npu_gaussian

接口原型

mx_driving.npu_gaussian(Tensor boxes, int out_size_factor, float gaussian_overlap, int min_radius, float voxel_size_x, float voxel_size_y, float pc_range_x,
    float pc_range_y, int feature_map_size_x, int feature_map_size_y, bool norm_bbox, bool with_velocity, bool flip_angle, int max_objs) -> (Tensor center_int, Tensor radius, Tensor mask, Tensor ind, Tensor anno_box)

功能描述

实现centerpoint_head.py脚本中get_targets_single函数的部分功能。

参数说明

• boxes(Tensor)：每个目标的3D边界框信息，数据类型为float32，shape为[Num_objs, W]。
• out_size_factor(int)：特征图缩放因子。
• gaussian_overlap(float)：用于控制高斯半径的计算。
• min_radius(int)：高斯半径的最小取值。
• voxel_size_x(float)：体素网格在x方向的单元大小。
• voxel_size_y(float)：体素网格在y方向的单元大小。
• pc_range_x(float)：x方向的点云范围。
• pc_range_y(float)：y方向的点云范围。
• feature_map_size_x(int)：x方向的BEV特征图的大小。
• feature_map_size_y(int)：y方向的BEV特征图的大小。
• norm_bbox(bool)：是否对3D边界框的参数进行归一化。
• with_velocity(bool)：是否在目标检测任务中引入速度信息。
• flip_angle(bool)：是否在结果中将正弦余弦结果反转。
• max_objs(int)：处理boxes数量的上限，BEVDet模型中为500。

返回值

• center_int(Tensor)：经过计算后的中心点坐标，数据类型为int32，shape为[minObjs, 2]。
• radius(Tensor)：经过计算后的高斯半径，数据类型为int32，shape为[minObjs]。
• mask(Tensor)：经过计算后的符合要求的boxes的掩码，数据类型为uint8，shape为[max_objs]。
• ind(Tensor)：经过计算后的符合要求的boxes中心点的偏移量，数据类型为int64，shape为[max_objs]。
• anno_box(Tensor)：经过计算后的3D边界框属性，数据类型为float32，shape为[max_objs, 10]。

算子约束

1. 若适配BEVDet模型，W应为9。
2. 所有参数和模型的配置保持一致。

支持的型号

• Atlas A2 训练系列产品

调用示例

import torch, torch_npu
from mx_driving import npu_gaussian

out_size_factor = 8
gaussian_overlap = 0.1
min_radius = 2
voxel_size_x = 0.1
voxel_size_y = 0.1
pc_range_x = -51.2
pc_range_y = -51.2
feature_map_size_x = 128
feature_map_size_y = 128
norm_bbox = True
with_velocity = True
flip_angle = True
num_objs = 100
boxes = -50 + 100 * torch.rand((num_objs, 9), dtype=torch.float32).npu()
output = npu_gaussian(boxes, out_size_factor, gaussian_overlap, min_radius, voxel_size_x, voxel_size_y, pc_range_x, pc_range_y, feature_map_size_x, feature_map_size_y, norm_bbox, with_velocity, flip_angle, num_objs)