github.com/HuangJunJie2017/BEVDet @v1.0.0 sqlite

新闻: 我们发布了版本 v0.17.2.

另外，我们在 v1.0.0.dev0 分支初步支持了多个新模型，包括 DGCNN, SMOKE 和 PGD。

说明：我们正在进行大规模的重构，以提供对许多模块更简单、更统一的使用。因此，在接下来的几个月里，很少有功能会添加到主分支中。

由于坐标系的统一和简化，模型的兼容性会受到影响。目前，大多数模型都以类似的性能对齐了精度，但仍有少数模型在进行基准测试。

如果您感兴趣，可以开始使用 v1.0.0.dev0 分支进行实验。请注意，我们的新功能将只支持在 v1.0.0 分支。

在第三届 nuScenes 3D 检测挑战赛（第五届 AI Driving Olympics, NeurIPS 2020）中，我们获得了最佳 PKL 奖、第三名和最好的纯视觉的结果，相关的代码和模型将会在不久后发布。

最好的纯视觉方法 FCOS3D 的代码和模型已经发布。请继续关注我们的多模态检测器 MoCa。

文档: https://mmdetection3d.readthedocs.io/

简介

English | 简体中文

主分支代码目前支持 PyTorch 1.3 以上的版本。

MMDetection3D 是一个基于 PyTorch 的目标检测开源工具箱, 下一代面向3D检测的平台. 它是 OpenMMlab 项目的一部分，这个项目由香港中文大学多媒体实验室和商汤科技联合发起.

主要特性

• 支持多模态/单模态的检测器

支持多模态/单模态检测器，包括 MVXNet，VoteNet，PointPillars 等。

• 支持户内/户外的数据集

支持室内/室外的3D检测数据集，包括 ScanNet, SUNRGB-D, Waymo, nuScenes, Lyft, KITTI.

对于 nuScenes 数据集, 我们也支持 nuImages 数据集.

• 与 2D 检测器的自然整合

MMDetection 支持的300+个模型 , 40+的论文算法, 和相关模块都可以在此代码库中训练或使用。

• 性能高

训练速度比其他代码库更快。下表可见主要的对比结果。更多的细节可见基准测评文档。我们对比了每秒训练的样本数（值越高越好）。其他代码库不支持的模型被标记为 ×。

Methods	MMDetection3D	OpenPCDet	votenet	Det3D
VoteNet	358	×	77	×
PointPillars-car	141	×	×	140
PointPillars-3class	107	44	×	×
SECOND	40	30	×	×
Part-A2	17	14	×	×

和 MMDetection，MMCV 一样, MMDetection3D 也可以作为一个库去支持各式各样的项目.

开源许可证

该项目采用 Apache 2.0 开源许可证。

更新日志

最新的版本 v0.17.2 在 2021.11.01 发布。 如果想了解更多版本更新细节和历史信息，请阅读更新日志。

对于分支 v1.0.0.dev0 ，请参考 v1.0 更新日志 来了解我们的最新功能和更多细节。

基准测试和模型库

测试结果和模型可以在模型库中找到。

已支持的骨干网络：

• [x] PointNet (CVPR'2017)
• [x] PointNet++ (NeurIPS'2017)
• [x] RegNet (CVPR'2020)

已支持的算法：

• [x] SECOND (Sensor'2018)
• [x] PointPillars (CVPR'2019)
• [x] FreeAnchor (NeurIPS'2019)
• [x] VoteNet (ICCV'2019)
• [x] H3DNet (ECCV'2020)
• [x] 3DSSD (CVPR'2020)
• [x] Part-A2 (TPAMI'2020)
• [x] MVXNet (ICRA'2019)
• [x] CenterPoint (CVPR'2021)
• [x] SSN (ECCV'2020)
• [x] ImVoteNet (CVPR'2020)
• [x] FCOS3D (ICCVW'2021)
• [x] PointNet++ (NeurIPS'2017)
• [x] Group-Free-3D (ICCV'2021)
• [x] ImVoxelNet (Arxiv'2021)
• [x] PAConv (CVPR'2021)

	ResNet	ResNeXt	SENet	PointNet++	HRNet	RegNetX	Res2Net
SECOND	☐	☐	☐	✗	☐	✓	☐
PointPillars	☐	☐	☐	✗	☐	✓	☐
FreeAnchor	☐	☐	☐	✗	☐	✓	☐
VoteNet	✗	✗	✗	✓	✗	✗	✗
H3DNet	✗	✗	✗	✓	✗	✗	✗
3DSSD	✗	✗	✗	✓	✗	✗	✗
Part-A2	☐	☐	☐	✗	☐	✓	☐
MVXNet	☐	☐	☐	✗	☐	✓	☐
CenterPoint	☐	☐	☐	✗	☐	✓	☐
SSN	☐	☐	☐	✗	☐	✓	☐
ImVoteNet	✗	✗	✗	✓	✗	✗	✗
FCOS3D	✓	☐	☐	✗	☐	☐	☐
PointNet++	✗	✗	✗	✓	✗	✗	✗
Group-Free-3D	✗	✗	✗	✓	✗	✗	✗
ImVoxelNet	✓	✗	✗	✗	✗	✗	✗
PAConv	✗	✗	✗	✓	✗	✗	✗

其他特性 - [x] Dynamic Voxelization

注意： MMDetection 支持的基于2D检测的300+个模型 , 40+的论文算法在 MMDetection3D 中都可以被训练或使用。

安装

请参考快速入门文档进行安装。

快速入门

请参考快速入门文档学习 MMDetection3D 的基本使用。 我们为新手提供了分别针对已有数据集和新数据集的使用指南。我们也提供了一些进阶教程，内容覆盖了学习配置文件, 增加数据集支持, 设计新的数据预处理流程, 增加自定义模型, 增加自定义的运行时配置和 Waymo 数据集.

请参考 FAQ 查看一些常见的问题与解答。在升级 MMDetection3D 的版本时，请查看兼容性文档以知晓每个版本引入的不与之前版本兼容的更新。

引用

如果你觉得本项目对你的研究工作有所帮助，请参考如下 bibtex 引用 MMdetection3D

@misc{mmdet3d2020,
    title={{MMDetection3D: OpenMMLab} next-generation platform for general {3D} object detection},
    author={MMDetection3D Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmdetection3d}},
    year={2020}
}

贡献指南

我们感谢所有的贡献者为改进和提升 MMDetection3D 所作出的努力。请参考贡献指南来了解参与项目贡献的相关指引。

致谢

MMDetection3D 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现已有算法并开发自己的新的 3D 检测模型。

OpenMMLab 的其他项目

• MMCV: OpenMMLab 计算机视觉基础库
• MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMPose: OpenMMLab 姿态估计工具箱
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMGeneration: OpenMMLab 图片视频生成模型工具箱

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