作者：大森林 | 來(lái)源：計(jì)算機(jī)視覺(jué)工坊

添加微信：dddvisiona，備注：3D點(diǎn)云，拉你入群。文末附行業(yè)細(xì)分群。

3D點(diǎn)云目標(biāo)跟蹤的評(píng)價(jià)指標(biāo)，可以根據(jù)跟蹤的目標(biāo)是單個(gè)還是多個(gè)，分為單目標(biāo)跟蹤（SOT）和多目標(biāo)跟蹤（MOT）兩種。一般來(lái)說(shuō)，SOT的評(píng)價(jià)指標(biāo)主要關(guān)注跟蹤的準(zhǔn)確性和魯棒性，而MOT的評(píng)價(jià)指標(biāo)則需要考慮跟蹤的完整性和一致性。

SOT的常用評(píng)價(jià)指標(biāo)有：

• 平均重疊率（Average Overlap Rate, AOR）：表示預(yù)測(cè)的3D邊界框與真實(shí)的3D邊界框之間的重疊比例的平均值。

• 平均中心誤差（Average Center Error, ACE）：表示預(yù)測(cè)的3D邊界框與真實(shí)的3D邊界框之間的中心點(diǎn)距離的平均值。

• 成功率（Success Rate, SR）：表示預(yù)測(cè)的3D邊界框與真實(shí)的3D邊界框之間的重疊比例超過(guò)某個(gè)閾值（如0.5）的幀數(shù)占總幀數(shù)的比例。

• 精確率（Precision Rate, PR）：表示預(yù)測(cè)的3D邊界框與真實(shí)的3D邊界框之間的中心點(diǎn)距離小于某個(gè)閾值（如1米）的幀數(shù)占總幀數(shù)的比例。

MOT的常用評(píng)價(jià)指標(biāo)有：

• 多目標(biāo)跟蹤精度（Multiple Object Tracking Accuracy, MOTA）：綜合考慮了漏檢率、誤檢率和ID切換率對(duì)跟蹤精度的影響。

• 多目標(biāo)跟蹤精確度（Multiple Object Tracking Precision, MOTP）：表示預(yù)測(cè)的3D邊界框與真實(shí)的3D邊界框之間的重疊比例或中心點(diǎn)距離的平均值。

• 跟蹤長(zhǎng)度（Track Length, TL）：表示每個(gè)目標(biāo)被成功跟蹤的幀數(shù)。

• 跟蹤片段（Track Fragment, TF）：表示每個(gè)目標(biāo)被中斷跟蹤的次數(shù)。

• ID切換率（ID Switch Rate, ISR）：表示每個(gè)目標(biāo)被錯(cuò)誤地分配給另一個(gè)ID或從另一個(gè)ID切換過(guò)來(lái)的次數(shù)。

評(píng)價(jià)指標(biāo)詳細(xì)代碼：

首先，我們需要導(dǎo)入一些必要的庫(kù)，如numpy, scipy和sklearn。然后，我們需要定義一些輔助函數(shù)，如計(jì)算兩個(gè)3D邊界框之間的重疊比例（IoU），計(jì)算兩個(gè)3D點(diǎn)之間的歐氏距離，以及使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)。

這里也推薦「3D視覺(jué)工坊」新課程《面向自動(dòng)駕駛領(lǐng)域的3D點(diǎn)云目標(biāo)檢測(cè)全棧學(xué)習(xí)路線！(單模態(tài)+多模態(tài)/數(shù)據(jù)+代碼)》

