M-detector Point-out 与 Frame-out 双模式输出对比如何选择合适的动态检测结果输出方式【免费下载链接】M-detector项目地址: https://gitcode.com/gh_mirrors/md/M-detectorM-detector是一款基于遮挡原理的 LiDAR 动态目标检测包moving event detection能在点云到达后的几微秒内判断一个点是否在移动。它同时提供Point-out逐点即时输出与Frame-out帧级聚类输出两种动态检测结果输出方式。本文通过一张对比表 3 个选型问题帮你快速选对输出模式 一张表看懂 Point-out 与 Frame-out 的核心区别对比项 Point-out逐点输出 Frame-out帧级输出ROS 话题/m_detector/point_out/m_detector/frame_out输出内容逐点判定的原始动态点聚类、跟踪后的动态目标点可估计边界框时延极低微秒级点到达即判定约一帧延迟缓冲 聚类耗时典型用途在线建图、地图遮挡过滤、实时规划目标检测、跟踪、事后评测标签文件目录predictionsx_origin/predictionsx/双模式输出从哪来节点入口src/dynfilter_with_odom.cpp中同时发布了两个话题/m_detector/point_out逐点检测出的动态点云始终发布/m_detector/frame_out经过聚类与跟踪后的结果仅在开启聚类参数后发布。发布逻辑位于src/DynObjFilter.cpp的DynObjFilter::publish_dyn函数逐点结果无条件输出而帧级结果只有当cluster_coupled或cluster_future为true时才会生成并发布。Frame-out 如何开启只需 2 个参数各传感器的配置文件如config/avia/avia0.yaml、config/kitti/kitti0.yaml、config/nuscenes/nuscenes0.yaml中提供两个关键开关cluster_coupled: true # 是否输出 frame-out 结果开启聚类与 frame_out 话题 cluster_future: true # 是否把 frame-out 结果反馈进深度图构建辅助后续检测设为falseM-detector 退化为纯 Point-out 模式计算开销更低、时延更小但只能得到离散的动态点设为true额外的聚类与边界框估计逻辑位于include/m-detector/DynObjCluster.h含 DBSCAN / 体素聚类、地面估计与 OOBB 估计。落盘与评测两个路径参数对应两种模式每个 launch 文件launch/detector_avia.launch、launch/detector_kitti.launch、launch/detector_nuscenes.launch、launch/detector_waymo.launch都提供两个参数用于将检测结果按帧保存为 label 文件out_path→frame-out结果写入sequences/0000/predictionsx/out_origin_path→point-out结果写入sequences/0000/predictionsx_origin/roslaunch m_detector detector_avia.launch out_path:your path for frame-out results out_origin_path:your path for point-out results评测时用launch/cal_recall.launch计算 IoU通过is_origin区分模式is_origin:true→ 评测 point-out 结果生成recall_origin文件夹is_origin:false→ 评测 frame-out 结果生成recall文件夹 三问选型指南该选哪种输出方式需要对象级输出吗目标框、轨迹→ 选Frame-out聚类、跟踪与 OOBB 边界框开箱即用在线使用、要求极低时延吗建图、规划→ 选Point-out点到达即判定微秒级响应做离线评测或积累训练数据→ 两种模式都可落盘按上文目录命名规范保存后直接跑 IoU 评测。一句话总结Point-out 管实时Frame-out 管对象多数在线 SLAM 场景两者都开互不冲突 ✅快速上手 3 步1️⃣ 克隆并编译cd ~/catkin_ws/src git clone https://gitcode.com/gh_mirrors/md/M-detector.git catkin_make source devel/setup.bash2️⃣ 启动定位与检测节点以 Avia 为例其他传感器见config/下对应文件roslaunch fast_lio mapping_avia.launch roslaunch m_detector detector_avia.launch3️⃣ 在 RViz参考rviz/demo.rviz中订阅/m_detector/point_out或/m_detector/frame_out直观对比两种模式的输出效果。 提示buffer_delay、cluster_coupled等参数需按传感器调参完整参数说明见项目 README 的 Key parameters 一节。【免费下载链接】M-detector项目地址: https://gitcode.com/gh_mirrors/md/M-detector创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 M-detector Point-out 与 Frame-out 双模式输出对比：如何选择合适的动态检测结果输出方式
