220810_030004-9061688e.pth \ --eval 'mAP' \ --eval-options 'show=True' 'out_dir=./test_results/centerpoint_test_result' ``` 该命令将会依据给定配置文件对指定数据集进行推理，并保存可视化结果至本地目录．
评论 19
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Darchan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值