本文介紹關(guān)于自動駕駛數(shù)據(jù)集KITTI的基本操作，包括Camera和LiDAR可視化教程，源碼已上傳：https://download.csdn.net/download/cg129054036/20907604

---

1. 數(shù)據(jù)準(zhǔn)備

將 KITTI 數(shù)據(jù) (calib, image_2, label_2, velodyne) 添加到 dataset/KITTI/object/training文件夾下。
目錄文件結(jié)構(gòu)如下：

├── dataset │ ├── KITTI │ │ ├── object │ │ │ ├──KITTI │ │ │ ├──ImageSets │ │ │ ├──training │ │ │ ├──calib & velodyne & label_2 & image_2 ├── kitti_object.py ├── kitti_test.py ├── kitti_util.py ├── viz_util.py

---

2. Requirements

為了顯示物體 2D bbox 和 3D bbox，Ubuntu系統(tǒng)需要安裝以下工具：

• mayavi
• pillow
• vtk
• opencv
• PIL
• matplotlib
• numpy

---

3. 可視化操作

下面依次展示 KITTI 數(shù)據(jù)集可視化結(jié)果，可視化操作代碼存放在 kitti_test.py 文件中，這里通過設(shè)置 data_idx=10 來展示編號為000010的數(shù)據(jù)，共有9種可視化操作，依次為：

• 圖片顯示
• 圖片上繪制2D bbox
• 圖片上繪制3D bbox
• Lidar在圖片上投影
• LidarFOV圖
• Lidar三維可視化
• Lidar繪制3D bbox
• Lidar鳥瞰圖
• Lidar鳥瞰圖繪制2D bbox

代碼中dataset需要修改為數(shù)據(jù)集實(shí)際路徑。

def visualization():import mayavi.mlab as mlabdataset = kitti_object(os.path.join(ROOT_DIR, '../dataset/KITTI/object')) # determine data_idxdata_idx = 10# Load data from datasetobjects = dataset.get_label_objects(data_idx) print("There are %d objects.", len(objects))img = dataset.get_image(data_idx) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)img_height, img_width, img_channel = img.shape pc_velo = dataset.get_lidar(data_idx)[:,0:3] calib = dataset.get_calibration(data_idx)

(1) 圖片顯示

Image.fromarray(img).show()

(2) 圖片上繪制2D bbox

這里KITTI 數(shù)據(jù)集給出了目標(biāo)在圖片上的坐標(biāo)位置 （Xmin, Ymin, Xmax， Ymax），直接繪圖即可。

show_image_with_boxes(img, objects, calib, False)

(3) 圖片上繪制3D bbox

繪制物體 3D bbox時，需要進(jìn)行坐標(biāo)系轉(zhuǎn)換，KITTI 數(shù)據(jù)集中給出的是物體在相機(jī)坐標(biāo)系的位置 (x,y,z)，根據(jù)物體 bbox 尺寸(h,w,l) 首先計(jì)算 3D bbox 8個頂點(diǎn)坐標(biāo)，然后借助標(biāo)定文件將其轉(zhuǎn)換為圖片坐標(biāo)系坐標(biāo) (u, v)。

show_image_with_boxes(img, objects, calib, True)

(4) Lidar在圖片上投影

將 Lidar 坐標(biāo)下各 point 坐標(biāo)轉(zhuǎn)換為圖片坐標(biāo)系下坐標(biāo)，然后根據(jù)圖片尺寸選取投影點(diǎn)。

show_lidar_on_image(pc_velo, img, calib, img_width, img_height)

(5) LidarFOV圖

imgfov_pc_velo, pts_2d, fov_inds = get_lidar_in_image_fov(pc_velo, calib, 0, 0, img_width, img_height, True) draw_lidar(imgfov_pc_velo, show=True)

(6) Lidar三維可視化

draw_lidar(pc_velo, show=True)

(7) Lidar繪制3D bbox

繪制Lidar3D bbox時，需要進(jìn)行坐標(biāo)系轉(zhuǎn)換，KITTI 數(shù)據(jù)集中給出的是物體在相機(jī)坐標(biāo)系的位置(x,y,z)，這里借助標(biāo)定文件將其轉(zhuǎn)換為Lidar坐標(biāo)系下位置，同時借助物體bbox 尺寸(h,w,l)計(jì)算3D框8個頂點(diǎn)坐標(biāo)。

show_lidar_with_boxes(pc_velo, objects, calib, True, img_width, img_height)

(8) Lidar鳥瞰圖

鳥瞰圖繪制時將點(diǎn)云數(shù)據(jù)進(jìn)行了預(yù)處理，只選取 x 坐標(biāo)位于[0,70.4]，y坐標(biāo)位于[-40,40]的有效點(diǎn)。

show_lidar_topview(pc_velo, objects, calib)

(9) Lidar鳥瞰圖繪制2D bbox

繪制時為了區(qū)分物體距激光雷達(dá)距離，將30米內(nèi)目標(biāo)使用綠色標(biāo)志，30米-50米內(nèi)目標(biāo)使用紅色標(biāo)志，50米以外目標(biāo)使用藍(lán)色標(biāo)志（場景0000010無此距離目標(biāo)。）

img1 = cv2.imread('000010_BEV.png') img = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB) show_lidar_topview_with_boxes(img1, objects, calib)

總結(jié)

以上是生活随笔為你收集整理的KITTI自动驾驶数据集可视化教程的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。