Lyft 数据集¶

本页提供了有关在 MMDetection3D 中使用 Lyft 数据集的具体教程。

准备之前¶

您可以在这里下载 Lyft 3D 检测数据并解压缩所有 zip 文件。

像准备数据集的一般方法一样，建议将数据集根目录链接到 $MMDETECTION3D/data。

在进行处理之前，文件夹结构应按如下方式组织：

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── lyft
│   │   ├── v1.01-train
│   │   │   ├── v1.01-train (train_data)
│   │   │   ├── lidar (train_lidar)
│   │   │   ├── images (train_images)
│   │   │   ├── maps (train_maps)
│   │   ├── v1.01-test
│   │   │   ├── v1.01-test (test_data)
│   │   │   ├── lidar (test_lidar)
│   │   │   ├── images (test_images)
│   │   │   ├── maps (test_maps)
│   │   ├── train.txt
│   │   ├── val.txt
│   │   ├── test.txt
│   │   ├── sample_submission.csv

其中 v1.01-train 和 v1.01-test 包含与 nuScenes 数据集相同的元文件，.txt 文件包含数据划分的信息。Lyft 不提供训练集和验证集的官方划分方案，因此 MMDetection3D 对不同场景下的不同类别的目标数量进行分析，并提供了一个数据集划分方案。sample_submission.csv 是用于提交到 Kaggle 评估服务器的基本文件。需要注意的是，我们遵循了 Lyft 最初的文件夹命名以实现更清楚的文件组织。请将下载下来的原始文件夹按照上述组织结构重新命名。

数据准备¶

组织 Lyft 数据集的方式和组织 nuScenes 的方式相同，首先会生成几乎具有相同结构的 .pkl 文件，接着需要重点关注这两个数据集之间的不同点，更多关于数据集信息文件结构的说明请参考 nuScenes 教程。

请通过运行下面的命令来生成 Lyft 的数据集信息文件：

python tools/create_data.py lyft --root-path ./data/lyft --out-dir ./data/lyft --extra-tag lyft --version v1.01
python tools/data_converter/lyft_data_fixer.py --version v1.01 --root-folder ./data/lyft

请注意，上面的第二行命令用于修复损坏的 lidar 数据文件，更多细节请参考此处讨论。

处理后的文件夹结构应该如下：

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── lyft
│   │   ├── v1.01-train
│   │   │   ├── v1.01-train (train_data)
│   │   │   ├── lidar (train_lidar)
│   │   │   ├── images (train_images)
│   │   │   ├── maps (train_maps)
│   │   ├── v1.01-test
│   │   │   ├── v1.01-test (test_data)
│   │   │   ├── lidar (test_lidar)
│   │   │   ├── images (test_images)
│   │   │   ├── maps (test_maps)
│   │   ├── train.txt
│   │   ├── val.txt
│   │   ├── test.txt
│   │   ├── sample_submission.csv
│   │   ├── lyft_infos_train.pkl
│   │   ├── lyft_infos_val.pkl
│   │   ├── lyft_infos_test.pkl

