开源软件名称：

mmdetection3d

开源软件地址：

https://gitee.com/monkeycc/mmdetection3d

开源软件介绍：

OpenMMLab 官网 ^HOT OpenMMLab 开放平台 ^{TRY IT OUT}

新闻: 我们发布了版本 v1.0.0rc0.

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。

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。

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.

demo image

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 v1.0.0rc0 在 2022.2.18 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。

基准测试和模型库

测试结果和模型可以在模型库中找到。

模块组件

主干网络	检测头	特性
PointNet (CVPR'2017) PointNet++ (NeurIPS'2017) RegNet (CVPR'2020) DGCNN (TOG'2019) DLA (CVPR'2018)	FreeAnchor (NeurIPS'2019)	Dynamic Voxelization (CoRL'2019)

算法模型

3D 目标检测

单目 3D 目标检测

多模态 3D 目标检测

3D 语义分割

室外

室内

室外

MVXNet (ICRA'2019)

室内

ImVoteNet (CVPR'2020)

室内

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

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}}