【OpenPCDet】PointRCNN前景点分割网络精度测试

对PointRCNN第一阶段的前景点网络分割细节和精度比较好奇，同时好奇PointRCNN在第一阶段只是对每个点预测前景背景还是预测了具体的物体类别？（是后者）

写了个简单的精度测试函数。

一、流程梳理：

Label：

PointRCNN第一阶段里点的原始cls label有5个 ：

 -1：ignore        0：背景点        1：Car        2：Pedestrian        3：Cyclist

在get_cls_layer_loss函数中，把ignore类合并到了背景点类中，所以最终用于train和eval的是4类，其对应的onehot为:

000：背景        001：Car        010：Pedestrian        001：Cyclist

one_hot_targets.scatter_(-1, (point_cls_labels * (point_cls_labels >= 0).long()).unsqueeze(dim=-1).long(), 1.0)

Predict：

PointRCNN第一阶段的point_head对每个point有三个输出，可以视为当前点属于Car、Pedestrian、Cyclist的概率，若三个值都很小（000）则此点为背景。PointRCNN选取了预测概率最大的前K个点，这些点由于预测概率都很大所以都是前景点。因此，理论上PointRCNN的前景点分割精度应该随着K的增加而下降，下面用简单程序验证下：

二、PointRCNN前景点分割精度测试代码：

在PointHeadBox的forward里添加eval_cls

    def eval_cls(self, batch_dict):
        writer = SummaryWriter("cls_eval_logs")
        # 评估二分类精确率
        targets_dict = self.assign_targets(batch_dict)
        point_cls_labels = targets_dict['point_cls_labels']

        # 分析predict中的类别数量
        choose_num = 10  # 取前k个cls得分最高的点算精度
        while choose_num < 200:
            predict_cls = torch.sigmoid(batch_dict['batch_cls_preds'])  # 预测结果
            # 网络对每个point有三个输出，取出最大的输出值和其对应的索引   0：car 1：Pedestrian 2：Cyclist
            predict_cls_score, predict_cls_max_index = predict_cls.max(dim=-1)
            # 所有点的预测结果中取前choose_num个得分最高的参与精度计算
            predict_cls_max_score, predict_cls_index = torch.topk(predict_cls_score, choose_num, dim=-1)
            # 得分最高的choose_num个点的label
            point_cls_labels_max_index = point_cls_labels[predict_cls_index]
            # 得分最高的choose_num个点的预测类别 label里0：背景点 1：car 2：Pedestrian 3：Cyclist 所以+1
            predict_cls_max_index_index = predict_cls_max_index[predict_cls_index] + 1
            out = torch.where(point_cls_labels_max_index == predict_cls_max_index_index)
            out = len(out[0])
            socre = out / choose_num
            choose_num = choose_num + 10
            writer.add_scalar("eval cls", socre, choose_num)
        writer.close()

三、结果分析

果不其然，精度随着选中的K增大而下降，不同帧点云的曲线差距可能较大。

第一阶段的网络就能区分出Car、Pedestrian、Cyclist