mmdetection3d
MMDetection3D 是 OpenMMLab 推出的新一代通用 3D 物体检测开源平台，旨在为自动驾驶、机器人感知等场景提供强大的三维视觉分析能力。它核心解决了从激光雷达点云、多视角图像或融合数据中，精准识别并定位三维空间内物体（如车辆、行人）的技术难题，让机器能够像人类一样理解立体环境。
这款工具特别适合计算机视觉领域的研究人员、算法工程师以及高校开发者使用。无论是希望复现前沿论文模型，还是需要在实际项目中快速部署 3D 检测功能，MMDetection3D 都能提供坚实支持。其独特亮点在于高度模块化的架构设计，内置了丰富的主流算法库（如 PointPillars、MVX-Net 等）和标准数据集接口。用户无需从零编写底层代码，即可通过简洁的配置灵活组合网络组件，轻松实现新方法的验证与对比。凭借完善的文档和社区支持，MMDetection3D 显著降低了 3D 视觉技术的入门门槛，是推动三维感知技术从理论研究走向产业落地的得力助手。
使用场景
某自动驾驶初创团队正在开发城市道路感知系统，急需从激光雷达点云数据中高精度地识别车辆、行人及障碍物。
没有 mmdetection3d 时
- 算法复现困难：团队需手动从零复现 PointPillars 或 VoxelNet 等经典论文代码，耗时数周且极易出现与原文不一致的 Bug。
- 数据格式混乱：不同数据集（如 KITTI、nuScenes）的点云格式差异巨大，需要编写大量重复的脚本进行清洗和对齐。
- 模型对比低效：缺乏统一的评估基准，更换骨干网络或调整锚框策略时，难以快速量化性能提升，导致迭代方向模糊。
- 部署门槛极高：训练好的模型缺乏标准化的导出接口，移植到车载嵌入式设备时需要耗费大量精力重写推理引擎。
使用 mmdetection3d 后
- 开箱即用模型：直接调用内置的 20+ 种主流 3D 检测算法和预训练权重，将算法验证周期从数周缩短至几天。
- 统一数据加载：利用其标准化的数据接口，一键适配多种公开数据集，彻底消除了繁琐的数据预处理工作。
- 模块化实验：通过修改配置文件即可灵活组合不同的骨干网络、颈部结构和损失函数，快速完成多方案性能对比。
- 顺畅落地部署：借助完善的模型转换工具链，可轻松将训练好的模型导出为 ONNX 或 TensorRT 格式，加速车端实时推理。
mmdetection3d 通过标准化的全流程框架，让研发团队从重复造轮子中解放出来，专注于核心场景的算法优化与落地。
运行环境要求
- Linux
需要 NVIDIA GPU (基于 PyTorch/CUDA)，具体型号和显存未说明，需支持 CUDA
未说明
快速开始
English | 简体中文
简介
MMDetection3D 是一个基于 PyTorch 的开源目标检测工具箱，旨在打造下一代通用 3D 检测平台。它是 OpenMMLab 项目的一部分。
主分支支持 PyTorch 1.8+。
主要特性
开箱即用的多模态/单模态检测器支持
直接支持包括 MVXNet、VoteNet、PointPillars 等在内的多模态和单模态检测器。
开箱即用的室内/室外 3D 检测支持
直接支持流行的室内和室外 3D 检测数据集，包括 ScanNet、SUNRGB-D、Waymo、nuScenes、Lyft 和 KITTI。对于 nuScenes 数据集，我们也支持 nuImages 数据集。
与 2D 检测的自然集成
MMDetection 中支持的 40 多篇论文中的 300 多种模型和方法，以及所有模块，都可以在此代码库中进行训练或使用。
高效性
它的训练速度比其他代码库更快。主要结果如下所示。详细信息请参阅 benchmark.md。我们比较每秒训练的样本数（数值越高越好）。其他代码库不支持的模型以
✗标示。方法 MMDetection3D OpenPCDet votenet Det3D VoteNet 358 ✗ 77 ✗ PointPillars-car 141 ✗ ✗ 140 PointPillars-3class 107 44 ✗ ✗ SECOND 40 30 ✗ ✗ Part-A2 17 14 ✗ ✗
与 MMDetection 和 MMCV 类似，MMDetection3D 也可以作为库来支持在其基础上构建的各种项目。
最新动态
亮点
在 1.4 版本中，MMDetection3D 对 Waymo 数据集进行了重构，并加速了 Waymo 数据集的预处理、训练/测试设置以及评估流程。此外，我们还扩展了对基于摄像头的 3D 目标检测模型的支持，例如单目和 BEV 模式下的 Waymo 数据集。关于 Waymo 数据的详细说明请参见 这里。
另外，在 1.4 版本中，MMDetection3D 提供了 Waymo-mini，帮助社区用户快速上手 Waymo 数据，并用于快速迭代开发。
v1.4.0 于 2024 年 8 月 1 日发布：
v1.3.0 于 2023 年 10 月 18 日发布：
- 在
projects中支持 CENet - 使用新的 3D 推理器增强演示效果
v1.2.0 于 2023 年 7 月 4 日发布：
- 在
mmdet3d/configs中支持 新型配置文件格式 - 在
projects中支持 DSVT 的推理 - 支持使用
mim从 OpenDataLab 下载数据集
v1.1.1 于 2023 年 5 月 30 日发布：
- 在
projects中支持 TPVFormer - 在
projects中支持 BEVFusion 的训练 - 支持基于激光雷达的 3D 语义分割基准测试
安装
请参阅 安装指南 获取安装说明。
入门指南
有关详细的用户指南和高级指南，请参阅我们的文档：
高级指南
基准与模型库概览
结果和模型可在模型库中找到。
| 骨干网络 | 检测头 | 特征提取模块 |
|
| 基于LiDAR的3D目标检测 | 基于相机的3D目标检测 | 多模态3D目标检测 | 3D语义分割 |
|
|
|
|
| ResNet | VoVNet | Swin-T | PointNet++ | SECOND | DGCNN | RegNetX | DLA | MinkResNet | Cylinder3D | MinkUNet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| SECOND | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointPillars | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| FreeAnchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| VoteNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3DNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Part-A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MVXNet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterPoint | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| ImVoteNet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCOS3D | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Group-Free-3D | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| ImVoxelNet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PAConv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SMOKE | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MonoFlex | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylinder3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| MinkUNet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| SPVCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| BEVFusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterFormer | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TR3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| DETR3D | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PETR | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TPVFormer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
注： MMDetection 支持的 500 多种模型和 90 多篇论文中的方法，均可在此代码库中进行训练或使用。
常见问题解答
有关常见问题，请参阅 FAQ。
贡献说明
我们非常欢迎所有有助于改进 MMDetection3D 的贡献。请参阅 CONTRIBUTING.md 以获取贡献指南。
致谢
MMDetection3D 是一个开源项目，由来自不同院校和公司的研究人员与工程师共同贡献而成。我们感谢所有贡献者以及提供宝贵反馈的用户。我们希望这个工具箱和基准测试能够为不断壮大的研究社区服务，提供一个灵活的工具集，用于复现现有方法并开发新的 3D 检测器。
引用
如果您在研究中发现本项目有用，请考虑引用：
@misc{mmdet3d2020,
title={{MMDetection3D: OpenMMLab}下一代通用 3D 物体检测平台},
author={MMDetection3D Contributors},
howpublished = {\url{https://github.com/open-mmlab/mmdetection3d}},
year={2020}
}
许可证
本项目采用 Apache 2.0 许可证 发布。
OpenMMLab 中的项目
- MMEngine：OpenMMLab 用于训练深度学习模型的基础库。
- MMCV：OpenMMLab 用于计算机视觉的基础库。
- MMEval：一个面向多种机器学习框架的统一评估库。
- MIM：MIM 用于安装 OpenMMLab 的相关软件包。
- MMPreTrain：OpenMMLab 的预训练工具箱及基准测试平台。
- MMDetection：OpenMMLab 的目标检测工具箱及基准测试平台。
- MMDetection3D：OpenMMLab 面向通用 3D 物体检测的新一代平台。
- MMRotate：OpenMMLab 的旋转目标检测工具箱及基准测试平台。
- MMyOLO：OpenMMLab 的 YOLO 系列工具箱及基准测试平台。
- MMSegmentation：OpenMMLab 的语义分割工具箱及基准测试平台。
- MMOCR：OpenMMLab 的文本检测、识别与理解工具箱。
- MMPose：OpenMMLab 的人体姿态估计工具箱及基准测试平台。
- MMHuman3D：OpenMMLab 的 3D 人体参数化模型工具箱及基准测试平台。
- MMSelfSup：OpenMMLab 的自监督学习工具箱及基准测试平台。
- MMRazor：OpenMMLab 的模型压缩工具箱及基准测试平台。
- MMFewShot：OpenMMLab 的小样本学习工具箱及基准测试平台。
- MMAction2：OpenMMLab 的新一代动作理解工具箱及基准测试平台。
- MMTracking：OpenMMLab 的视频感知工具箱及基准测试平台。
- MMFlow：OpenMMLab 的光流估计工具箱及基准测试平台。
- MMagic：OpenMMLab Advanced, Generative and Intelligent Creation toolbox。
- MMGeneration：OpenMMLab 的图像和视频生成模型工具箱。
- MMDeploy：OpenMMLab 的模型部署框架。
版本历史
v1.4.02024/01/08v1.3.02023/10/19v1.2.02023/07/04v1.1.12023/05/31v1.1.02023/04/19v1.1.0rc32023/01/10v1.0.0rc62022/12/16v1.1.0rc22022/12/03v1.1.0rc12022/10/17v1.0.0rc52022/10/17v1.1.0rc02022/09/01v1.0.0rc42022/08/08v1.0.0rc32022/06/14v1.0.0rc22022/05/02v1.0.0rc12022/04/06v1.0.0rc02022/03/01v0.18.12022/02/09v0.18.02022/01/05v0.17.32021/12/06v0.17.22021/11/02常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备