【pcdet3D检测】——OPenpcdet如何进行测试文件配置？能否自定义测试数据？一文看懂pointpillar（pcdet）中的test.py
专栏： 基于点云的神经网络，欢迎关注
本期主要介绍Openpcdet中配置文件中的测试文件。
0. 引言
OpenPCDet是一个3D检测的开源架构
pointnet++直接将点云作为输入进行训练。VoxelNet首先将点云进行体素化表示，再对体素化后的数据进行训练，本质上还是对三维数据的训练。为了减少计算损耗，pointpillar先将点云划分为各个 pillar再将处理后的数据映射到二维空间，大大减少了计算资源的消耗。
要了解OpenPCDet可以关注：hyshhh：pointpillar（OpenPCDet）介绍、安装、评价指标介绍
要了解KITTI数据集可以关注：hyshhh：KITTI数据集介绍、组成结构、可视化方法
1. test.py文件配置
模型的配置文件如何寻找可以关注：hyshhh：OPenPCDet中的pointpillar中各个模块源代码位置与代码原理
test.py文件位于tools文件中，容易寻找。
2. 文件解读
- 第一部分是参数配置，代码如下所示，这个函数使用
argparse解析命令行参数，允许用户在运行程序时自定义配置。例如：
python test.py --cfg_file configs/kitti.yaml --batch_size 4
主要参数
--cfg_file：指定 YAML 配置文件（如 kitti.yaml）。
--batch_size：训练时的 batch size。
--workers：数据加载的进程数（默认 8）。
--ckpt：用于加载训练好的模型权重。
--pretrained_model：指定预训练模型（如果需要）。
--launcher：用于分布式训练（none, pytorch, slurm）。
--tcp_port：分布式训练使用的端口。
--local_rank：本地 GPU 设备编号。
--set：允许用户动态修改 YAML 配置文件的参数（可变参数）。
--eval_all：如果设为 True，则会评估所有模型检查点（checkpoint）。
--infer_time：如果设为 True，计算推理时间。
- 第二部分.
eval_single_ckpt()—— 评估单个 checkpoint.
args.ckpt 指定的 checkpoint（模型权重）。 pre_trained_path 可以加载额外的预训练模型。 model.cuda()：将模型加载到 GPU。
然后调用 eval_utils.eval_one_epoch() 进行测试.这个函数运行一次完整的测试（一个 epoch），并存储测试结果。
- 3.
get_no_evaluated_ckpt()—— 查找未评估的 checkpoint（如果没有设置该函数，则不会进入检查点--eval_all）
从 ckpt_dir 目录中找到还未评估的 checkpoint。glob.glob() 搜索所有以 checkpoint_epoch_*.pth 结尾的文件。sort(key=os.path.getmtime) 让最新的 checkpoint 排在后面。
如果所有 checkpoint 都已经评估，则返回 (-1, None)。
- 4. 判断是否是分布式
- 5. 检查测试的批次
如果 batch_size 没指定，则从 YAML 配置里读取。
如果使用多个 GPU，则 batch_size 需要能整除 total_gpus。
- 6. 创建输出目录并记录日至
结果存放在 output/exp_group/tag/extra_tag/ 目录下。
- 7. 构建数据集与模型函数