import?numpy?as?npfrom?scipy.spatial.transform?import?Rotation?as?Rfrom?scipy.optimize?import?linear_sum_assignmentfrom?sklearn.metrics?import?pairwise_distances#?計(jì)算兩個(gè)3D邊界框之間的重疊比例（IoU）def?iou_3d(box1,?box2):????#?box1和box2都是7維向量，表示(x,?y,?z,?w,?l,?h,?yaw)????#?其中(x,?y,?z)是中心點(diǎn)坐標(biāo)，(w,?l,?h)是寬度、長(zhǎng)度和高度，yaw是偏航角????#?返回兩個(gè)邊界框之間的IoU值，范圍在[0,?1]????#?將邊界框轉(zhuǎn)換為8個(gè)頂點(diǎn)的矩陣????box1_corners?=?box_to_corners(box1)????box2_corners?=?box_to_corners(box2)????#?計(jì)算兩個(gè)邊界框在每個(gè)軸上的投影區(qū)間????box1_xmin?=?np.min(box1_corners[:,?0])????box1_xmax?=?np.max(box1_corners[:,?0])????box1_ymin?=?np.min(box1_corners[:,?1])????box1_ymax?=?np.max(box1_corners[:,?1])????box1_zmin?=?np.min(box1_corners[:,?2])????box1_zmax?=?np.max(box1_corners[:,?2])????box2_xmin?=?np.min(box2_corners[:,?0])????box2_xmax?=?np.max(box2_corners[:,?0])????box2_ymin?=?np.min(box2_corners[:,?1])????box2_ymax?=?np.max(box2_corners[:,?1])????box2_zmin?=?np.min(box2_corners[:,?2])????box2_zmax?=?np.max(box2_corners[:,?2])????#?計(jì)算兩個(gè)邊界框在每個(gè)軸上的交集區(qū)間????inter_xmin?=?max(box1_xmin,?box2_xmin)????inter_xmax?=?min(box1_xmax,?box2_xmax)????inter_ymin?=?max(box1_ymin,?box2_ymin)????inter_ymax?=?min(box1_ymax,?box2_ymax)????inter_zmin?=?max(box1_zmin,?box2_zmin)????inter_zmax?=?min(box1_zmax,?box2_zmax)????#?如果沒(méi)有交集，返回0????if?inter_xmax?<?inter_xmin?or?inter_ymax?<?inter_ymin?or?inter_zmax?<?inter_zmin:????????return?0.0????#?計(jì)算交集區(qū)域的體積????inter_vol?=?(inter_xmax?-?inter_xmin)?*?(inter_ymax?-?inter_ymin)?*?(inter_zmax?-?inter_zmin)????#?計(jì)算兩個(gè)邊界框的體積????box1_vol?=?(box1_xmax?-?box1_xmin)?*?(box1_ymax?-?box1_ymin)?*?(box1_zmax?-?box1_zmin)????box2_vol?=?(box2_xmax?-?box2_xmin)?*?(box2_ymax?-?box2_ymin)?*?(box2_zmax?-?box2_zmin)????#?計(jì)算并返回IoU值????iou?=?inter_vol?/?(box1_vol?+?box2_vol?-?inter_vol)????return?iou#?將7維向量表示的邊界框轉(zhuǎn)換為8個(gè)頂點(diǎn)的矩陣表示def?box_to_corners(box):????#?輸入是一個(gè)7維向量，表示(x,?y,?z,?w,?l,?h,?yaw)????#?輸出是一個(gè)8x3的矩陣，表示8個(gè)頂點(diǎn)的坐標(biāo)????#?提取邊界框的參數(shù)????x,?y,?z,?w,?l,?h,?yaw?=?box????#?計(jì)算旋轉(zhuǎn)矩陣????rot?=?R.from_euler('z',?yaw).as_matrix()????#?計(jì)算邊界框的中心點(diǎn)????center?=?np.array([x,?y,?z])????#?計(jì)算邊界框的8個(gè)頂點(diǎn)的相對(duì)坐標(biāo)????x_corners?=?np.array([w,?w,?-w,?-w,?w,?w,?-w,?-w])?/?2????y_corners?=?np.array([l,?-l,?-l,?l,?l,?-l,?-l,?l])?/?2????z_corners?=?np.array([h,?h,?h,?h,?-h,?-h,?-h,?-h])?/?2????corners?=?np.vstack((x_corners,?y_corners,?z_corners))????#?通過(guò)旋轉(zhuǎn)和平移，將相對(duì)坐標(biāo)轉(zhuǎn)換為絕對(duì)坐標(biāo)????corners?=?np.dot(rot,?corners).T?+?center????return?corners#?計(jì)算兩個(gè)3D點(diǎn)之間的歐氏距離def?euclidean_distance(point1,?point2):????#?point1和point2都是3維向量，表示(x,?y,?z)????#?返回兩個(gè)點(diǎn)之間的歐氏距離????#?計(jì)算兩個(gè)點(diǎn)之間的差異向量????diff?=?point1?-?point2????#?計(jì)算并返回歐氏距離????dist?=?np.sqrt(np.sum(diff?**?2))????return?dist#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)def?data_association(cost_matrix):????#?cost_matrix是一個(gè)m?x?n的矩陣，表示m個(gè)預(yù)測(cè)和n個(gè)觀測(cè)之間的代價(jià)（如距離或者負(fù)IoU）????#?返回一個(gè)長(zhǎng)度為m的向量，表示每個(gè)預(yù)測(cè)匹配的觀測(cè)的索引，如果沒(méi)有匹配，則為-1????#?使用scipy庫(kù)中的linear_sum_assignment函數(shù)，求解最小化總代價(jià)的匹配方案????row_ind,?col_ind?=?linear_sum_assignment(cost_matrix)????#?初始化匹配結(jié)果為-1????matches?=?np.full(cost_matrix.shape[0],?-1)????#?將匹配方案賦值給匹配結(jié)果????matches[row_ind]?=?col_ind????return?matches

