---license: Apache License 2.0 tasks:- Domain-Specific Large Models- Object Detection---# 通用点云3D目标检测## 1. 任务简介点云3D目标检测作为3D目标检测的任务之一，基于点云数据预测目标的3D框，被广泛应用于自动驾驶等领域。点云是点的集合，是非结构化的数据，点与点之间没有顺序或位置上的关系，点云提供物体的三维结构信息，但不包括语义和纹理信息。点击右上角 `创建模型产线` 选择配置好的GPU、CPU环境，可以快速体验效果。<center><img src="https://github.com/PaddlePaddle/Paddle3D/assets/30919197/6ae98d75-8dcb-4e0e-a7ea-398558a9e132" width="600"> </center>## 2. 模型选择和训练本产线提供了CenterPoint方案，可点击右上角 `创建模型产线` 体验方案的效果。当通用任务无法满足特定场景时，推荐基于自有数据进行模型训练：| 场景方案 | 3DmAP (%)| NDS (%) | GPU 推理耗时(ms) | CPU 推理耗时(ms) | 模型存储大小 (MB)| 启动训练 | | -------- | -------- | -------- | -------- | -------- | --- | -- || CenterPoint |50.79 |61.30| 34.0 | - | 24.5 |[训练](https://aistudio.baidu.com/aistudio/modelsdetail?modelId=299)|**注：以上精度指标为 Nuscenes 验证集 3DmAP 和 NDS，GPU 推理耗时基于 NVIDIA Tesla T4 机器，精度类型为 FP32。由于存在自定义算子，CPU 推理暂不支持。**## 3 模型部署- 部署支持情况：| 操作系统 | 支持硬件 | 支持接口 || -------- | -------- | -------- || Windows/Linux | NV GPU / X86 CPU | C++ / Python |- 部署流程：1、点击右上角 `创建模型产线` ，完成模型训练后，在`工具箱模式`，根据实际部署硬件，选择下载 `FastDeploy` 部署包到本地，其中包括部署代码和预测模型；2、参考部署包里面的Readme使用说明，在目标硬件上进行部署。**注意：如果需要更新预测模型，可以直接修改部署包中的预测模型。**