roipoint_pool3d

接口原型

mx_driving.roipoint_pool3d(int num_sampled_points, Tensor points, Tensor point_features, Tensor boxes3d) -> (Tensor pooled_features, Tensor pooled_empty_flag)

功能描述

对每个3D方案的几何特定特征进行编码。

参数说明

• num_sampled_points(int)：特征点的数量，正整数。
• points(Tensor)：点张量，数据类型为float32, float16。shape 为[B, N, 3]。3分别代表x, y, z。
• point_features(Tensor)：点特征张量，数据类型为float32, float16。shape 为[B, N, C]。C分别代表x, y, z。
• boxes3d(Tensor)：框张量，数据类型为float32, float16。shape 为[B, M, 7]。7分别代表x, y, z, x_size, y_size, z_size, rz。

返回值

• pooled_features(Tensor)：点在框内的特征张量，数据类型为float32, float16。shape 为[B, M, num, 3+C]。
• pooled_empty_flag(Tensor)：所有点不在框内的空标记张量，数据类型为int32。shape 为[B, M]。

约束说明

• points、point_features和boxes3d的数据类型必须相同，以及B也必须相同。
• num_sampled_points必须小于等于N。
• 数据类型为float32时，建议B小于96、N小于等于2048、M小于等于48、num_sampled_points小于等于48，C小于等于8，个别shape值略微超过建议值无影响，但所有shape值均大于建议值时，算子执行会发生错误。
• 数据类型为float16时，建议B小于96、N小于等于3192、M小于等于60、num_sampled_points小于等于60，C小于等于8，个别shape值略微超过建议值无影响，但所有shape值均大于建议值时，算子执行会发生错误。
• N/M的值越大，性能劣化越严重，建议N小于M的六百倍，否则性能可能会低于0.1x A100。

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 roipoint_pool3d
num_sampled_points = 1
points = torch.tensor([[[1, 2, 3]]], dtype=torch.float).npu()
point_features = points.clone()
boxes3d = torch.tensor([[[1, 2, 3, 4, 5, 6, 1]]], dtype=torch.float).npu()
pooled_features, pooled_empty_flag = roipoint_pool3d(num_sampled_points, points, point_features, boxes3d)