mmdetection3d中centerpoint解析
原文发表在知乎，mmdetection3d中centerpoint解析，请移步～
看了大半年的大模型，具身智能相关的多模态模型，这些模型都比较大，动辙几十亿参数量，相关的技术领域感觉也摸索的差不多了，简单回想一下就是transformer，self/cross attention，siglip/clip，peft/lora，huggingface，deepspeed，VLA/action expert/diffusion等等关键词，时间长了真有点审美疲劳，想换换口味，所以最近想着把以前工作中用到的激光雷达目标检测，语义分割类的小模型回顾一下，希望能够温故而知新，顺便在这里记录一下笔记。
下面有很多注释是cursor帮我写的，强烈建议各位程序员将大模型相关编程工具熟练的用起来，在读代码过程中，基本可以做到不用搜索引擎，cursor可以总结的很好。在写代码过程中，cursor可以极大的提升效率，帮我写好代码，对我的要求就是我能看懂，根据自身需要做简单修改即可。最近GPT5也出来了，在AI时代，一方面效率的提升会减少相关岗位的需求，造成失业，但另一方面，个人的效率也可以得到极大的提升，单兵作战能力可以很强。我觉得，个人效率的提升也依赖个人在相关技术领域扎实的基础，而不是网上所说的一个产品经理都可以独立来做技术。我们要争取成为那个背后运用AI的人，而不是被AI替代的人，一点不成熟的思考，与各位共勉！
centerpoint模型是2020年左右发表的模型，核心就是通过将3D物体表示为中心点，在中心点上回归物体的各种属性，例如位置，长宽高，旋转角等。在mmdetection3d框架中有它的实现，我们在项目中也是基于此实现进行的优化修改，所以下面所讲是针对我们的代码进行的，可能与默认官方的实现有少量不同，但应该99%都是一样的。