kitti rotation,label等细节相关

最新推荐文章于 2024-06-22 17:57:34 发布

原创

最新推荐文章于 2024-06-22 17:57:34 发布 · 1.1k 阅读

CC 4.0 BY-SA版权

本文介绍了在3D目标检测框架中，如何处理Kitti数据集的旋转信息转换，从相机坐标到激光雷达坐标，并详细阐述了OpenPCDet中针对不同类别的处理方式，包括数据过滤、增广以及类别转换。此外，还涉及了数据预处理、IoU计算和数据增强等步骤。

在sencond 和 det3d中，均是从kitti label信息中读取的在相机坐标系下的rotation信息，在训练过程中也是回归的camera坐标系下的rotation，如果我想得到lidar坐标系下的rotation公式为：
rotation_lidar_y = - (rotation_cam_y + pi/2),至于怎么来的，抽出时间来讲一下,经过网络后得到的输出为（Center_lidar(x,y,z),size_lidar(wlh),rotation_y_camera[弧度]）。
在det3d的 wamoy 数据集和nuscens，里面的数据格式都是先转换到kitti格式，然后再去训练，最后应该是再返回，这步没看。
在OpenPCDet中，直接使用的就是lidar坐标系，在读取完kitti的label的pkl信息后，直接就将相机坐标系下的rotarion转换到了lidar坐标下，所以OpenPCDet的整个过程的坐标都是在激光雷达坐标系下完成的，最终得到的格式也是（center_lidar(x,y,z),size_lidar(lwh),rotation_lidar)
在OpenPCdet中,kitti其实标注了8种类别,分别是car, van, truck, pedestrian, pedestrian(sitting), cyclist, tram以及misc,但是在测评的时候我们只测评car,ped,cyclist 那么在代码中我们是如何处理的呢?
首先在OpenPCdet中在生成各种pkl和gt base的时候这些类别实际上依然都存在,比如pkl里面的annation的name里面是包含其他类别的,同样的gt base里面也是. 真正的处理是在pcdet->datasets->dataset.py 中的prepare_data函数里面