MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置

目录

    • 加载命令行参数
    • main 函数中的 create_core
      • 图像归一化参数
      • 体素化参数
      • 稀疏卷积网络参数
      • 真实世界几何空间参数 (雷达坐标系下体素网格的参数)
      • 解码后边界框的参数
      • 构建 bevfusion::Core 存储推理时需要的参数

本章开始,我们将一起看CUDA-BEVFusion的代码流程,看看NVIDIA部署方案的思路方法。

加载命令行参数

将代码debug起来,launch.json中配置好了传入的参数。C++代码中会接收命令行参数。具体如下

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第1张图片

argc 是一个整数 (int) 类型的变量,代表命令行参数的数量 (argument count),即程序执行时通过命令行传递程序的参数的总量,包括程序名称本身。argc 的值至少为 1,因为第一个参数是程序的名称。

argv 是一个指向指针的指针 (char**),代表命令行参数的值 (argument vector)。它是一个指针数组,每个元素指向一个以空字符结尾的字符串,表示一个命令行参数的值。

./build/bevfusion $DEBUG_DATA $DEBUG_MODEL $DEBUG_PRECISION

run.sh 文件中,运行程序的代码如上,三个变量是在 environment.sh 脚本中定义的,分别为 int8,example-data,OFF。编译好可执行文件后,可以使用下面命令行运行程序。

./build/bevfusion example-data resnet50int8 int8

在这里,argc 就是 4,通过 argv 可以查看命令行参数。

  • 图示,argv 就是 launch.jsonprogramargs 的参数
    MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第2张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第3张图片
argv参数打印

main 函数中的 create_core

create_core是非常重要的方法,下方我们先分析他的参数设置部分。

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第4张图片

  • 输入model(resnet50int8), precision(int8)两个字符串。

  • 返回值:std::shared_ptr

  • 作用创建 bevfusion::Core 对象,后续会调用这个对象的 update 与 forward 方法。src/bevfusion/bevfusion.cpp
    MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第5张图片

    1. 配置CoreParameter结构体类型的param参数:给 NormalizationParameterVoxelizationParameterSCNParameterGeometryParameterTransBBoxParameter 等结构体,赋值。—图像多大、步长多长(这些都是 yaml 文件中定义的参数)
      • 配置相机归一化参数
      • 配置激光雷达体素化参数
      • 配置稀疏卷积网络(SCN)参数
      • 配置 bevpool 中的 geometry 参数
      • 配置 TransBBox 参数
    2. 把上述已经赋值的结构体,给 CoreParameter 结构体。相当于把所有参数汇总给 CoreParameter
    3. 把包含了所有参数的 CoreParameter,给方法 bevfusion::create_core(param) 去创建 engine,这里bevfusion::create_core()是核心

图像归一化参数

这里设置了图像预处理需要的参数,熟悉bevfusion的话,这些参数都是比较常见的基础的参数。原始图像大小1600900,模型输入图像大小704256,预处理图像缩放倍率0.48等
MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第6张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第7张图片

  • 在代码中,嵌套命名空间是很常见的,这允许在一个命名空间中定义其他命名空间,提供了一种组织代码的方式,可以避免名字冲突,并且使代码更易于理解和维护。可以通过双冒号 :: 运算符来访问嵌套命名空间内的实体代码。

  • 这里通过 bevfusion::camera::NormalizationParameter 来构建结构体对象,然后对对象中的成员变量进行赋值。这部分用于定义相机图片进行预处理时使用的方法和参数

    • NormTypeChannelTypeInterpolation 35、36、37 行,枚举类型可选项

体素化参数

  • 这里是点云常见的参数,点云的范围前后左右-54~+54米,上下-5~+3米,点云体素化的步长0.075以及0.2。
  • 硬体素化的参数。
    MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第8张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第9张图片

稀疏卷积网络参数

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第10张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第11张图片

voxelization 赋值为上面定义的 bevfusion::lidar::VoxelizationParameter 对象。

模型路径设置为 model/resnet50int8/lidar.backbone.xyz.onnx

模型输出的索引顺序为 XYZ

真实世界几何空间参数 (雷达坐标系下体素网格的参数)

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第12张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第13张图片

解码后边界框的参数

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第14张图片

  • 对应 yaml
    MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第15张图片

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第16张图片

构建 bevfusion::Core 存储推理时需要的参数

最终,上面所有参数结构体,复制给param,统一管理后面需要的参数。

MIT-BEVFusion系列九--CUDA-BEVFusion部署2 create_core之参数设置_第17张图片

你可能感兴趣的:(自动驾驶,cuda,cuda-bevfusion,nvidia,部署,模型算法部署,bev)