M-detector Point-out 与 Frame-out 双模式输出对比如何选择合适的动态检测结果输出方式【免费下载链接】M-detector项目地址: https://gitcode.com/gh_mirrors/md/M-detectorM-detector是一款基于遮挡原理的 LiDAR 动态目标检测包moving event detection能在点云到达后的几微秒内判断一个点是否在移动。它同时提供Point-out逐点即时输出与Frame-out帧级聚类输出两种动态检测结果输出方式。本文通过一张对比表 3 个选型问题帮你快速选对输出模式 一张表看懂 Point-out 与 Frame-out 的核心区别对比项 Point-out逐点输出 Frame-out帧级输出ROS 话题/m_detector/point_out/m_detector/frame_out输出内容逐点判定的原始动态点聚类、跟踪后的动态目标点可估计边界框时延极低微秒级点到达即判定约一帧延迟缓冲 聚类耗时典型用途在线建图、地图遮挡过滤、实时规划目标检测、跟踪、事后评测标签文件目录predictionsx_origin/predictionsx/双模式输出从哪来节点入口src/dynfilter_with_odom.cpp中同时发布了两个话题/m_detector/point_out逐点检测出的动态点云始终发布/m_detector/frame_out经过聚类与跟踪后的结果仅在开启聚类参数后发布。发布逻辑位于src/DynObjFilter.cpp的DynObjFilter::publish_dyn函数逐点结果无条件输出而帧级结果只有当cluster_coupled或cluster_future为true时才会生成并发布。Frame-out 如何开启只需 2 个参数各传感器的配置文件如config/avia/avia0.yaml、config/kitti/kitti0.yaml、config/nuscenes/nuscenes0.yaml中提供两个关键开关cluster_coupled: true # 是否输出 frame-out 结果开启聚类与 frame_out 话题 cluster_future: true # 是否把 frame-out 结果反馈进深度图构建辅助后续检测设为falseM-detector 退化为纯 Point-out 模式计算开销更低、时延更小但只能得到离散的动态点设为true额外的聚类与边界框估计逻辑位于include/m-detector/DynObjCluster.h含 DBSCAN / 体素聚类、地面估计与 OOBB 估计。落盘与评测两个路径参数对应两种模式每个 launch 文件launch/detector_avia.launch、launch/detector_kitti.launch、launch/detector_nuscenes.launch、launch/detector_waymo.launch都提供两个参数用于将检测结果按帧保存为 label 文件out_path→frame-out结果写入sequences/0000/predictionsx/out_origin_path→point-out结果写入sequences/0000/predictionsx_origin/roslaunch m_detector detector_avia.launch out_path:your path for frame-out results out_origin_path:your path for point-out results评测时用launch/cal_recall.launch计算 IoU通过is_origin区分模式is_origin:true→ 评测 point-out 结果生成recall_origin文件夹is_origin:false→ 评测 frame-out 结果生成recall文件夹 三问选型指南该选哪种输出方式需要对象级输出吗目标框、轨迹→ 选Frame-out聚类、跟踪与 OOBB 边界框开箱即用在线使用、要求极低时延吗建图、规划→ 选Point-out点到达即判定微秒级响应做离线评测或积累训练数据→ 两种模式都可落盘按上文目录命名规范保存后直接跑 IoU 评测。一句话总结Point-out 管实时Frame-out 管对象多数在线 SLAM 场景两者都开互不冲突 ✅快速上手 3 步1️⃣ 克隆并编译cd ~/catkin_ws/src git clone https://gitcode.com/gh_mirrors/md/M-detector.git catkin_make source devel/setup.bash2️⃣ 启动定位与检测节点以 Avia 为例其他传感器见config/下对应文件roslaunch fast_lio mapping_avia.launch roslaunch m_detector detector_avia.launch3️⃣ 在 RViz参考rviz/demo.rviz中订阅/m_detector/point_out或/m_detector/frame_out直观对比两种模式的输出效果。 提示buffer_delay、cluster_coupled等参数需按传感器调参完整参数说明见项目 README 的 Key parameters 一节。【免费下载链接】M-detector项目地址: https://gitcode.com/gh_mirrors/md/M-detector创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考