本篇博文讲一下mmdetection3d可视化
参考文献:
带你玩转 3D 检测和分割 （三）：有趣的可视化 - 知乎 (zhihu.com)
Welcome to MMDetection3D’s documentation! — MMDetection3D 1.0.0rc4 文档
1、介绍
让我们看一下ChatGPT的回答[手动狗头]:
mmdetection3D是基于PyTorch框架的3D目标检测工具包，它是mmdetection的3D扩展版本。它提供了一个灵活且高效的框架，可以训练和测试各种3D目标检测算法，包括点云、体积数据和混合数据。
mmdetection3D的主要特点包括：
灵活的模块化设计：模块化设计使得用户可以轻松地构建自己的检测算法，并且可以很方便地替换各种组件，如骨干网络、头部网络和损失函数等。
高效的训练和推断：mmdetection3D支持分布式训练，可以在多GPU和多机器上进行训练。此外，它还支持多线程数据加载和多进程测试，从而提高了训练和推断的效率。
多样化的数据格式支持：mmdetection3D支持多种3D数据格式，包括点云、体积数据和混合数据。同时，它还支持多种数据增强方法，从而可以生成更多的训练数据，提高模型的鲁棒性。
容易使用的API：mmdetection3D提供了易于使用的API，用户可以轻松地使用它进行模型训练、测试和部署。
总之，mmdetection3D是一个强大且易于使用的3D目标检测工具包，它可以帮助研究人员和工程师快速地开发和部署各种3D目标检测算法。
mmdetection3d也提供了众多预训练模型，可以让我们很容易的了解一下3D目标检测的整个流程
2、需求
本次需求较为简单，主要是使用预训练模型，完成推理，并将结果绘制到图像中，便于可视化
结合实际，我需要得到的结果精度尽可能高，所以我选择了MVXNet这一多模态融合的检测方案
3、API分析
mmdetection3d提供了大量封装好的API，我们可以直接拿来用。本次使用到的API如下所示：
-
init_model: 通过配置文件、chekpoint_file（可选）构建一个模型
-
build_datasets：通过配置文件，构建数据集，得到包含所有数据的列表
-
show_multi_modality_result：将3D bbox投影到图像，并保存
-
inference_multi_modality_detector：构建多模态检测器，稍后会详细解释各个参数。如果不选用多模态方案，此处可以选择其他的API，有时间会写一下
4、实战
4.1 inference_multi_modality_detector解读
我们先来看一下最关键的inference_multi_modality_detector，它位于mmdet3d/apis/inference.py中，代码我就不贴了，我们看一下它的参数：
Args:
model (nn.Module): The loaded detector.
pcd (str): Point cloud files.
image (str): Image files.
ann_file (str): Annotation files.
Returns:
tuple: Predicted results and data from pipeline.
"""
它接收一个模型、点云文件、图像文件、还有参数文件。模型、点云、图像一眼明白，这个ann_file大家可能会觉得一头雾水，demo/data/kitti下给我们了一个样例注释文件，我们使用下面代码看一下这个参数文件里有什么
import pickle
with open('demo/data/kitti/kitti_000008_infos.pkl', 'rb') as f:
data = pickle.load(f)
print(data)
输出如下，是一个长度为1的列表，列表项为字典，里面记录了图像、点云路径，还有一些内参外参，投影矩阵巴拉巴拉巴拉:
[{'image': {'image_idx': 8, 'image_path': 'training/image_2/000008.png', 'image_shape': array([ 375, 1242])}, 'point_cloud': {'num_features': 4, 'velodyne_path': 'training/velodyne/000008.bin'}, 'calib': {'P0': array([[721.5377, 0. , 609.5593, 0. ],
[ 0. , 721.5377, 172.854 , 0. ],
[ 0. , 0. , 1. , 0. ],
[ 0. , 0. , 0. , 1. ]]), 'P1': array([[ 721.5377, 0. , 609.5593, -387.5744],
[ 0. , 721.5377, 172.854 , 0. ],
[ 0. , 0. , 1. , 0. ],
[ 0. , 0. , 0. , 1. ]]), 'P2': array([[7.215377e+02, 0.000000e+00, 6.095593e+02, 4.485728e+01],
[0.000000e+00, 7.215377e+02, 1.728540e+02, 2.163791e-01],
[0.000000e+00, 0.000000e+00, 1.000000e+00, 2.745884e-03],
[0.000000e+00, 0.000000e+00, 0.000000e+00, 1.000000e+00]]), 'P3': array([[ 7.215377e+02, 0.000000e+00, 6.095593e+02, -3.395242e+02],
[ 0.000000e+00, 7.215377e+02, 1.728540e+02, 2.199936e+00],
[ 0.000000e+00, 0.000000e+00, 1.000000e+00, 2.729905e-03],
[ 0.000000e+00, 0.000000e+00, 0.000000e+00, 1.000000e+00]]), 'R0_rect': array([[ 0.9999239 , 0.00983776, -0.00744505, 0. ],
