KITTI数据集整理

已于 2025-07-08 16:07:47 修改
阅读量878 收藏 14
点赞数 22
CC 4.0 BY-SA版权
文章标签： 开源数据集整理
于 2025-07-08 11:35:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/XDH19910113/article/details/149192728

资料

官网

The KITTI Vision Benchmark Suite

论文

https://www.cs.toronto.edu/~urtasun/publications/geiger_et_al_cvpr12.pdf

https://openaccess.thecvf.com/content_ICCV_2019/papers/Simonelli_Disentangling_Monocular_3D_Object_Detection_ICCV_2019_paper.pdf

3D评价指标

3D评价指标这个位置，有时间还是整体阅读一下官方的论文

https://openaccess.thecvf.com/content_ICCV_2019/papers/Simonelli_Disentangling_Monocular_3D_Object_Detection_ICCV_2019_paper.pdf

Car AP@0.70, 0.50, 0.50，代表bbox，bev，3d的IOU阈值，既bbox iou阈值0.70，bev iou阈值0.50，3d iou阈值0.50

bbox AP:95.6634,89.8026，89.0725分别对应的是easy、moderate和hard 下的评估结果。就是KITTI数据集里有遮挡、截断的属性，依据此定义的这个难易程度

AOS表示平均方向相似性

AP40：

https://zhuanlan.zhihu.com/p/594184522

官方工程

https://github.com/prclibo

相机安装

红色框住的部分是KITTI使用的四个相机

图像下载地址

本地使用P2相机采集的图像

数据示例

图像示例

标注文档

相机参数

P2：

数据说明

标注示例

标注文档

标注说明

1、从标注文档和标注示例上看，2dbbox看着像是3dbbox投到2d图像然后取了最小外包围盒的结果，但是从人的类别上看又不是，因此挺奇怪的，2dbbox整体标的一般

2、location是在相机坐标系下3d包围盒下底面中心点的坐标，不是3d包围盒中心点的坐标

相机参数

P0代表左边灰度相机

P1代表右边灰度相机

P2代表左边彩色相机

P3代表右边彩色相机

R0_rect指的是0号相机的修正矩阵

Tr_velo_to_cam指的是velodyne到camera的矩阵大小为3x4，包含了旋转矩阵 R 和 平移向量 t

Tr_imu_to_velo指的是IMU到camera的矩阵 大小为3x4，包含了旋转矩阵 R 和 平移向量 t

问题说明

观测角与旋转角

观测角这个概念在3D检测中，目前来看只适用于KITTI数据集，原因是啥呢，观测角观测角是用相机观测目标得到的一个角度

工程中观测角与旋转角是可以相互转换的，转换算法原理见参考链接

工程中只有观测角alpha进入到了模型训练中，旋转角ry没有

有的工程直接使用标注好的观测角alpha进入模型训练（已知：monodle），有的工程使用旋转角ry计算出观测角alpha（已知：SMOKE、DEVIANT），然后进入训练。输出时都是得到观测角alpha，然后计算旋转角ry

原理

KITTI 数据集 - superxiaoying - 博客园

为什么学的都是观测角而不是旋转角

下图中object沿着红线运动时他的旋转角都不会发生变化，但是他的观测角会发生变化，因此旋转角ry无法作为一个被学习的参数

以下图为例，绿色梯形是相机，蓝色方块是车辆，此时旋转角相同但是车辆姿态却不一样，还有一种情况车辆姿态相同旋转角却不一样。由此可见用旋转角在图像上表示物体姿态是有漏洞的

标注中location的值为啥是在相机坐标系下

个人理解这个所谓的相机坐标系是区分于IMU坐标系、雷达坐标系的这么一个坐标系，对应相机P0的坐标系，并不是指各个相机P1、P2、P3的坐标系

理由是在使用P2相机对应的图像将3D坐标location转换到2D图像坐标时，使用的是相机参数P@location而不是K@location

相机参数P中的最后一列是否对应真实世界坐标到相机坐标的位移

不对应，是已经乘完焦距后的

相机参数R0_rect

陀螺仪建立的坐标系是绝对垂直朝下的，但是相机是人工安装的，无法做到这一点，有一些小小的偏移，R0_rect就是用来解决这个问题的

工程中Z>2标签进行训练

关于工程中大多数选择将Z<2的标签滤掉

由于kitti数据集的标签是在相机坐标系下标的，因此pos[-1]为坐标系Z轴，Z轴向前，因此这个Z<2表示在车辆行进方向上，目标中心点距离相机的距离。从下图中可以看出从相机到车头距离接近2米，在加上目标本身就有宽度，因此这个Z<2在Z轴方向上基本上嵌入到了车身中（X轴方向有距离，因此不是嵌入其中）