接下來(lái)，我們需要定義一些評(píng)價(jià)指標(biāo)的計(jì)算函數(shù)，如AOR，ACE，SR，PR，MOTA，MOTP，TL，TF，ISR等。我們已經(jīng)有了預(yù)測(cè)的3D邊界框和真實(shí)的3D邊界框的列表，以及每個(gè)邊界框的置信度得分。我們還需要定義一些閾值，如重疊比例閾值（iou_threshold），中心點(diǎn)距離閾值（dist_threshold），置信度得分閾值（score_threshold）等，這些閾值將在代碼中具體給出。

這里再次推薦「3D視覺(jué)工坊」新課程《面向自動(dòng)駕駛領(lǐng)域的3D點(diǎn)云目標(biāo)檢測(cè)全棧學(xué)習(xí)路線！(單模態(tài)+多模態(tài)/數(shù)據(jù)+代碼)》

#?計(jì)算平均重疊率（AOR）def?average_overlap_rate(pred_boxes,?gt_boxes):???
?#?pred_boxes是一個(gè)p?x?7的矩陣，表示p個(gè)預(yù)測(cè)的3D邊界框?
????#?gt_boxes是一個(gè)g?x?7的矩陣，表示g個(gè)真實(shí)的3D邊界框??
??????#?返回平均重疊率（AOR）值????
??????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回0??
????????if?pred_boxes.shape[0]?==?0?or?gt_boxes.shape[0]?==?0:??????
??????????return?0.0????#?計(jì)算預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g???
???????????iou_matrix?=?np.zeros((pred_boxes.shape[0],?gt_boxes.shape[0]))???
????????????for?i?in?range(pred_boxes.shape[0]):??????
??????????????for?j?in?range(gt_boxes.shape[0]):??????????
????????????????iou_matrix[i][j]?=?iou_3d(pred_boxes[i],?gt_boxes[j])?
???????????????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果??
?????????????????????matches?=?data_association(-iou_matrix)??
???????????????????????#?計(jì)算并返回平均重疊率（AOR）值?
???????????????????????ace?=?np.mean(dist_matrix[matches?!=?-1])?
??????????????????????????return?ace#?計(jì)算成功率（SR）
??????????????????????????def?success_rate(pred_boxes,?gt_boxes,?iou_threshold=0.5):???
???????????????????????????#?pred_boxes是一個(gè)p?x?7的矩陣，表示p個(gè)預(yù)測(cè)的3D邊界框??
?????????????????????????????#?gt_boxes是一個(gè)g?x?7的矩陣，表示g個(gè)真實(shí)的3D邊界框?
????????????????????????????????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5?
???????????????????????????????????#?返回成功率（SR）值??
?????????????????????????????????????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回0??
???????????????????????????????????????if?pred_boxes.shape[0]?==?0?or?gt_boxes.shape[0]?==?0:
???????????????????????????????????????????????return?0.0?
??????????????????????????????????????????????????#?計(jì)算預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????iou_matrix?=?np.zeros((pred_boxes.shape[0],?gt_boxes.shape[0]))????for?i?in?range(pred_boxes.shape[0]):????????for?j?in?range(gt_boxes.shape[0]):????????????iou_matrix[i][j]?=?iou_3d(pred_boxes[i],?gt_boxes[j])????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????matches?=?data_association(-iou_matrix)????#?計(jì)算并返回成功率（SR）值????sr?=?np.sum(iou_matrix[matches?!=?-1]?>=?iou_threshold)?/?pred_boxes.shape[0]????return?sr#?計(jì)算精確率（PR）def?precision_rate(pred_boxes,?gt_boxes,?dist_threshold=1.0):????#?pred_boxes是一個(gè)p?x?7的矩陣，表示p個(gè)預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)g?x?7的矩陣，表示g個(gè)真實(shí)的3D邊界框????#?dist_threshold是一個(gè)浮點(diǎn)數(shù)，表示中心點(diǎn)距離的閾值，默認(rèn)為1.0????#?返回精確率（PR）值????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回0????if?pred_boxes.shape[0]?==?0?or?gt_boxes.shape[0]?==?0:????????return?0.0????#?提取預(yù)測(cè)和真實(shí)邊界框的中心點(diǎn)坐標(biāo)????pred_centers?=?pred_boxes[:,?:3]????gt_centers?=?gt_boxes[:,?:3]????#?計(jì)算預(yù)測(cè)和真實(shí)邊界框之間的中心點(diǎn)距離矩陣，大小為p?x?g????dist_matrix?=?pairwise_distances(pred_centers,?gt_centers)????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????matches?=?data_association(dist_matrix)????#?計(jì)算并返回精確率（PR）值????pr?=?np.sum(dist_matrix[matches?!=?