「3D Object Detection」Lidar Part : First Taste

最新推荐文章于 2022-02-10 07:00:00 发布

Liiipseoroinis

最新推荐文章于 2022-02-10 07:00:00 发布

阅读量2.1k

点赞数

分类专栏： 3dObjectDetection 文章标签： 3d 目标检测自动驾驶点云

本文链接：https://blog.youkuaiyun.com/Liiipseoroinis/article/details/121947894

版权

KITTIdataset是自动驾驶研究的重要资源，包含3D点云、图像和雷达数据，用于深度估计、光流、分割和检测任务。点云数据由64线激光雷达生成，具有特定的坐标框架和数据格式。3D对象检测任务旨在预测边界框，通常涉及分类和回归损失。数据增强和神经网络技术如PointNet用于提高模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Lidar Point Clouds

KITTI dataset

KITTI是一个自动驾驶感知模块的作为标准基准的多模态数据集，涉及的感知任务包括基于图像的单眼和立体深度估计，光流（optical flow，详见），语义和实例分割，2d和3d检测。

KITTI是一个带标签的3d场景数据集，这些3d数据由两个相机和一个64线的激光雷达组成。数据集包含7681个训练场景，7581个测试场景。多模态传感器组对3d世界的取样频率是根据雷达每100毫秒（10Hz）360度来取样。因此每一个训练样本是一个100毫秒的点云立体数据和与雷达同步的两个相机图像。两个相机和雷达传感器的同步是一个基础的感知方法，它依赖于图像和点云的融合。

Lidar

雷达传感器提供3d场景的时空离散扫描，其中空间离散表示俯仰和方位分辨率，时间离散表示每100毫秒扫描的时间。俯仰分辨率为0.4度，转换成基于64线激光束的垂直角度（俯仰角）为26.9度；方位分辨率为0.08度。因此，考虑64个通道（64束激光雷达）的俯仰分辨率和0.08度的方位分辨率，由64线激光雷达产生的3d点云图像一共有64行，4500（=360/0.08）列。