3. 数据预处理链路故障：图像畸变校正失败、点云降采样参数异常、数据增强导致标签偏移
数据预处理，说白了就是给模型「喂饭」的环节。饭要是馊了，模型再牛也白搭。我见过太多团队花几个月调模型，最后发现是数据预处理埋了雷。今天咱们就聊聊三个最常见的坑：图像畸变校正、点云降采样、数据增强。
3.1 图像畸变校正失败
相机镜头不是完美的。尤其是鱼眼、广角镜头，拍出来的图像边缘都是弯的。畸变校正就是把这个弯掰直。但掰不好，后果很严重。
典型故障现象： 模型在图像中心区域检测准确，到了边缘就疯狂漏检或误检。或者 BEV 视角下的车道线、路沿出现「波浪形」扭曲。
为什么会这样？ 说白了就是内参矩阵和畸变系数没对上。我遇到过一种情况：标定板拍了几十张图，结果有一张棋盘格角点检测错了，整个标定结果就偏了。你想想看，一个像素的偏差，在 30 米外可能就是半米的位置误差。
我个人习惯，拿到相机后第一件事就是做一次完整的标定验证。具体怎么做？
- 检查重投影误差：一般要求 < 0.5 像素。如果超过 1 像素，标定数据大概率有问题。
- 可视化验证：把校正后的图像和原始图像叠在一起看。重点关注图像边缘的直线（比如建筑物边缘、车道线）是否变直了。
- 交叉验证：用不同场景（白天、夜晚、不同距离）的图片跑一遍校正，看看结果是否一致。
避坑指南： 我曾经在量产项目上遇到一个问题——畸变校正后的图像边缘出现了「锯齿状」伪影。排查了两天才发现，是校正时插值方法选错了。用最近邻插值会导致边缘锯齿，用双线性插值会模糊。建议用双三次插值，效果最好。
3.2 点云降采样参数异常
激光雷达一秒钟出几十万个点。全喂给模型，计算量扛不住。所以得降采样。但降采样参数设不好，要么信息丢失，要么计算量没降下来。
常见的降采样方法有三种：
| 方法 | 原理 | 典型参数 | 常见故障 |
|---|---|---|---|
| 体素滤波 | 把空间分成小格子，每个格子保留一个点 | 体素大小 (0.1m, 0.1m, 0.1m) | 体素太大 → 小物体消失；体素太小 → 降采样效果差 |
| 随机采样 | 随机保留 N 个点 | 保留点数 (16384, 32768) | 点数太少 → 稀疏区域信息丢失；点数太多 → 内存爆炸 |
| 最远点采样 | 保留空间分布最均匀的 N 个点 | 保留点数 (1024, 2048) | 计算慢，且对远处小物体不友好 |
我在项目中遇到过最坑的一次：体素滤波设了 0.2m 的体素大小，结果一个行人（约 0.5m 宽）只被保留了 2-3 个点。模型根本认不出来。后来改成 0.1m，效果立竿见影。
我的经验： 体素大小不要超过目标物体最小尺寸的 1/3。比如你要检测行人（宽约 0.5m），体素最好 ≤ 0.15m。对于车辆（宽约 1.8m），体素可以放宽到 0.3m。
3.3 数据增强导致标签偏移
数据增强是提升模型泛化能力的好办法。但增强操作如果「伤及无辜」，把标签也改了，那就麻烦了。
常见的数据增强操作及其对标签的影响：
- 随机裁剪/缩放：图像变了，2D 框坐标必须跟着变。但 3D 框（BEV 视角）的物理位置不变，只是投影变了。
- 随机旋转：图像旋转了，2D 框要旋转，3D 框的朝向角也要旋转。很多人忘了改朝向角，导致模型学到的朝向全是错的。
- 颜色抖动/噪声：不影响标签。放心用。
- 点云随机抖动：点云位置变了，3D 框的位置也要跟着变。但框的尺寸和朝向不变。
- 点云随机丢弃：只丢弃点，不改变标签。但要注意，如果丢弃了某个物体的所有点，这个物体的标签就变成「无监督」了，模型会学歪。
我曾经踩过的坑： 做点云随机旋转增强时，只旋转了点云，忘了旋转 3D 框的朝向角。结果模型训练了 50 个 epoch，验证集上 mAP 死活上不去。后来一查，发现模型学到的朝向角分布是均匀的——因为增强后的数据里，朝向角是随机的，但标签没变。模型根本不知道哪个朝向是对的。
怎么避免标签偏移？ 我的做法是：
- 统一数据增强管线：把图像、点云、标签放在同一个变换矩阵下。旋转、平移、缩放都用同一个矩阵。
- 可视化验证：增强后，把图像/点云和标签画在一起，肉眼检查一遍。尤其是 3D 框的朝向角，一定要看箭头方向对不对。
- 写单元测试：对每个增强操作写一个测试用例。输入一个已知的样本，增强后检查标签是否正确。自动化跑，省心。
3.4 知识体系总览
下面这张图总结了数据预处理链路的三大故障及其排查思路。你可以把它当作一个快速检查清单。
嗯，数据预处理这块，说白了就是「细节是魔鬼」。我见过太多团队在模型结构上花大功夫，结果被预处理环节的 bug 拖垮。我的建议是：每次改预处理参数，都跑一遍可视化验证。别嫌麻烦，这比调模型结构划算多了。
一句话总结： 图像校正看边缘，点云降采样看小物体，数据增强看标签。三个环节都做可视化验证，基本不会出大问题。
可可精品资料库