-1]?<=?dist_threshold)?/?pred_boxes.shape[0]????return?pr#?計(jì)算多目標(biāo)跟蹤精度（MOTA）def?multiple_object_tracking_accuracy(pred_boxes,?gt_boxes,?iou_threshold=0.5):????#?pred_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的真實(shí)的3D邊界框????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5????#?返回多目標(biāo)跟蹤精度（MOTA）值????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回0????if?len(pred_boxes)?==?0?or?len(gt_boxes)?==?0:????????return?0.0????#?初始化漏檢數(shù)、誤檢數(shù)、ID切換數(shù)和總真實(shí)數(shù)為0????miss_count?=?0????false_count?=?0????switch_count?=?0????total_count?=?0????#?初始化上一時(shí)間步的匹配結(jié)果為空字典????prev_matches?=?{}????#?遍歷每個(gè)時(shí)間步????for?t?in?range(len(pred_boxes)):????????#?獲取當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框????????pred_box?=?pred_boxes[t]????????gt_box?=?gt_boxes[t]????????#?計(jì)算當(dāng)前時(shí)間步的真實(shí)邊界框的數(shù)量，并累加到總真實(shí)數(shù)中????????total_count?+=?gt_box.shape[0]????????#?如果當(dāng)前時(shí)間步?jīng)]有預(yù)測(cè)或真實(shí)邊界框，跳過(guò)該時(shí)間步????????if?pred_box.shape[0]?==?0?or?gt_box.shape[0]?==?0:????????????continue????????#?計(jì)算當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????????iou_matrix?=?np.zeros((pred_box.shape[0],?gt_box.shape[0]))????????for?i?in?range(pred_box.shape[0]):????????????for?j?in?range(gt_box.shape[0]):????????????????iou_matrix[i][j]?=?iou_3d(pred_box[i],?gt_box[j])????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????????matches?=?data_association(-iou_matrix)????????#?初始化當(dāng)前時(shí)間步的匹配結(jié)果為空字典????????curr_matches?=?{}????????#?遍歷每個(gè)預(yù)測(cè)邊界框????????for?i?in?range(pred_box.shape[0]):????????????#?如果沒(méi)有匹配的真實(shí)邊界框，或者重疊比例低于閾值，累加誤檢數(shù)，并跳過(guò)該預(yù)測(cè)邊界框????????????if?matches[i]?==?-1?or?iou_matrix[i][matches[i]]?<?iou_threshold:????????????????false_count?+=?1????????????????continue????????????#?獲取匹配的真實(shí)邊界框的索引????????????j?=?matches[i]????????????#?如果上一時(shí)間步有匹配的真實(shí)邊界框，并且ID不同，累加ID切換數(shù)????????????if?j?in?prev_matches?and?prev_matches[j]?!=?i:????????????????switch_count?+=?1????????????#?將當(dāng)前的匹配結(jié)果保存到字典中????????????curr_matches[j]?=?i????????#?遍歷每個(gè)真實(shí)邊界框????????for?j?in?range(gt_box.shape[0]):????????????#?如果沒(méi)有匹配的預(yù)測(cè)邊界框，累加漏檢數(shù)????????????if?j?not?in?curr_matches:????????????????miss_count?+=?1????????#?更新上一時(shí)間步的匹配結(jié)果為當(dāng)前的匹配結(jié)果????????prev_matches?=?curr_matches????#?計(jì)算并返回多目標(biāo)跟蹤精度（MOTA）值????mota?=?1?-?(miss_count?+?false_count?+?switch_count)?/?total_count????return?mota#?計(jì)算多目標(biāo)跟蹤精確度（MOTP）def?multiple_object_tracking_precision(pred_boxes,?gt_boxes,?iou_threshold=0.5):????#?pred_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的真實(shí)的3D邊界框????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5????#?返回多目標(biāo)跟蹤精確度（MOTP）值????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回0????if?len(pred_boxes)?==?0?or?len(gt_boxes)?==?0:????????return?0.0????#?初始化總匹配數(shù)和總重疊率為0????match_count?=?0????sum_iou?=?0.0????#?遍歷每個(gè)時(shí)間步????for?t?in?range(len(pred_boxes)):????????#?獲取當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框????????pred_box?=?pred_boxes[t]????????gt_box?=?gt_boxes[t]????????#?如果當(dāng)前時(shí)間步?jīng)]有預(yù)測(cè)或真實(shí)邊界框，跳過(guò)該時(shí)間步????????if?pred_box.shape[0]?==?0?or?gt_box.shape[0]?==?0:????????????continue????????#?計(jì)算當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????????iou_matrix?