跳转到主要内容

PyTorch库,用于训练BEV风格感知模型

项目描述

# ![torchdrive](media/torchdrive.svg)

A PyTorch library for training BEV style perception models for self driving tasks. This is unaffiliated with the PyTorch project. This currently includes helpful primitives needed to put together a model.

## 从源安装

` $ pip install git+https://github.com/d4l3k/torchdrive.git `

` $ git clone --recursive https://github.com/d4l3k/torchdrive.git $ cd torchdrive $ pip install -e . `

## 背景

I’ve been documenting the process for this code. Please see my blog at https://fn.lc/post/3d-detr/ for more details.

### 3D物体检测

动态物体(如汽车)的3D边界框和速度。

![](media/det.png)

### 体素占用

使用微分渲染训练的车辆周围的网格占用。

![](media/voxel-highway-cars.png)

### BEV车道线和可驾驶空间

仅从图像空间标签训练的车道线和可驾驶空间。

![](media/mesh-semantic.png)

### 语义体素

静态物体的每个体素的语义标签。

![](media/voxel-semantic.png)

## 数据访问

此存储库的训练数据集已从我的汽车收集,因此包含大量个人身份信息,因此我现在不愿将其公开。如果您有兴趣贡献或合作,请随时联系我。我愿意在我自己的硬件上测试更改,也可能有其他选择。

## 联系

如果您有任何问题或疑虑,请通过提交问题或通过电子邮件与我联系 [rice@fn.lc](mailto:rice@fn.lc).

## 许可证

本项目是一个业余项目,在业余时间完成。这是一个非商业项目,并未从这项工作中获得任何利润。

有关更多信息,请参阅[许可证](LICENSE)文件。某些文件和功能具有不同的许可证,并相应标注。

BSD 3-Clause 许可证

版权所有 (c) 2023, Tristan Rice

在满足以下条件的情况下,允许重新分发和使用源代码和二进制代码,无论是否修改:

  1. 源代码重新分发必须保留上述版权声明、本条件列表和以下免责声明。

  2. 二进制形式重新分发必须复制上述版权声明、本条件列表和以下免责声明在提供的文档和/或其他材料中。

  3. 未经事先书面许可,不得使用版权持有者的名称或其贡献者的名称来认可或推广由此软件派生的产品。

本软件由版权所有者和贡献者“按原样”提供,并不提供任何明示或暗示的保证,包括但不限于适销性和针对特定目的的适用性保证。在任何情况下,版权所有者或贡献者均不对任何直接、间接、偶然、特殊、示范性或后果性的损害(包括但不限于替代商品或服务的采购;使用、数据或利润的损失;或业务中断)承担责任,无论该责任是基于合同、严格责任还是侵权(包括疏忽或其他)索赔,即使被告知此类损害的可能性。

项目详情


下载文件

下载适合您平台的应用程序。如果您不确定选择哪个,请了解有关安装包的更多信息。

源代码分发

本版本没有提供源代码分发文件。请参阅有关生成分发存档的教程。

构建分发

torchdrive-0.0.1-py3-none-any.whl (33.0 kB 查看哈希值)

上传时间 Python 3

支持者