3DIoUMatch-PVRCNN 数据处理部分

论文地址：https://arxiv.org/abs/2012.04355v3
项目地址：https://github.com/THU17cyz/3DIoUMatch-PVRCNN

本篇论文的关键代码：

• Dataset：KittiDatasetSSL （本篇文章介绍）
• Model：PVRCNN_SSL_3DIOU

Training Mode

1. 数据读取 __init__

全部数据读取

根据config中的DATA_CONFIG.INFO_PATH，获得全部数据。KITTI中共有3712个数据。

Labeled 数据读取

根据argument中的--split，获得有Label数据的Id和Index。根据Index，从全部数据中提取Label数据。

举例：--split train_0.01_1，读取./data/kitti/ImageSets/train_0.01_1.txt，其中包含sample_id和sample_index。

Unlabeled 数据读取

1）针对0.01, 0.02的有Label划分

从全部数据中剔除Labeled数据，即为Unlabeled数据。但是代码实现中，Unlabeled数据为全部数据，不确定是bug还是作者有意为之，但我认为影响不大。

2）针对1.00的有Label划分

Unlabeled数据即为Labeled数据，也是全部数据。

数据读取的总结

• Labeled 数据
  • self.sample_id_list
  • self.sample_index_list
  • self.kitti_infos:
    每个info的keys为 ['point_cloud', 'image', 'calib', 'annos']
• Unlabeled 数据
  • self.unlabeled_index_list
  • self.unlabeled_kitti_infos

2. Batch数据 __getitem__

读取一份label数据

1) 数据增强（暂未细看）

保持配置文件中的数据增强方式（no_db_sample=False）

2) data_dict中的数据说明

• 数据增强参数：[‘flip_x’, ‘flip_y’, ‘rot_angle’, ‘scale’]
• 强数据增强后的数据：[‘points’, ‘gt_boxes’, ‘voxels’, ‘voxel_coords’, ‘voxel_num_points’]
• 弱数据增强后的数据：[‘points_ema’, ‘gt_boxes_ema’, ‘voxels_ema’, ‘voxel_coords_ema’, ‘voxel_num_points_ema’]

二者的数据差异在于有无进行翻转、旋转、缩放操作。即通过四个参数可以转换[‘points’, ‘gt_boxes’]与[‘points_ema’, ‘gt_boxes_ema’]。

读取一份unlabel数据

1) 数据增强（暂未细看）

保持配置文件中的数据增强方式（no_db_sample=True）

2) data_dict中的数据说明

同label数据