[-0.0098698 , 0.9999421 , -0.00427846, 0. ],
[ 0.00740253, 0.00435161, 0.9999631 , 0. ],
[ 0. , 0. , 0. , 1. ]]), 'Tr_velo_to_cam': array([[ 7.533745e-03, -9.999714e-01, -6.166020e-04, -4.069766e-03],
[ 1.480249e-02, 7.280733e-04, -9.998902e-01, -7.631618e-02],
[ 9.998621e-01, 7.523790e-03, 1.480755e-02, -2.717806e-01],
[ 0.000000e+00, 0.000000e+00, 0.000000e+00, 1.000000e+00]]), 'Tr_imu_to_velo': array([[ 9.999976e-01, 7.553071e-04, -2.035826e-03, -8.086759e-01],
[-7.854027e-04, 9.998898e-01, -1.482298e-02, 3.195559e-01],
[ 2.024406e-03, 1.482454e-02, 9.998881e-01, -7.997231e-01],
[ 0.000000e+00, 0.000000e+00, 0.000000e+00, 1.000000e+00]])}, 'annos': {'name': array(['Car', 'Car', 'Car', 'Car', 'Car', 'Car', 'DontCare', 'DontCare',
'DontCare', 'DontCare'], dtype='<U8'), 'truncated': array([ 0.88, 0. , 0.34, 0. , 0. , 0. , -1. , -1. , -1. ,
-1. ]), 'occluded': array([ 3, 1, 3, 1, 0, 0, -1, -1, -1, -1], dtype=int64), 'alpha': array([ -0.69, 2.04, -1.84, -1.33, 1.74, -1.65, -10. , -10. ,
-10. , -10. ]), 'bbox': array([[ 0. , 192.37, 402.31, 374. ],
[ 334.85, 178.94, 624.5 , 372.04],
[ 937.29, 197.39, 1241. , 374. ],
[ 597.59, 176.18, 720.9 , 261.14],
[ 741.18, 168.83, 792.25, 208.43],
[ 884.52, 178.31, 956.41, 240.18],
[ 800.38, 163.67, 825.45, 184.07],
[ 859.58, 172.34, 886.26, 194.51],
[ 801.81, 163.96, 825.2 , 183.59],
[ 826.87, 162.28, 845.84, 178.86]]), 'dimensions': array([[ 3.23, 1.6 , 1.57],
[ 3.68, 1.57, 1.5 ],
[ 3.08, 1.39, 1.44],
[ 3.66, 1.47, 1.6 ],
[ 4.08, 1.7 , 1.63],
[ 2.47, 1.59, 1.59],
[-1. , -1. , -1. ],
[-1. , -1. , -1. ],
[-1. , -1. , -1. ],
[-1. , -1. , -1. ]]), 'location': array([[ -2.7 , 1.74, 3.68],
[ -1.17, 1.65, 7.86],
[ 3.81, 1.64, 6.15],
[ 1.07, 1.55, 14.44],
[ 7.24, 1.55, 33.2 ],
[ 8.48, 1.75, 19.96],
[-1000. , -1000. , -1000. ],
[-1000. , -1000. , -1000. ],
[-1000. , -1000. , -1000. ],
[-1000. , -1000. , -1000. ]]), 'rotation_y': array([ -1.29, 1.9 , -1.31, -1.25, 1.95, -1.25, -10. , -10. ,
-10. , -10. ]), 'score': array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]), 'index': array([ 0, 1, 2, 3, 4, 5, -1, -1, -1, -1]), 'group_ids': array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), 'difficulty': array([-1, 1, -1, 1, 1, 0, -1, -1, -1, -1]), 'num_points_in_gt': array([1325, 1900, 881, 659, 55, 162, -1, -1, -1, -1])}}]
4.2 获取ann_file
要想使用inference_multi_modality_detector进行推理，就必须获取这个关键的ann_file，我们使用mmdetection3d中搭建完环境后，就必须使用其提供的tools组织数据集，最后会生成若干pkl文件（适用于点云）和json（适用于图像）。我们基于KITTI数据集，获取组织好的pkl文件，这里使用训练集kitti_infos_train.pkl，用上面查看pkl文件的代码看一下，大同小异，只不过是列表的长度变长了，为了便于inference_multi_modality_detector使用，我们把列表拆分，逐个存储，下面代码说明如何获取每个点云/图像对应的ann_file：
import pickle
# 读取KITTI数据集训练组织文件
with open('pkl/kitti_infos_train.pkl', 'rb') as f:
