KITTI Pointpillars 3D目标检测结果解释

KITTI Pointpillars 3D目标检测结果解释

举例
这是在Openpcdet点云目标检测库下训练pointpillars的一部分输出结果

绿色框表示类别，如图这是Car类。包括Car、pedestrian、Cyclist三类目标。

黄色框表示KITTI官方的四种目标检测评估指标，即bbox(2D),bev,3d,aos。
【以下为Pointpillars原论文中对结果的解释】

All detection results are measured using the official KITTI evaluation detection metrics
which are: bird’s eye view (BEV), 3D, 2D, and average orientation similarity (AOS)

红色框表示精确度（AP）。在输出结果中还存在一个AP_R40，查看相关代码。可以看到AP和AP_R40,是两种不同计算方式下的精确度。

def get_mAP(prec):
    sums = 0
    for i in range(0, prec.shape[-1], 4):
        sums = sums + prec[..., i]
    return sums / 11 * 100


def get_mAP_R40(prec):
    sums = 0
    for i in range(1, prec.shape[-1]):
        sums = sums + prec[..., i]
    return sums / 40 * 100

蓝色框表示的是IOU的阈值
每一列表示的是KITTI数据集事先划分好的三种不同困难度的子数据集下的结果。原论文所述如下

The KITTI dataset is stratified into easy, moderate,
and hard difficulties, and the official KITTI leaderboard is
ranked by performance on moderate

所以综合来看，这个输出结果表示的是Car类在三个困难度三个阈值条件下不同指标的精确度。