本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        前面分别介绍了基于点云的三维深度学习算法PointNet、PointNet++，和基于体素的三维深度学习算法VoxelNet。本节将开始介绍基于投影的三维深度学习算法Complex-Yolov4。三维投影算法主要思想是用激光雷达点云的鸟瞰图（BEV）和前视图（FV）作为模型输入，将三维点云转换为二维图片，早期工作开始于2017年的MV3D。

        激光雷达点云的鸟瞰图和前视图的详细介绍请参考：点云鸟瞰图BEV原理与可视化_Coding的叶子的博客-CSDN博客和详细理解雷达点云前视图（FV， Front View）_Coding的叶子的博客-CSDN博客。

        算法参考来源于Github上的Complex Yolov4，地址为：https://github.com/maudzung/Complex-YOLOv4-Pytorch。

1 数据目录结构

        Complex-Yolov4的数据来源于KITTI数据集，其目录结构如下图所示。为了快速进行算法调试、训练、评估和验证，以及快速下载，我制作了一个mini kitti数据集，数据集的文件目录结构与完整KITTI数据集保持一致。其中，小型的KITTI数据集，即 mini kitti保存了20个训练样本和5个测试样本。下载地址为：minikitti数据集-深度学习文档类资源-CSDN下载，详细介绍请参考：KITTI数据集简介 — Mini KITTI_Coding的叶子的博客-CSDN博客https://blog.csdn.net/suiyingy/article/details/124820161。下载的数据包含4个部分，即激光雷达数据velodyne、图像数据image_2、校准数据calib和标注数据label_2。

        除了Mini Kitti数据之外还需ImageSets和classes_names.txt。ImageSets文件夹中定义了训练、验证和测试样本的全部名称。ImageSets可以参考Complex-Yolov4自带的内容进行定义，需要与Mini Kitti保持一致，也可以直接下载，下载地址为：train_val_testforminikitti-深度学习文档类资源-CSDN下载。下载后将文件夹重名为ImageSets即可。

        classes_names.txt存储了需要检测的目标类别，其默认内容如下图所示：

2 数据处理

        （1）读取激光雷达数据Nx4、标签数据和校准数据。

        （2）从标签中筛选出关注的标签，如Car，每个标签label长度为8，分别是x、y、z、h、w、l、ry，其中x、y、z和ry是相机坐标系中的取值。利用校准数据Calib，相机坐标系下的x、y、z和ry转换为雷达坐标系下的x、y、z和rz，具体原理和过程可以参考KITTI数据集简介（四） — 标定校准数据calib_Coding的叶子的博客-CSDN博客和三维点云目标检测 — VoxelNet详解之数据处理 （二）_Coding的叶子的博客-CSDN博客两篇博客。注意到，VoxelNet代码和Complex-Yolo代码中关于坐标从相机坐标系变换到雷达坐标系的代码是不同的，VoxelNet参考代码中少了R0_rect的逆矩阵。将补充后的代码如下所示：

def camera_to_lidar(x, y, z, V2C=None, R0=None, P2=None):
    p = np.array([x, y, z, 1])
    if V2C is None or R0 is None:
        p = np.matmul(cnf.R0_inv, p)
        p = np.matmul(cnf.Tr_velo_to_cam_inv, p)
    else:
        R0_i = np.zeros((4, 4))
        R0_i[:3, :3] = R0
        R0_i[3, 3] = 1
        p = np.matmul(np.linalg.inv(R0_i), p)
        p = np.matmul(inverse_rigid_trans(V2C), p)
    p = p[0:3]
return tuple(p)

        （3）将标注参数投影到图像中，获得投影后的x、y、w、l，详细介绍同Voxelnet部分：三维点云目标检测 — VoxelNet详解之数据处理 （二）_Coding的叶子的博客-CSDN博客。

        （4）将x、y、w、l、rz转换成yolo格式，其中rz用欧拉公式转换为虚部（im）和实部（re）。这样最终真实标签target由8个维度组成，即batch_id、class_id、x、y、w、l、im、re。

        （5）删除指定范围之外的激光雷达数据：kitti_bev_utils.removePoints(lidarData, cnf.boundary)。

        （6）获取鸟瞰图（BEV）rgb_map：由强度图intensityMap（608x608）、高度图heightMap（608x608）和密度图densityMap（608x608）共同组成3x608x608维度的鸟瞰图，类似于3通道的RGB图片。这也是该算法核心思想的体现。鸟瞰图详细介绍请参考：点云鸟瞰图BEV原理与可视化_Coding的叶子的博客-CSDN博客。本程序中xoy平面内的网格尺寸由Discretization参数决定，取值为(boundary["maxX"] - boundary["minX"]) / BEV_HEIGHT

        （7）读取到的数据需要经过随机水平翻转或Cutout增强。

        经过上述7个步骤，可以得到模型输出的数据包含img_file、rgb_map、targets。假设Batch Size大小为B。img_file存储了image_2中对应图片的路径列表，长度为B。Rgb_map为步骤（6）中的鸟瞰图，维度为Bx3X608x608。targets为真实标签，根据（4）中定义可以知道其维度为Mx8，M为目标总数量。

3 数据可视化

        运行src/data_process目录下的kitti_dataloader.py文件，可以得到部分可视化结果，如下图所示。

4 python三维点云从基础到深度学习_Coding的叶子的博客-CSDN博客_python三维点云重建

更多三维、二维感知算法和金融量化分析算法请关注“乐乐感知学堂”微信公众号，并将持续进行更新。

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。