fcos3d评测metric部分的问题，主要是velocity的问题

1. 和芯片无关

2. 和板卡无关

3. 天工开物开发包 OpenExplorer 版本：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.8.1，容器docker内开发

4. fcos3d模型的训练 + 训练数据集3D框可视化 + predict可视化

5. nuscenes数据集训练fcos3d模型，输入给模型的数据存在问题，导致fcos3d模型在validation作metric的时候，velocity是错误的

因为相机坐标系的xz平面和自车坐标系的xy平面不平行，导致了输入的velocity数据存在问题

经过坐标系变换以后，到了相机坐标系，此时的velocity也变换到相机坐标系了，最开始的velocity是global的，也就是x, y方向，z = 0，若是相机的安装不水平，导致相机坐标系的xz平面和地面不平行，会导致velocity在相机坐标系下面的y轴分量!=0，此时只选取velocity = self.velocity[0::2]，也就是xz分量是不够的，因为此时xz并不是水平面，正确的方案应该是输入xyz三个方向的velocity，metric也使用三个方向的。而不是默认自车坐标系下面的z方向velocity=0，也不能默认相机坐标系下面的y方向velocity=0

predict的时候，velocity也是预测相机坐标系下面的xz分量，没有y分量，导致了metric的时候，也存在问题的

这里的 velocity = (bbox[7], 0.0, bbox[8])，默认 y分量是0，但实际上y分量不是0，def update(self, metas, pred_bboxes)这个函数再次对坐标系做了变换def _cam_to_ego(self, bbox, meta):，得到的自车ego坐标系下面的速度就是错误的，不对的，也就是不能还原最开始的GT，metric计算的过程应该是存在问题的

box = self._ego_to_global(box, m)再次变换得不到最开始的velocity信息

方案1

当前改动较小的解决方案，不妨假定当前的数据默认在自车坐标系ego，yaw角用最开始的ego坐标系下面没做任何变换的yaw角，不使用相机坐标系下面的yaw角，velocity使用ego坐标系下面的没做任何变换的velocity，也就是送入网络的是ego坐标系下面的(x, y)方向的velocity，网络也predict自车ego坐标系下面的xy方向的velocity，实际评测的时候，输入metric.py的GT也是自车坐标系下面的xy方向的velocity，保证了对齐，yaw角同理的呢

方案2

修改网络结构，输入相机坐标系下面的x,y,z方向的velocity，网络预测相机坐标系下面的xyz方向的velocity，metric.py的GT也是ego自车下面的xyz方向的velocity，metric.py的predict经过坐标系变换，变换到自车坐标系，此时的velocity才是正确的