bev-project/VISUALIZATION_README.md

# Phase 4B RMT-PPAD 评估结果可视化指南

## 📊 可视化工具概览

本项目提供了完整的评估结果可视化工具，帮助您直观地分析BEVFusion Phase 4B RMT-PPAD模型的性能。

## 🛠️ 可视化工具

### 1. 自动评估和可视化脚本 (`EVAL_AND_VISUALIZE.sh`)

**一键运行评估和可视化**：
```bash
cd /workspace/bevfusion
./EVAL_AND_VISUALIZE.sh
```

**功能**：
- ✅ 运行快速评估（602样本，10x降采样）
- ✅ 自动解析评估结果
- ✅ 生成可视化图表
- ✅ 输出性能摘要

**输出文件**：
```
eval_complete/complete_YYYYMMDD_HHMMSS/
├── fast_results.pkl              # 原始评估结果
├── eval.log                      # 评估日志
└── visualization/                # 可视化结果
    ├── bbox_metrics.png          # 3D检测指标图表
    ├── map_metrics.png           # BEV分割指标图表
    └── evaluation_summary.txt    # 性能摘要
```

### 2. 单独可视化脚本 (`VISUALIZE_RESULTS.py`)

**仅对已有结果进行可视化**：
```bash
cd /workspace/bevfusion
python VISUALIZE_RESULTS.py path/to/results.pkl --out-dir visualization
```

**参数**：
- `results_file`: 评估结果文件路径 (.pkl格式)
- `--out-dir`: 输出目录 (默认: visualization)

## 📈 可视化内容

### 3D检测指标图表 (`bbox_metrics.png`)
- **AP@0.5:0.95**: 平均精确率 (IoU 0.5-0.95)
- **AP@0.5**: 平均精确率 (IoU 0.5)
- **AP@0.75**: 平均精确率 (IoU 0.75)
- 支持类别：car, truck, bus, pedestrian等

### BEV分割指标图表 (`map_metrics.png`)
- **IoU**: 交并比
- **Dice**: Dice系数
- 支持类别：drivable_area, ped_crossing, walkway, divider等

### 性能摘要 (`evaluation_summary.txt`)
- 各类别详细指标
- 整体性能统计
- 评估时间戳

## 🔍 手动可视化方法

### 使用MMDetection3D内置工具

#### 可视化单样本预测结果：
```bash
cd /workspace/bevfusion
python tools/visualize_single.py \
    configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/multitask_BEV2X_phase4b_rmtppad_segmentation.yaml \
    --mode pred \
    --checkpoint runs/run-4c8ec7e5-fabdc997/epoch_1.pth \
    --split val \
    --out-dir viz_pred
```

#### 可视化Ground Truth：
```bash
python tools/visualize_single.py \
    configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/multitask_BEV2X_phase4b_rmtppad_segmentation.yaml \
    --mode gt \
    --split val \
    --out-dir viz_gt
```

#### 可视化向量地图：
```bash
python tools/visualize_vector_map.py \
    --data-root data/nuscenes \
    --split val \
    --out-dir viz_map
```

## 📋 评估结果解析

### 结果文件结构
```python
{
    'bbox': {           # 3D检测结果
        'car_ap': 0.789,
        'car_ap_0.5': 0.856,
        'truck_ap': 0.723,
        # ... 其他类别
    },
    'map': {            # BEV分割结果
        'drivable_area': {
            'IoU': 0.834,
            'Dice': 0.876
        },
        # ... 其他类别
    }
}
```

### 关键指标说明

#### 3D检测 (bbox)
- **NDS**: NuScenes Detection Score (综合指标)
- **mAP**: Mean Average Precision
- **AP@0.5**: IoU=0.5时的精确率
- **AP@0.75**: IoU=0.75时的精确率

#### BEV分割 (map)
- **IoU**: Intersection over Union
- **Dice**: Dice Similarity Coefficient
- **mIoU**: Mean IoU (所有类别的平均)

## 🚀 使用建议

1. **快速验证**: 使用 `EVAL_AND_VISUALIZE.sh` 进行完整的评估和可视化
2. **详细分析**: 使用 `VISUALIZE_RESULTS.py` 单独分析已有结果
3. **单样本检查**: 使用MMDetection3D工具检查具体样本
4. **性能对比**: 在训练过程中定期运行可视化，跟踪性能变化

## 📊 示例输出

运行完整评估后，您将得到类似以下的可视化结果：

```
Phase 4B RMT-PPAD 评估结果摘要
========================================

🚗 3D检测性能:
  NDS: 0.456
  car: AP@0.5:0.95 = 0.723, AP@0.5 = 0.856
  truck: AP@0.5:0.95 = 0.645, AP@0.5 = 0.789
  pedestrian: AP@0.5:0.95 = 0.567, AP@0.5 = 0.723

🗺️ BEV分割性能:
  drivable_area: IoU = 0.834, Dice = 0.876
  divider: IoU = 0.723, Dice = 0.801
  ped_crossing: IoU = 0.645, Dice = 0.756
  平均IoU: 0.745, 平均Dice: 0.812
```

可视化图表将以PNG格式保存，方便在报告或演示中使用。