BEVFormer报错（预测场景与真值场景的sample_token不匹配） ...

在运行test.py时报错：

BEVFormer/projects/mmdet3d_plugin/datasets/nuscnes_eval.py： init()函数报错

1. assert set(self.pred_boxes.sample_tokens) == set(self.gt_boxes.sample_tokens), \
2.     "Samples in split doesn't match samples in predictions."

复制代码

---

一、评估流程：

   整体流程：
  数据预处理：CustomNuScenesDataset (projects/mmdet3d_plugin/datasets/nuscenes_dataset.py)加载多帧数据，支持点云和图像的团结输入，增长了夜晚场景的专项处理。
评估流程：NuScenesEval_custom (projects/mmdet3d_plugin/datasets/nuscnes_eval.py) 提供机动的评估框架，支持按可见性、场景重叠等条件过滤数据，计算指标并可视化效果。

• 从 results_nusc.json 加载检测效果，包含6019个样本
  
• 通过 get_night_scenes() 获取val子会合的15个夜晚场景
  
• 过滤检测效果，只保留这15个夜晚场景的602帧数据
  
• 将过滤后的效果生存为新的json文件：filtered_results_nusc.json
  
• 使用 NuScenesEval_custom 举行评估：
  
  
  
  • 加载真值(GT)数据
    
  • 计算检测指标（mAP、NDS等）
    
  • 生成评估陈诉
    
  
  

results_nusc.json 文件中的内容

test/bevformer_base/Fri_Mar_21_01_24_36_2025/pts_bbox/results_nusc.json：

1. {
2.     "meta": {
3.         "use_lidar": false,
4.         "use_camera": true,
5.         "use_radar": false,
6.         "use_map": false,
7.         "use_external": true
8.     },
9.     "results": {
10.         "sample_token_1": [
11.             {
12.                 "sample_token": "xxx",
13.                 "translation": [x, y, z],
14.                 "size": [l, w, h],
15.                 "rotation": [w, x, y, z],
16.                 "velocity": [vx, vy],
17.                 "detection_name": "car",
18.                 "detection_score": 0.9,
19.                 "attribute_name": "vehicle.parked"
20.             },
21.             // ... 更多检测结果
22.         ],
23.         // ... 更多样本
24.     }
25. }

复制代码

---

二、错误缘故原由分析

NuScenesEval_custom 的 load_gt函数加载了整个 eval_set**（这里是 val）**的 ground truth 数据，而不是只加载与过滤后预测效果对应的样本。
效果是预测数据只有 602 个样本的 token，而 ground truth 有 6019 个样本的 token，导致断言失败。
三、办理方案

修改 NuScenesEval_custom 的初始化逻辑，确保 ground truth 只加载与预测效果匹配的样本 token，而不是整个 eval_set 的所有样本。可以通过以下步调实现：

• 获取预测效果的样本 token： 在加载预测效果后，提取 self.pred_boxes.sample_tokens。
  
• 过滤Ground Truth： 修改load_gt调用，使用预测效果的样本 token 集合来过滤 ground truth 数据。
  
• 更新 _evaluate_single： 将过滤后的样本 token 传递给 NuScenesEval_custom，确保评估只针对这602 个样本。
  

2. 在projects/mmdet3d_plugin/datasets/nuscnes_eval.py中的__init__中加入：
3.         # 只加载与预测结果匹配的 ground truth
4.         pred_sample_tokens = set(self.pred_boxes.sample_tokens)
5.         if verbose:
6.             print(f"Loading ground truth for {len(pred_sample_tokens)} predicted samples...")
7.         self.gt_boxes = load_gt(self.nusc, self.eval_set, DetectionBox_modified, verbose=verbose)
8.         self.gt_boxes = filter_by_sample_token(self.gt_boxes, pred_sample_tokens, verbose=verbose)
9.         # 验证样本 token 匹配
10.         assert set(self.pred_boxes.sample_tokens) == set(self.gt_boxes.sample_tokens), \
11.             "Samples in split don't match samples in predictions after filtering."

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。