滤掉的标签

参考链接

（二）一文带你了解KITTI数据集-优快云博客

https://zhuanlan.zhihu.com/p/493026799

【MMDetection3D实战(3)】: KITTI 数据集介绍
@bangbang的博客
03-13 2174
KITTI数据集是3D目标检测中比较基础和常用的数据集，本文以KITTI数据集为例，简单的介绍下数据的标注的格式以及3D坐标系相关知识。KITTI发布于2012年，距今也有10多年的历史了。它是针对无人驾驶任务构建的一套数据集和评价体系，其中包括2D和3D检测等一系列具体任务。1个激光雷达，一系列相机，GPS去采集位置信息等。KITTI针对检测任务一共提供了14999张图像及对应的点云，其中7481组用于训练，7518组用于测试。KITTI标注的数据只有3个类别，分别是汽车、行人、自行车。
KITTI数据集数据初体验
LinesYao
05-21 4万+
KITTI简介 数据采集平台 激光数据 填坑中 KITTI简介 KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪...
KITTI数据集简介与使用
热门推荐
Solomon1558的专栏
04-14 27万+
摘要：本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: The KITTI Dataset两篇论文的内容，主要介绍KITTI数据集概述，数据采集平台，数据集详细描述，评价准则以及具体使用案例。本文对KITTI数据集提供一个较为详细全面的介绍，重点关注利用K
（二）一文带你了解KITTI数据集
m0_46556474的博客
06-15 4万+
KITTI数据集是目前国际上最为常用的自动驾驶场景下的计算机视觉算法评测数据集之一，本文将带你详细了解KITTI数据集。
详解KITTI数据集
weixin_46195203的博客
04-19 1万+
详解KITTI数据集 一、KITTI数据集发布方 2011年，Andreas Geiger（KIT）、Philip Lenz（KIT）、Raquel Urtasun（TTIC）三位年轻人发现，阻碍视觉感知系统在自动驾驶领域应用的主要原因之一，是缺乏合适的benchmark。而现有的数据集无论是在数据量，还是采集环境上都与实际需求相差甚远。于是他们利用自己的自动驾驶平台，建立起庞大的基于真实场景下的数据集，以此推动计算机视觉和机器人算法在自动驾驶领域的发展。这便是KITTI数据集的诞生背景。 二、KITTI数
计算机视觉的测试数据集,自动驾驶数据集整理
weixin_30563851的博客
07-26 979
一、计算机视觉数据集收集1. Kitty数据集数据链接：http://www.cvlibs.net/datasets/kitti/主要应用方向：用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。数据说明：(1)数据集概述ht...
16个车辆信息检测数据集收集汇总（简介及链接）
qwj的博客
03-22 2万+
16个车辆信息检测数据集收集汇总（简介及链接) 转载自：https://blog.csdn.net/u014546828/article/details/109089621?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-1&spm=1001.2101.3001.4242 目录 1. UA-DETRAC 2. BDD100K 自动驾驶数据集 3. 综合汽车（CompCars）数据集 4.
KITTI数据集下载（百度云）
u013086672的博客
01-09 5万+
目前官网的下载链接还不稳定，特意上传到百度云方便大家下载。网盘包含以下文件： data_object_calib data_object_image_2 data_object_label_2 data_object_velodyne data_load 网盘内容截图： 百度云下载链接： 链接：https://pan.baidu.com/s/1-4WchJlcZ2guwcfbHqrdFw ...
KITTI数据集下载以及转化为rosbag包，kitti2bag使用教程（完整版）
justinyjf的博客
08-29 7445
首先新建KITTI文件夹，在新建的KITTI文件夹新建01文件夹，将下载好的2011_10_03_drive_0042_sync.zip数据集解压到01文件夹下。2.前期准备，文件夹的放置（这里以序列号01，2011_10_03_drive_0042_sync.zip数据集举例说明）路径：/home/yjf/KITTI/01/2011_10_03_drive_0042_sync/2011_10_03。路径：/home/yjf/KITTI/01/2011_10_03_drive_0042_sync。
遥感影像中常用的目标检测数据集
lzq-rser
01-24 2万+
遥感影像中常用的目标检测数据集1.DOTA2.UCAS-AOD3. NWPU VHR-104. RSOD-Dataset5. TGRS-HRRSD-Dataset6. TAS7. DIOR8. xView9. HRSC201610.VEDAI11.Cars Overhead With Context(COWC)12.ITCVD13.OpenSARShip14.DLR 3K Vehicle15.SZTAKI‐INRIA16.LEVIR17.SSDD18.SSDD+19.AIR-SARShip-1.020.SA
KITTI数据集真值处理
03-11
