在OpenPCDet中，KITTI 数据集的 ImageSet 中已经包含了训练和测试数据的索引信息，这使得可以不必直接扫描点云数据文件来获取某个特定的数据集。通过修改 ImageSet 中的索引，就可以直接选择不同的数据帧来进行训练、测试或推理。
1. KITTI 数据集中的 ImageSet
imageset 文件夹包含了多个文本文件，其中每个文件列出了训练和测试数据的帧索引。这些文件通常以如下格式命名：
data/
├── kitti/
│ ├── ImageSets/
│ │ ├── train.txt # 训练集的帧索引
│ │ ├── val.txt # 验证集的帧索引
│ │ └── test.txt # 测试集的帧索引每个 txt 文件中列出了一系列的帧编号，例如：
000000
000001
000002
...这些帧编号对应的是 velodyne 文件夹中的 .bin 点云数据文件.
2. 修改索引文件
此处我想要基于Kitti数据集进行采样，生成十个不同的用于训练的数据集 可以直接原本的train.txt进行采样，将其保存为一个新的索引集 在kitti文件路径下新建一个脚本文件
import random
# 读取原始的 train.txt 文件
with open('kitti/training/imageset/train.txt', 'r') as f:
lines = f.readlines()
# 随机采样 10 组数据
num_samples = 1000 # 每组采样的帧数量
num_groups = 10 # 需要采样的组数
# 随机生成 10 组数据集
for i in range(1, num_groups + 1):
# 随机选择 1000 个帧
sampled_lines = random.sample(lines, num_samples)
# 保存到不同的 train_sampledX.txt 文件中
sampled_file_path = f'kitti/training/imageset/train_sampled{i}.txt'
with open(sampled_file_path, 'w') as f:
f.writelines(sampled_lines)
print(f"Group {i} saved to {sampled_file_path}")运行以上代码即可在原本的目录下生成一系列的采样数据集
2.使用采样数据进行训练
首先找到kitti_dataset.yaml文件
关于Kitti_dataset.yaml文件
xxxxxxxxxx pip uninstall spconv-cu113pip install spconv-cu102python
- 数据集根目录 (DATASET_ROOT)：指示 KITTI 数据集所在的根路径。
- 训练和验证集的索引文件路径 (TRAIN_SET, VAL_SET)：指定训练和验证集的帧索引文件路径（即 train.txt 和 val.txt）。
- 类别定义：包括 3D 检测任务中所使用的类别，例如 Car、Pedestrian、Cyclist 等。
- 其他参数：可能包括图像和点云的预处理设置，数据增强方法等。
如何修改 kitti_dataset.yaml 使用新生成的 train_sampled.txt
在该文件内容中找到DATA_SPLIT 默认值如下示例：
DATA_SPLIT: {
'train': train,
'test': val
}使用上面生成的新的索引只需修改‘train’键的值为train_sampled1/train_sampled2保存即可
3.启动训练
python tools/train.py --cfg_file tools/cfgs/kitti_models/pointpillar.yaml训练中