=?np.zeros((pred_box.shape[0],?gt_box.shape[0]))????????for?i?in?range(pred_box.shape[0]):????????????for?j?in?range(gt_box.shape[0]):????????????????iou_matrix[i][j]?=?iou_3d(pred_box[i],?gt_box[j])????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????????matches?=?data_association(-iou_matrix)????????#?遍歷每個(gè)預(yù)測(cè)邊界框????????for?i?in?range(pred_box.shape[0]):????????????#?如果沒(méi)有匹配的真實(shí)邊界框，或者重疊比例低于閾值，跳過(guò)該預(yù)測(cè)邊界框????????????if?matches[i]?==?-1?or?iou_matrix[i][matches[i]]?<?iou_threshold:????????????????continue????????????#?獲取匹配的真實(shí)邊界框的索引????????????j?=?matches[i]????????????#?累加匹配數(shù)和重疊率????????????match_count?+=?1????????????sum_iou?+=?iou_matrix[i][j]????#?計(jì)算并返回多目標(biāo)跟蹤精確度（MOTP）值????motp?=?sum_iou?/?match_count????return?motp#?計(jì)算跟蹤長(zhǎng)度（TL）def?track_length(pred_boxes,?gt_boxes,?iou_threshold=0.5):????#?pred_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的真實(shí)的3D邊界框????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5????#?返回一個(gè)字典，鍵為真實(shí)目標(biāo)的ID，值為對(duì)應(yīng)的跟蹤長(zhǎng)度????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回空字典????if?len(pred_boxes)?==?0?or?len(gt_boxes)?==?0:????????return?{}????#?初始化跟蹤長(zhǎng)度字典為空字典????tl_dict?=?{}????#?遍歷每個(gè)時(shí)間步????for?t?in?range(len(pred_boxes)):????????#?獲取當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框????????pred_box?=?pred_boxes[t]????????gt_box?=?gt_boxes[t]????????#?如果當(dāng)前時(shí)間步?jīng)]有預(yù)測(cè)或真實(shí)邊界框，跳過(guò)該時(shí)間步????????if?pred_box.shape[0]?==?0?or?gt_box.shape[0]?==?0:????????????continue????????#?計(jì)算當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????????iou_matrix?=?np.zeros((pred_box.shape[0],?gt_box.shape[0]))????????for?i?in?range(pred_box.shape[0]):????????????for?j?in?range(gt_box.shape[0]):????????????????iou_matrix[i][j]?=?iou_3d(pred_box[i],?gt_box[j])????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????????matches?=?data_association(-iou_matrix)????????#?遍歷每個(gè)預(yù)測(cè)邊界框????????for?i?in?range(pred_box.shape[0]):????????????#?如果沒(méi)有匹配的真實(shí)邊界框，或者重疊比例低于閾值，跳過(guò)該預(yù)測(cè)邊界框????????????if?matches[i]?==?-1?or?iou_matrix[i][matches[i]]?<?iou_threshold:????????????????continue????????????#?獲取匹配的真實(shí)邊界框的索引????????????j?=?matches[i]????????????#?如果真實(shí)目標(biāo)的ID已經(jīng)在跟蹤長(zhǎng)度字典中，累加1????????????if?j?in?tl_dict:????????????????tl_dict[j]?+=?1????????????#?否則，初始化為1????????????else:????????????????tl_dict[j]?=?1????#?返回跟蹤長(zhǎng)度字典????return?tl_dict#?計(jì)算跟蹤片段（TF）def?track_fragment(pred_boxes,?gt_boxes,?iou_threshold=0.5):????#?pred_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的真實(shí)的3D邊界框????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5????#?返回一個(gè)字典，鍵為真實(shí)目標(biāo)的ID，值為對(duì)應(yīng)的跟蹤片段數(shù)????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回空字典????if?len(pred_boxes)?==?0?or?len(gt_boxes)?==?0:????????return?{}????#?初始化跟蹤片段字典為空字典????tf_dict?=?{}????#?初始化上一時(shí)間步的匹配結(jié)果為空字典????prev_matches?=?{}????#?遍歷每個(gè)時(shí)間步????for?t?in?range(len(pred_boxes)):????????#?獲取當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框????????pred_box?=?pred_boxes[t]????????gt_box?=?gt_boxes[t]????????#?如果當(dāng)前時(shí)間步?jīng)]有預(yù)測(cè)或真實(shí)邊界框，跳過(guò)該時(shí)間步????????if?pred_box.shape[0]?==?0?or?gt_box.shape[0]?==?0:????????????continue????????#?