《全面解析：KITTI数据集真值处理》 在计算机视觉和自动驾驶技术的研究领域，数据集扮演着至关重要的角色。其中，KITTI数据集作为一项广泛使用的资源，为诸多研究和开发提供了丰富的素材。本文将深入探讨如何对...
【自定义数据集构建指南】：Nuscenes与Kitty数据集的定制流程
[【自定义数据集构建指南】：Nuscenes与Kitty数据集的定制流程](https://opengraph.githubassets.com/9df6692b37c177e5a2f04ce255ed8a49938e428226d7909468d883a37afba86e/Armanasq/kitti-dataset-tutorial) ...
假装情侣匿名聊天室：体验即刻式浪漫
08-05
资源下载链接为： https://pan.quark.cn/s/abbae039bf2a 用户端：无需注册，用户进入后随机匹配异性进入聊天室。系统会随机分配房间、情侣头像及聊天话题，用户可发送自定义图片，还能通过输入法键盘输入并发送 emoji。当聊天室倒计时快结束时，用户可选择延长房间时间。聊天内容会经过过滤处理。 后台管理端：登录后台管理地址，账号为 admin，密码为 admin。后台可实时监控聊天情况，上传情侣头像和创建聊天话题，查看各房间的聊天记录。 安装步骤：将 anonymous_chat.sql 文件导入到 mysql 数据库中。修改 Application/chat/config.php 文件。 运行方式： Windows 服务器：只需双击 .bat 文件即可启动。 Linux 服务器：进入项目根目录，在终端输入命令以 debug（调试）方式启动，命令为 php start.php s。 注意事项：服务端可放置在服务器的任意位置，只要能成功运行即可。该系统同时支持 Windows 服务器和 Linux 服务器，但两者的运行方法有所不同。
装修公司网络营销推广方案.pdf
最新发布
08-06
装修公司网络营销推广方案.pdf
夏色四叶草安卓版.apk
08-05
夏色四叶草安卓版.apk
软件工程9大核心开发模型对比与应用指南：全面解析软件工程中各开发模型的特点与选型策略
08-05
内容概要：本文档详细解析了软件开发中的9大核心模型，包括瀑布模型、V模型、迭代模型、增量模型、螺旋模型、敏捷模型、快速原型模型、喷泉模型和演进型原型模型。通过对每个模型的核心特点、优点、缺点及适用场景的分析，结合对比表格、案例详解和决策树，为开发者提供了完整的选型指南。文中还列举了多个典型行业应用案例，如金融核心系统的瀑布+V模型、游戏开发的喷泉+敏捷模型以及智能硬件的演进型原型模型，展示了不同模型在实际项目中的应用效果。最后总结指出，传统模型适用于高可靠领域，而敏捷与原型模型则更适合互联网快速试错的环境，混合模型如“瀑布+敏捷”的应用趋势逐渐显现。 适合人群：具备一定软件工程基础知识的开发人员、项目经理及软件工程师，尤其是有1-3年工作经验的技术人员。 使用场景及目标：①帮助开发者理解不同开发模型的特点与差异；②为项目选型提供参考依据，确保选择最适合项目的开发模型；③通过案例分析提升实际应用能力，提高项目成功率。 其他说明：本文不仅介绍了各个模型的理论知识，还结合实际案例进行详细剖析，建议读者结合自身项目需求进行深入研究，并在实践中不断探索和优化，以找到最适合自己项目的开发模型。
词袋模型算法库，用于识别相似图像
08-05
资源下载链接为： https://pan.quark.cn/s/64d9b3521fcd 词袋模型算法库，用于识别相似图像（最新、最全版本！打开链接下载即可用！）
人脸识别CNN模型 matlab源码
08-05
人脸识别技术是一种通过分析和比较人脸图像特征来识别或验证个体身份的计算机视觉方法，其中基于卷积神经网络（CNN）的实现尤为关键。CNN是一种深度学习模型，适用于处理图像等二维结构数据，由卷积层、池化层、全连接层等组成，能够自动学习图像的局部特征并进行层次化抽象。常见的人脸识别CNN模型包括VGGFace、FaceNet、OpenFace等，通常包含预处理步骤和多层卷积及全连接层，最终通过分类器完成识别。MATLAB提供了深度学习工具箱，支持创建、训练和评估CNN模型，通过`convnet`、`trainNetwork`、`classify`等函数实现模型构建、数据预处理、训练和测试。人脸识别技术已广泛应用于安全系统、社交媒体和监控执法等领域。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
中国地级市CO2排放数据（2000至2023年）
08-05
碳排放数据是衡量地方经济发展与环境可持续性的重要指标，通常包括二氧化碳排放量，来源涵盖能源消耗及工业、交通、建筑等领域。中国地域广阔、经济发展不均，各地碳排放水平差异较大。本次分享的数据为根据EDGAR资源提取的中国地级市CO2排放数据，时间范围为2000-2023年。数据名称：中国地级市CO2排放数据；数据年份：2000-2023年；数据范围：300个地级以上城市；样本数量：7200条；数据来源：EDGAR_2024_GHG；数据说明：根据EDGAR提取的城市碳排放数据。数据指标包括：年份、省份、城市、城市代码、所属地域、胡焕庸线、CO2排放总量。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
KITTY数据集介绍
10-09
KITTY数据集是一个用于自动驾驶和计算机视觉研究的常用数据集。它由德国卡尔斯鲁厄理工学院和丰田美国技术研究所联合创建，并以"KITTI Vision Benchmark Suite"的形式进行发布。 KITTY数据集包含在城市环境下采集的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值