lyft_infos_train.pkl：训练数据集信息，该字典包含两个关键字：metainfo 和 data_list。metainfo 包含数据集的基本信息，例如 categories, dataset 和 info_version。data_list 是由字典组成的列表，每个字典（以下简称 info）包含了单个样本的所有详细信息。
- info[‘sample_idx’]：样本在整个数据集的索引。
- info[‘token’]：样本数据标记。
- info[‘timestamp’]：样本数据时间戳。
- info[‘lidar_points’]：是一个字典，包含了所有与激光雷达点相关的信息。
  - info[‘lidar_points’][‘lidar_path’]：激光雷达点云数据的文件名。
  - info[‘lidar_points’][‘num_pts_feats’]：点的特征维度。
  - info[‘lidar_points’][‘lidar2ego’]：该激光雷达传感器到自车的变换矩阵。（4x4 列表）
  - info[‘lidar_points’][‘ego2global’]：自车到全局坐标的变换矩阵。（4x4 列表）
- info[‘lidar_sweeps’]：是一个列表，包含了扫描信息（没有标注的中间帧）。
  - info[‘lidar_sweeps’][i][‘lidar_points’][‘data_path’]：第 i 次扫描的激光雷达数据的文件路径。
  - info[‘lidar_sweeps’][i][‘lidar_points’][lidar2ego’’]：当前激光雷达传感器到自车在第 i 次扫描的变换矩阵。（4x4 列表）
  - info[‘lidar_sweeps’][i][‘lidar_points’][‘ego2global’]：自车在第 i 次扫描到全局坐标的变换矩阵。（4x4 列表）
  - info[‘lidar_sweeps’][i][‘lidar2sensor’]：从当前帧主激光雷达到第 i 帧扫描激光雷达的变换矩阵。（4x4 列表）
  - info[‘lidar_sweeps’][i][‘timestamp’]：扫描数据的时间戳。
  - info[‘lidar_sweeps’][i][‘sample_data_token’]：扫描样本数据标记。
- info[‘images’]：是一个字典，包含与每个相机对应的六个键值：'CAM_FRONT', 'CAM_FRONT_RIGHT', 'CAM_FRONT_LEFT', 'CAM_BACK', 'CAM_BACK_LEFT', 'CAM_BACK_RIGHT'。每个字典包含了对应相机的所有数据信息。
  - info[‘images’][‘CAM_XXX’][‘img_path’]：图像的文件名。
  - info[‘images’][‘CAM_XXX’][‘cam2img’]：当 3D 点投影到图像平面时需要的内参信息相关的变换矩阵。（3x3 列表）
  - info[‘images’][‘CAM_XXX’][‘sample_data_token’]：图像样本数据标记。
  - info[‘images’][‘CAM_XXX’][‘timestamp’]：图像的时间戳。
  - info[‘images’][‘CAM_XXX’][‘cam2ego’]：该相机传感器到自车的变换矩阵。（4x4 列表）
  - info[‘images’][‘CAM_XXX’][‘lidar2cam’]：激光雷达传感器到该相机的变换矩阵。（4x4 列表）
- info[‘instances’]：是一个字典组成的列表。每个字典包含单个实例的所有标注信息。对于其中的第 i 个实例，我们有：
  - info[‘instances’][i][‘bbox_3d’]：长度为 7 的列表，以 (x, y, z, l, w, h, yaw) 的顺序表示实例在激光雷达坐标系下的 3D 边界框。
  - info[‘instances’][i][‘bbox_label_3d’]：整数从 0 开始表示实例的标签，其中 -1 代表忽略该类别。
  - info[‘instances’][i][‘bbox_3d_isvalid’]：每个包围框是否有效。一般情况下，我们只将包含至少一个激光雷达或雷达点的 3D 框作为有效框。

接下来将详细介绍 Lyft 数据集和 nuScenes 数据集之间的数据集信息文件中的不同点：

lyft_database/xxxxx.bin 文件不存在：由于真实标注框的采样对实验的影响可以忽略不计，在 Lyft 数据集中不会提取该目录和相关的 .bin 文件。
lyft_infos_train.pkl
- info[‘instances’][i][‘velocity’] 不存在：Lyft 数据集中不存在速度评估信息。
- info[‘instances’][i][‘num_lidar_pts’] 及 info[‘instances’][i][‘num_radar_pts’] 不存在。

