Argoverse数据集目标检测实战：从数据预处理到模型部署全流程解析

1次阅读

没有评论

共计 2389 个字符，预计需要花费 6 分钟才能阅读完成。

Argoverse 数据集是自动驾驶领域的重要基准数据集，包含大量高密度交通场景的传感器数据。在实际使用中，我们发现它有几个显著特点：

高密度交通场景导致目标遮挡严重，特别是行人、自行车等小目标
异构传感器（6 个摄像头 + 2 个激光雷达）数据同步存在微小时间差
极端光照条件（如逆光、隧道出入口）导致图像质量波动大

这些特性给目标检测带来了独特挑战：

传统检测算法在小目标检测上表现不佳，漏检率高
多传感器数据时空对齐不精确会影响融合效果
动态场景中的运动模糊会影响检测稳定性

我们对比了三种主流检测框架在 Argoverse 验证集上的表现：

模型	mAP@0.5	推理速度 (FPS)	显存占用 (MB)
Faster R-CNN	0.62	8	4200
YOLOv5s	0.58	45	1600
CenterNet	0.65	38	2100

从实际需求出发，我们推荐：

实时性要求高：选择 YOLOv5s，适合算力有限的边缘设备
精度优先：CenterNet 在保持较高速度的同时提供最佳 mAP
研究用途：Faster R-CNN 虽然慢但 bounding box 更稳定

传感器对齐是首要解决的问题。以下是使用 Open3D 实现点云到图像投影的示例：

import open3d as o3d
import numpy as np

def project_lidar_to_camera(pcd_path, calib):
    # 读取点云
    pcd = o3d.io.read_point_cloud(pcd_path)
    points = np.asarray(pcd.points)

    # 坐标系转换
    points_hom = np.concatenate([points, np.ones((points.shape[0], 1))], axis=1)
    cam_points = calib['T_cam_lidar'].dot(points_hom.T).T

    # 过滤视锥外的点
    mask = (cam_points[:, 2] > 0)  # z>0
    cam_points = cam_points[mask]

    # 投影到图像平面
    uv = calib['K'].dot(cam_points[:, :3].T).T
    uv = uv[:, :2] / uv[:, 2:3]

    return uv[mask]

针对小目标检测，我们对 FPN 结构做了两点优化：

增加 P2 特征层（1/ 4 原图尺寸）提升小目标敏感度
在 neck 部分添加 CBAM 注意力模块，增强特征表达能力

改进后的特征金字塔结构如下：

class EnhancedFPN(nn.Module):
    def __init__(self, in_channels):
        super().__init__()
        self.p5_conv = nn.Conv2d(in_channels[-1], 256, 1)
        self.p4_conv = nn.Conv2d(in_channels[-2], 256, 1)
        self.p3_conv = nn.Conv2d(in_channels[-3], 256, 1)
        self.p2_conv = nn.Conv2d(in_channels[-4], 256, 1)  # 新增 P2 层

        self.cbam = CBAM(256)  # 注意力模块

    def forward(self, features):
        p2, p3, p4, p5 = features[-4:]

        # 自顶向下路径
        p5_out = self.p5_conv(p5)
        p4_out = self.p4_conv(p4) + F.upsample(p5_out, scale_factor=2)
        p3_out = self.p3_conv(p3) + F.upsample(p4_out, scale_factor=2)
        p2_out = self.p2_conv(p2) + F.upsample(p3_out, scale_factor=2)  # 新增

        # 注意力增强
        return [self.cbam(p2_out), self.cbam(p3_out), p4_out, p5_out]

使用 TensorRT 进行 INT8 量化可显著提升推理速度。关键校准代码如下：

from torch2trt import TRTModule, torch2trt
from torch2trt.dataset import ImageFolderDataset

# 创建校准数据集
calib_dataset = ImageFolderDataset(
    "path/to/calib_images",
    input_size=(640, 640)
)

# 执行量化
model_trt = torch2trt(
    model,
    [dummy_input], 
    int8_mode=True,
    int8_calib_dataset=calib_dataset,
    max_batch_size=8
)

# 保存优化后模型
torch.save(model_trt.state_dict(), "model_trt.pth")

我们发现 6 个相机之间存在约 0.1°的标定误差，解决方法：