計(jì)算當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????????iou_matrix?=?np.zeros((pred_box.shape[0],?gt_box.shape[0]))????????for?i?in?range(pred_box.shape[0]):????????????for?j?in?range(gt_box.shape[0]):????????????????iou_matrix[i][j]?=?iou_3d(pred_box[i],?gt_box[j])????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????????matches?=?data_association(-iou_matrix)????????#?初始化當(dāng)前時(shí)間步的匹配結(jié)果為空字典????????curr_matches?=?{}????????#?遍歷每個(gè)預(yù)測(cè)邊界框????????for?i?in?range(pred_box.shape[0]):????????????#?如果沒(méi)有匹配的真實(shí)邊界框，或者重疊比例低于閾值，跳過(guò)該預(yù)測(cè)邊界框????????????if?matches[i]?==?-1?or?iou_matrix[i][matches[i]]?<?iou_threshold:????????????????continue????????????#?獲取匹配的真實(shí)邊界框的索引????????????j?=?matches[i]????????????#?將當(dāng)前的匹配結(jié)果保存到字典中????????????curr_matches[j]?=?i????????????#?如果真實(shí)目標(biāo)的ID已經(jīng)在跟蹤片段字典中，且上一時(shí)間步?jīng)]有匹配該目標(biāo)，累加1????????????if?j?in?tf_dict?and?j?not?in?prev_matches:????????????????tf_dict[j]?+=?1????????????#?否則，初始化為1????????????elif?j?not?in?tf_dict:????????????????tf_dict[j]?=?1????????#?更新上一時(shí)間步的匹配結(jié)果為當(dāng)前的匹配結(jié)果????????prev_matches?=?curr_matches????#?返回跟蹤片段字典????return?tf_dict#?計(jì)算ID切換率（ISR）def?id_switch_rate(pred_boxes,?gt_boxes,?iou_threshold=0.5):????#?pred_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的預(yù)測(cè)的3D邊界框????#?gt_boxes是一個(gè)列表，長(zhǎng)度為t，表示t個(gè)時(shí)間步的真實(shí)的3D邊界框????#?iou_threshold是一個(gè)浮點(diǎn)數(shù)，表示重疊比例的閾值，默認(rèn)為0.5????#?返回一個(gè)字典，鍵為真實(shí)目標(biāo)的ID，值為對(duì)應(yīng)的ID切換次數(shù)????#?如果沒(méi)有預(yù)測(cè)或真實(shí)邊界框，返回空字典????if?len(pred_boxes)?==?0?or?len(gt_boxes)?==?0:????????return?{}????#?初始化ID切換率字典為空字典????isr_dict?=?{}????#?初始化上一時(shí)間步的匹配結(jié)果為空字典????prev_matches?=?{}????#?遍歷每個(gè)時(shí)間步????for?t?in?range(len(pred_boxes)):????????#?獲取當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框????????pred_box?=?pred_boxes[t]????????gt_box?=?gt_boxes[t]????????#?如果當(dāng)前時(shí)間步?jīng)]有預(yù)測(cè)或真實(shí)邊界框，跳過(guò)該時(shí)間步????????if?pred_box.shape[0]?==?0?or?gt_box.shape[0]?==?0:????????????continue????????#?計(jì)算當(dāng)前時(shí)間步的預(yù)測(cè)和真實(shí)邊界框之間的重疊比例矩陣，大小為p?x?g????????iou_matrix?=?np.zeros((pred_box.shape[0],?gt_box.shape[0]))????????for?i?in?range(pred_box.shape[0]):????????????for?j?in?range(gt_box.shape[0]):????????????????iou_matrix[i][j]?=?iou_3d(pred_box[i],?gt_box[j])????????#?使用匈牙利算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到匹配結(jié)果????????matches?=?data_association(-iou_matrix)????????#?初始化當(dāng)前時(shí)間步的匹配結(jié)果為空字典????????curr_matches?=?{}????????#?遍歷每個(gè)預(yù)測(cè)邊界框????????for?i?in?range(pred_box.shape[0]):????????????#?如果沒(méi)有匹配的真實(shí)邊界框，或者重疊比例低于閾值，跳過(guò)該預(yù)測(cè)邊界框????????????if?matches[i]?==?-1?or?iou_matrix[i][matches[i]]?<?iou_threshold:????????????????continue????????????#?獲取匹配的真實(shí)邊界框的索引????????????j?=?matches[i]????????????#?將當(dāng)前的匹配結(jié)果保存到字典中????????????curr_matches[j]?=?i????????????#?如果上一時(shí)間步有匹配的真實(shí)邊界框，并且ID不同，累加1????????????if?j?in?prev_matches?and?prev_matches[j]?!=?i:????????????????#?如果真實(shí)目標(biāo)的ID已經(jīng)在ID切換率字典中，累加1????????????????if?j?in?isr_dict:????????????????????isr_dict[j]?+=?1????????????????#?否則，初始化為1????????????????else:????????????????????isr_dict[j]?=?1????????#?更新上一時(shí)間步的匹配結(jié)果為當(dāng)前的匹配結(jié)果????????prev_matches?=?curr_matches????#?返回ID切換率字典????return?isr_dict

