kitti數(shù)據(jù)集label解析_hhhhhhzb的博客-CSDN博客_kitti數(shù)據(jù)集label其中第1列truck 表示圖中出現(xiàn)了卡車（一共有’Car’, ‘Van’, ‘Truck’,‘Pedestrian’, ‘Person_sitting’, ‘Cyclist’, ‘Tram’,‘Misc’ or 'DontCare’這些類別，Don’t care 是沒有3D標注的，原因是雷達掃不了那么遠，即使可以視覺檢測出來）第2列0.0表示其是否被截斷的程度為0。（如果車在圖片邊緣，那么就有可能發(fā)生部分被截斷的情況。用0-1 表示被截斷的程度。）第3列0表示沒有被遮擋。（0表示完全可見，1表示部分遮.https://blog.csdn.net/hhhhhhzb/article/details/117913706

KITTI數(shù)據(jù)集--參數(shù)_jilijilicao的博客-CSDN博客_kitti一、kitti數(shù)據(jù)集，label解析?16個數(shù)代表的含義：第1個字符串：代表物體類別'Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist','Tram',? 'Misc' or? 'DontCare'注意，’DontCare’ 標簽表示該區(qū)域沒有被標注，比如由于目標物體距離激光雷達太遠。為了防止在評估過...https://blog.csdn.net/cuichuanchen3307/article/details/80596689?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-80596689-blog-117913706.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-80596689-blog-117913706.pc_relevant_antiscanv2&utm_relevant_index=2

KITTI自動駕駛數(shù)據(jù)集可視化教程_自動駕駛小學生的博客-CSDN博客_kitti可視化https://blog.csdn.net/cg129054036/article/details/119516704

<center><font size=6 face="黑體">Kitti數(shù)據(jù)集相應(yīng)參數(shù)說明</font></center>

1、數(shù)據(jù)的制作設(shè)備及一些參數(shù)說明：

? 1）4路相機：

? camera_0：左邊灰度相機，<font color='red'>參考相機</font>

? camera_1：右邊灰度相機

? camera_2：左邊彩色相機

? camera_3：右邊彩色相機

? 2）一個激光雷達：用于生成點云數(shù)據(jù)

? 3）camera_0與camera_2、camera_1與camera_3的距離為0.06米

? 4）camera_0與camera_1、camera_2與camera_3的距離為0.54米

? 5）4路相機的高度都為1.65米

? 6）激光雷達的高度為1.73米

? 7）坐標系說明：

? 相機坐標系： x = right, y = down, z = forward

? 點云坐標系： x = forward, y = left, z = up

2、數(shù)據(jù)文件解釋

2.1 label txt

? 1）第1個值：代表類別，可以為['Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist','Tram', 'Misc' , 'DontCare']

? 2）第2個值：代表物體是否被截斷，從0到1浮動，0表示沒被截斷，1表示完全被截斷，即超出圖像范圍

? 3）第3個值：代表物體是否被遮擋，表示為整數(shù)0（完全可見）、1（小部分遮擋）、2（大部分遮擋）、3（完全遮擋）

? 4）第4個值：代表物體的觀察角度，可參考<font color=blue>這篇博客</font>的解釋

? 5）第5～8個值：代表物體的2D bounding box，分別為xmin、ymin、xmax、ymax

? 6）第9～11個值：代表物體的高寬長(hwl)（單位：米）

? 7）第12～14個值：代表3D bounding box的中心坐標（相機坐標系下）

2.2 point cloud file

一個bin文件為一張圖像的相應(yīng)點云，保存為Nx4的形式，4為(x, y, z, ref)，x, y, z為相應(yīng)的坐標（點云坐標系下），ref為反射率

2.3 calib txt

? 1）P0：3x4，3x3為相機內(nèi)參，最后一列為全0，對P0來說無意義

? 2）P1：3x4，3x3為相機內(nèi)參，該矩陣為校準后的camera_0相機坐標到camera_1圖像坐標的映射

? 3）P2：3x4，3x3為相機內(nèi)參，該矩陣為校準后的camera_0相機坐標到camera_2圖像坐標的映射

? 4）P3：3x4，3x3為相機內(nèi)參，該矩陣為校準后的camera_0相機坐標到camera_3圖像坐標的映射

? 5）R0_rect：3x3，參考坐標的校準旋轉(zhuǎn)矩陣。校準是使多路相機的圖像在同一個平面上

? 6）Tr_velo_to_cam：點云坐標到參考坐標（即camera_0坐標系）的映射矩陣

示例：

? 1、將label文件中的3D bounding box轉(zhuǎn)換到圖像坐標（以映射到左彩圖為例）：

? y_image = P2 * R0_rect * R0_rot * x_ref_coord

? 注：R0_rot為物體坐標到參考坐標的映射矩陣

? 2、將點云坐標映射到圖像坐標（以映射到左彩圖為例）：

? y_image = P2 * R0_rect * Tr_velo_to_cam * x_velo_coord

參考連接：

1、博客https://medium.com/test-ttile/kitti-3d-object-detection-dataset-d78a762b5a4

2、kitti官方論文http://ww.cvlibs.net/publications/Geiger2013IJRR.pdf

?

總結(jié)

以上是生活随笔為你收集整理的kitti数据集label解析和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。