data = pickle.load(f)
print("训练集长度:", len(data))
use_num = 50 # 取训练集的前50条数据（根据自己需求定）
print(data[0]['image']['image_path'].split('/')[-1].split('.')[0]) # 拆分出文件名来
for i in range(0, use_num, 1):
list = []
list.append(data[i])
cur_data = list # 将当前注释存储到列表
print(cur_data)
file_name = data[i]['image']['image_path'].split('/')[-1].split('.')[0]
save_path = 'kitti_pkl_output/'
# 保存文件
with open(save_path + 'kitti_' + file_name + '_infos.pkl', "wb") as f:
pickle.dump(cur_data, f)
最终得到一系列pkl文件：
4.3 构建模型并完成推理
-
构建模型
from mmdet3d.apis import init_model # 构建预训练模型 config_file = '/home/wistful/work/mmdetection3d/configs/my_config/my_dv_mvx-fpn_second_secfpn_adamw_2x8_80e_kitti-3d-3class.py' chekpoint_file = '/home/wistful/ResultDir/my_pth/mxvnet/dv_mvx-fpn_second_secfpn_adamw_2x8_80e_kitti-3d-3class_20210831_060805-83442923.pth' model = init_model(config_file, chekpoint_file, device='cuda:0') -
构建数据集
# 构建数据集，此处选用KITTI多模态数据，便于可视化 from mmdet3d.datasets import build_dataset from mmcv import Config import os os.chdir('/home/wistful/work/mmdetection3d/') config_file = 'configs/_base_/datasets/kitti-3d-3class-multi.py' cfg = Config.fromfile(config_file) datasets = [build_dataset(cfg.data.train)]为什么要使用配置文件这样构建数据集，因为4.1中也提到了，inference_multi_modality_detector需要同时接收点云和图像文件作为输入，使用上述方案构建数据集，可以很方便的获取，每一项数据都包含了图像信息、点云、图像、地面真相等信息，我们只需要遍历就可以了
-
推理并保存可视化图像
# 遍历n条数据用于可视化 from mmdet3d.core.visualizer import show_multi_modality_result from mmdet3d.apis import inference_multi_modality_detector out_dir = "/home/wistful/work/mmdetection3d/visual_img/kitti/" pkl_dir = '/home/wistful/work/mmdetection3d/data/kitti/kitti_pkl_output/' num = 50 for i in range(0, num, 1): cur_data = datasets[0][i] # 遍历数据集 img_metas = cur_data.get('img_metas').data # 获取图像原始信息 pts_file = img_metas.get('pts_filename') # 获取点云 img = cur_data.get('img').data # 获取图像 img_file_path = img_metas.get('filename') # 获取图像文件名 name = img_file_path.split('/')[-1].split('.')[0] # 分离名称 ann_file = pkl_dir + 'kitti_' + name + '_infos.pkl' # 得到对应ann_file project_mat = img_metas.get('lidar2img') # 获取投影矩阵 result, data = inference_multi_modality_detector(model, pts_file, img_file_path, ann_file) # 推理 bboxes_data = result[0]['pts_bbox']['boxes_3d'] # 提取结果中的3D bbox # 保存可视化图像 show_multi_modality_result(img=image, box_mode='lidar', gt_bboxes=None, img_metas=img_metas, pred_bboxes=bboxes_data, proj_mat=project_mat, out_dir="/home/wistful/work/mmdetection3d/visual_img/kitti/", filename=name, show=False)我还对show_multi_modality_result做了下修改，只产生预测，并将结果保存在同一个文件夹中，这个很简单，就不展开了
5、结果
文章来源：https://www.toymoban.com/news/detail-569556.html
文章来源地址https://www.toymoban.com/news/detail-569556.html
到了这里，关于mmdetection3d可视化多模态模型推理结果的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