以上就是我?guī)痛蠹铱偨Y(jié)的3D點(diǎn)云目標(biāo)跟蹤中常見(jiàn)的評(píng)價(jià)指標(biāo)和代碼詳解，希望可以幫助到大家。

目前工坊已經(jīng)建立了3D視覺(jué)方向多個(gè)社群，包括SLAM、工業(yè)3D視覺(jué)、自動(dòng)駕駛方向，細(xì)分群包括：[工業(yè)方向]三維點(diǎn)云、結(jié)構(gòu)光、機(jī)械臂、缺陷檢測(cè)、三維測(cè)量、TOF、相機(jī)標(biāo)定、綜合群；[SLAM方向]多傳感器融合、ORB-SLAM、激光SLAM、機(jī)器人導(dǎo)航、RTK|GPS|UWB等傳感器交流群、SLAM綜合討論群；[自動(dòng)駕駛方向]深度估計(jì)、Transformer、毫米波|激光雷達(dá)|視覺(jué)攝像頭傳感器討論群、多傳感器標(biāo)定、自動(dòng)駕駛綜合群等。[三維重建方向]NeRF、colmap、OpenMVS等。除了這些，還有求職、硬件選型、視覺(jué)產(chǎn)品落地等交流群。大家可以添加小助理微信:?dddvisiona，備注：加群+方向+學(xué)校|公司, 小助理會(huì)拉你入群。