这里仅介绍存储在训练数据文件的数据记录信息。这同样适用于验证集和测试集（没有实例）。

更多关于 lyft_infos_xxx.pkl 的结构信息请参考 lyft_converter.py。

训练流程¶

基于 LiDAR 的方法¶

Lyft 上基于 LiDAR 的 3D 检测（包括多模态方法）的训练流程与 nuScenes 几乎相同，如下所示：

train_pipeline = [
    dict(
        type='LoadPointsFromFile',
        coord_type='LIDAR',
        load_dim=5,
        use_dim=5),
    dict(
        type='LoadPointsFromMultiSweeps',
        sweeps_num=10),
    dict(type='LoadAnnotations3D', with_bbox_3d=True, with_label_3d=True),
    dict(
        type='GlobalRotScaleTrans',
        rot_range=[-0.3925, 0.3925],
        scale_ratio_range=[0.95, 1.05],
        translation_std=[0, 0, 0]),
    dict(type='RandomFlip3D', flip_ratio_bev_horizontal=0.5),
    dict(type='PointsRangeFilter', point_cloud_range=point_cloud_range),
    dict(type='ObjectRangeFilter', point_cloud_range=point_cloud_range),
    dict(type='PointShuffle'),
    dict(
        type='Pack3DDetInputs',
        keys=['points', 'gt_bboxes_3d', 'gt_labels_3d'])
]

与 nuScenes 相似，在 Lyft 上进行训练的模型也需要 LoadPointsFromMultiSweeps 步骤来从连续帧中加载点云数据。另外，考虑到 Lyft 中所收集的激光雷达点的强度是无效的，因此将 LoadPointsFromMultiSweeps 中的 use_dim 默认值设置为 [0, 1, 2, 4]，其中前三个维度表示点的坐标，最后一个维度表示时间戳的差异。

评估¶

使用 8 个 GPU 以及 Lyft 指标评估的 PointPillars 的示例如下：

bash ./tools/dist_test.sh configs/pointpillars/pointpillars_hv_fpn_sbn-all_8xb2-2x_lyft-3d.py checkpoints/hv_pointpillars_fpn_sbn-all_2x8_2x_lyft-3d_20210517_202818-fc6904c3.pth 8

度量指标¶

Lyft 提出了一个更加严格的用以评估所预测的 3D 检测框的度量指标。判断一个预测框是否是正类的基本评判标准和 KITTI 一样，如基于 3D 交并比进行评估，然而，Lyft 采用与 COCO 相似的方式来计算平均精度 – 计算 3D 交并比在 0.5-0.95 之间的不同阈值下的平均精度。实际上，重叠部分大于 0.7 的 3D 交并比是一项对于 3D 检测方法比较严格的标准，因此整体的性能似乎会偏低。相比于其他数据集，Lyft 上不同类别的标注不平衡是导致最终结果偏低的另一个重要原因。更多关于度量指标的定义请参考官方网址。

这里将采用官方方法对 Lyft 进行评估，下面展示了一个评估结果的例子：

+mAPs@0.5:0.95------+--------------+
| class             | mAP@0.5:0.95 |
+-------------------+--------------+
| animal            | 0.0          |
| bicycle           | 0.099        |
| bus               | 0.177        |
| car               | 0.422        |
| emergency_vehicle | 0.0          |
| motorcycle        | 0.049        |
| other_vehicle     | 0.359        |
| pedestrian        | 0.066        |
| truck             | 0.176        |
| Overall           | 0.15         |
+-------------------+--------------+

测试和提交¶

使用 8 个 GPU 在 Lyft 上测试 PointPillars 并生成对排行榜的提交的示例如下：

./tools/dist_test.sh configs/pointpillars/pointpillars_hv_fpn_sbn-all_8xb2-2x_lyft-3d.py work_dirs/pp-lyft/latest.pth 8 --cfg-options test_evaluator.jsonfile_prefix=work_dirs/pp-lyft/results_challenge  test_evaluator.csv_savepath=results/pp-lyft/results_challenge.csv

在生成 work_dirs/pp-lyft/results_challenge.csv，您可以将生成的文件提交到 Kaggle 评估服务器，请参考官方网址获取更多细节。

同时还可以使用可视化工具将预测结果进行可视化，更多细节请参考可视化文档。