????????KITTI數(shù)據(jù)集的詳細(xì)介紹網(wǎng)絡(luò)上已經(jīng)有較多資料，這里就不詳細(xì)介紹。這里主要介紹接下來三維點云深度學(xué)習(xí)模型可能用到的數(shù)據(jù)文件。

1 KITTI 激光雷達(dá)數(shù)據(jù)存儲結(jié)構(gòu)

????????KITTI數(shù)據(jù)集包含多個文件夾，這里將介紹激光雷達(dá)數(shù)據(jù)，即data_object_velodyne。其他數(shù)據(jù)，將在后續(xù)算法介紹過程中逐步更新。

????????為了方便后續(xù)進(jìn)行模型調(diào)試，這里建立一個小的KITTI激光雷達(dá)數(shù)據(jù)集， mini data_object_veloyne。data_object_veloyne_mini的文件結(jié)構(gòu)與KITTI原始數(shù)據(jù)保持一致。該數(shù)據(jù)的下載地址為：minikitti數(shù)據(jù)集-深度學(xué)習(xí)文檔類資源-CSDN下載。如果需要對應(yīng)的ImageSets，請下載：train_val_testforminikitti-深度學(xué)習(xí)文檔類資源-CSDN下載，將下載的文件夾重名為ImageSets即可。

?關(guān)于KITTI各個部分的介紹請分別參考以下內(nèi)容：

KITTI數(shù)據(jù)集簡介（一） — 激光雷達(dá)數(shù)據(jù)_Coding的葉子的博客-CSDN博客_雷達(dá)數(shù)據(jù)集

KITTI數(shù)據(jù)集簡介（二） — 標(biāo)注數(shù)據(jù)label_2_Coding的葉子的博客-CSDN博客_kitti數(shù)據(jù)集標(biāo)注

KITTI數(shù)據(jù)集簡介（三） — 圖像數(shù)據(jù)image_2_Coding的葉子的博客-CSDN博客

KITTI數(shù)據(jù)集簡介（四） — 圖像數(shù)據(jù)calib_Coding的葉子的博客-CSDN博客

????????解壓下載后的文件，包含了training和testing兩個文件夾，這兩個文件夾下各自包含一個velodyne文件夾。velodyne文件夾下存儲了點云文件，以bin格式存儲。激光雷達(dá)坐標(biāo)系中，z方向是高度方向，x方向是汽車前進(jìn)方向，前進(jìn)左手邊方向為y方向，滿足右手定則。?velodyne文件是激光雷達(dá)的測量數(shù)據(jù)（繞其垂直軸（逆時針）連續(xù)旋轉(zhuǎn)），激光雷達(dá)參數(shù)如下：

1 × Velodyne HDL-64E rotating 3D laser scanner, 10 Hz, 64 beams, 0.09 degree angular resolution, 2 cm distance accuracy, collecting ～ 1.3 million points/second, field of view: 360? horizontal, 26.8? vertical, range: 120 m

????????以“000000.bin”文件為例，點云數(shù)據(jù)以浮點二進(jìn)制文件格式存儲，每行包含8個數(shù)據(jù)，每個數(shù)據(jù)由四位十六進(jìn)制數(shù)表示（浮點數(shù)），每個數(shù)據(jù)通過空格隔開。一個點云數(shù)據(jù)由四個浮點數(shù)數(shù)據(jù)構(gòu)成，分別表示點云的x、y、z、r（強(qiáng)度 or 反射值）。

????????KITTI激光雷達(dá)文件夾下的訓(xùn)練點云數(shù)量有7481個，即7481個bin文件，共13.2GB大小。測試點云數(shù)量有7518個，即7518個bin文件，共13.4GB大小。Mini版的訓(xùn)練點云數(shù)量為20，測試點云數(shù)量為5。Mini版KITTI激光雷達(dá)數(shù)據(jù)集下載地址為：kittimini版激光雷達(dá)數(shù)據(jù)-深度學(xué)習(xí)文檔類資源-CSDN下載。

2 KITTI bin點云文件讀取與可視化

????????Bin點云文件介紹與讀取請參考：點云格式介紹（四）_Coding的葉子的博客-CSDN博客_bin點云。以“000001.bin”文件為例，其讀取程序如下所示。

# -*- coding: utf-8 -*- """ 樂樂感知學(xué)堂公眾號 @author: https://blog.csdn.net/suiyingy """from mayavi import mlab import numpy as npdef viz_mayavi(points, vals="distance"):x = points[:, 0] # x position of pointy = points[:, 1] # y position of pointz = points[:, 2] # z position of pointfig = mlab.figure(bgcolor=(0, 0, 0), size=(640, 360))mlab.points3d(x, y, z,z, # Values used for Colormode="point",colormap='spectral', # 'bone', 'copper', 'gnuplot'# color=(0, 1, 0), # Used a fixed (r,g,b) insteadfigure=fig,)mlab.show()if __name__ == '__main__':points = np.fromfile('000001.bin', dtype=np.float32).reshape([-1, 4])viz_mayavi(points)

3 KITTI bin點云文件可視化結(jié)果

???????

python三維點云從基礎(chǔ)到深度學(xué)習(xí)_Coding的葉子的博客-CSDN博客_3d點云 python從三維基礎(chǔ)知識到深度學(xué)習(xí)，將按照以下目錄持續(xù)進(jìn)行更新。更新完成的部分可以在三維點云專欄中查看。https://blog.csdn.net/suiyingy/category_11740467.htmlhttps://blog.csdn.net/suiyingy/category_11740467.html1、點云格式介紹（已完成）常見點云存儲方式有pcd、ply、bin、txt文件。open3d讀寫pcd和plhttps://blog.csdn.net/suiyingy/article/details/124017716更多三維、二維感知算法和金融量化分析算法請關(guān)注“樂樂感知學(xué)堂”微信公眾號，并將持續(xù)進(jìn)行更新。

總結(jié)

以上是生活随笔為你收集整理的【KITTI】KITTI数据集简介（一） — 激光雷达数据的全部內(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。