CenterPoint损失函数详解：从原理到3D目标检测实战

1次阅读

没有评论

共计 2808 个字符，预计需要花费 8 分钟才能阅读完成。

传统 3D 目标检测方法（如 PointPillars、VoxelNet）通常需要预定义锚框（anchor boxes），这种设计存在两个主要问题：

计算开销大 ：需要枚举大量候选框进行匹配
参数敏感 ：锚框尺寸和比例需要针对不同数据集精心调整

CenterPoint 创新性地采用关键点检测范式，将 3D 物体建模为点云中的中心点，配合简单的回归头预测物体尺寸和朝向。这种设计天然解决了锚框方法的痛点，但带来了新的挑战——如何稳定训练关键点预测任务？

对于每个物体类别，生成一个二维 heatmap 表示中心点存在概率。设真实中心点为 $(u,v)$，heatmap 值按高斯核分布：

$$ H_{ij} = \exp\left(-\frac{(i-u)^2 + (j-v)^2}{2\sigma^2}\right) $$

其中 $\sigma$ 是自适应半径，与物体尺寸成正比：

$$ \sigma = \max(f(w), f(h)) $$

$f(\cdot)$ 通常取线性函数，将物理尺寸映射到特征图尺度。

解决正负样本不平衡问题：

$$ L_{cls} = -\frac{1}{N}\sum_{ij}\begin{cases}
(1-\hat{H}{ij})^\alpha \log(\hat{H}=1 \
\hat{H}}) & \text{if} H_{ij{ij}^\beta (1-H
\end{cases} $$})^\gamma \log(1-\hat{H}_{ij}) & \text{otherwise

$\alpha,\beta$：调节难易样本权重（通常取 $\alpha=2,\beta=4$）
$\gamma$：聚焦系数（通常取 2）

预测中心点偏移量和 3D 尺寸：

$$ L_{reg} = \sum_{k\in{x,y,z,w,l,h,\theta}} | \hat{t}_k – t_k | $$

其中 $t_z$ 需归一化处理避免数值不稳定。

def generate_heatmap(feature_map_size, gt_boxes, sigma_ratio=0.2):
    """
    Args:
        feature_map_size: (W, H)
        gt_boxes: [N, 7] (x,y,z,w,l,h,theta)
        sigma_ratio: 高斯核半径与物体尺寸的比例系数
    Returns:
        heatmap: [H, W] 值域 [0,1]
    """
    heatmap = torch.zeros(feature_map_size[1], feature_map_size[0])
    for box in gt_boxes:
        # 将 3D 中心点投影到特征图坐标
        x, y = project_3d_to_feature(box[:2], feature_map_size)
        w, l = box[3:5]

        # 自适应高斯半径
        sigma = max(w, l) * sigma_ratio
        radius = int(sigma * 3)  # 覆盖 99.7% 区域

        # 生成二维高斯核
        gaussian = create_2d_gaussian(radius, sigma)

        # 将高斯核叠加到 heatmap
        left, top = max(0, x-radius), max(0, y-radius)
        right, bottom = min(feature_map_size[0], x+radius+1), min(feature_map_size[1], y+radius+1)
        heatmap[top:bottom, left:right] = torch.maximum(heatmap[top:bottom, left:right], 
            gaussian[top-y+radius:bottom-y+radius, left-x+radius:right-x+radius]
        )
    return heatmap

class CenterPointLoss(nn.Module):
    def __init__(self, alpha=2.0, beta=4.0):
        super().__init__()
        self.focal_loss = FocalLoss(alpha, beta)
        self.reg_loss = nn.L1Loss(reduction='sum')

    def forward(self, pred_heatmap, pred_reg, target_heatmap, target_reg, mask):
        """
        Args:
            mask: [N] 标识哪些位置需要计算回归损失
        """
        # 分类损失
        cls_loss = self.focal_loss(pred_heatmap, target_heatmap)

        # 回归损失（只计算正样本位置）pred_reg = pred_reg.permute(0,2,3,1)  # [B,C,H,W] -> [B,H,W,C]
        pred_reg = pred_reg[mask > 0]
        target_reg = target_reg[mask > 0]
        reg_loss = self.reg_loss(pred_reg, target_reg) / max(1, mask.sum())

        return cls_loss + 0.1 * reg_loss  # 需平衡权重