kitti_velodyne_train_plane &&kitti_object_velodyne

最新推荐文章于 2025-06-29 10:24:31 发布
原创 最新推荐文章于 2025-06-29 10:24:31 发布 · 2.4k 阅读 · 3 ·
CC 4.0 BY-SA版权
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。

该博客分享了两个链接，第一个链接指向一个名为plane的文件，第二个链接提供了Kitti_object_velodyne数据集的多个g文件，该数据集通常用于自动驾驶和3D目标检测的研究。
部署运行你感兴趣的模型镜像

此为plane文件
链接: https://pan.baidu.com/s/15qzoZCCiNKGq0Jabjht46g
密码: ad9a

此为kitti_object_velodyne所有压缩文件共有20多个g
链接: https://pan.baidu.com/s/1XKY5uTC3mVD0mFAlv1y5Hw 密码: ca1d

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

djboy1021
关注
3D目标检测实战 | 图解KITTI数据集与数据格式
FRIGIDWINTER的博客
09-25 4627
本文详细介绍KITTI数据集的坐标系统和数据格式
kitti_object_vis
W1995S的博客
03-16 2239
数据集 从Kitti对象检测数据集下载数据（calib，image_2，label_2，velodyne），并将其放在kitti / object的数据文件夹中 文件夹结构如下： kitti object testing calib image_2 label_2 velodyne training calib image_2
（二）一文带你了解KITTI数据集
热门推荐
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。
kitti 数据预处理
W1995S的博客
03-19 1668
根据tools/cfgs/dataset_configs/kitti_dataset.yaml锁定相应模块 （一）数据增强 info：output/kitti_models/pv_rcnn/default/log_train.txt第42行 用到了以下几个数据增强器 DATA_CONFIG: DATA_AUGMENTOR: AUG_CONFIG_LIST: - NAME: gt_sampling gt_sampling及以下的各个函数均定位在pcdet/d
train_planes.zip
06-16
pointrcnn和pcdet算法所需要的数据集：road plane。可以在kitti的官网上找一找，如果是复现pointrcnn或者pcdet直接下载该文件就成
KITTI自动驾驶所有文件.tar.gz
04-22
KITTI自动驾驶所有文件.tar.gz )
精选资源
kitti_object_vis:KITTI对象可视化（Birdview，体积LiDar点云）
05-03
从Kitti下载数据（calib，image_2，label_2，velodyne），并将其放在kitti/object数据文件夹中 文件夹结构如下： kitti object testing calib 000000.txt image_2 000000.png label_2 000000.txt velodyne...
精选资源
cvNew_KITTI_KITTI数据集_视觉里程计C++实现_
10-03
《视觉里程计C++实现基于KITTI数据集的探索与实践》 在计算机视觉领域，视觉里程计（Visual Odometry, VO）是一项重要的技术，它通过连续分析图像序列来估计相机的运动轨迹。本篇文章将深入探讨如何使用C++语言在...
kitti_to_rosbag入坑教程
小刘鸭的私房菜
11-30 1214
将kitti的raw_data转为rosbag，扔进LOAM中测试，但是尝试了kitti2bag和pykitti都有点问题，所以最终决定使用kitti_to_rosbag。 github链接：https://github.com/ethz-asl/kitti_to_rosbag 准备 ubuntu 16.04 ros 在root下操作 执行 # 使用tmux分屏 # 开一个terminal roscore #再开一个terminal rosrun kitti_to_rosbag kitti_rosba
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
avod三个txt和planes
07-05
avod需要从Google play上下载的train.txt, val.txt, trainval.txt, planes
3D点云KITTI数据集及其格式
weixin_42506418的博客
09-27 5786
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(tracking)等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。
3D点云目标检测——KITTI数据集读取与处理
知来者逆的博客
03-14 5890
KITTI数据集是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建的一个大规模自动驾驶场景下的计算机视觉算法评测数据集。KITTI数据集采集自德国卡尔斯鲁厄市，涵盖了市区、郊区、高速公路等多种交通场景。数据采集时间为 2011 年 09 月 26 日、28 日、29 日、30 日及 10 月 03 日的白天。KITTI数据采集平台如下图所示：IMU/GPS总结来说，KITTI数据集由 4 个相机、1 个激光雷达、1 个IMU/GPS惯导系统共同组成。
(一)KITTI数据集用于3D目标检测
机器人视觉感知
08-30 1791
KITTI是德国卡尔斯鲁厄科技学院和丰田芝加哥研究院开源的数据集,最早发布于2012年03月20号。对应的论文发表在CVPR2012上。KITTI数据集搜集自德国卡尔斯鲁厄市，包括市区/郊区/高速公路等交通场景。采集于2011年09月号及10月03号的白天。KITTI数据采集使用的平台如下图，上面平台中包括从上图中可以看到IMU/GPS总结，KITTI数据集是由4个相机，1个激光雷达，1个IMU/GPS惯导系统共同组成，我们所要厘清的是这6个传感器之间的坐标系关系和时间同步信息。
KITTI数据集解析和可视化
zyw2002的博客
10-19 1万+
文章链接概述KITTI数据集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(tracking)等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。
KITTI数据集的结构
最新发布
qq_21405333的博客
06-29 1058
ImageSets：存放划分文件，方便训练/验证/测试数据的划分。training：训练数据（包含标注）。calib：标定文件image_2：图片label_2：标注velodyne：点云planes：地面平面参数（可选）testing：测试数据（不含标注）。calibimage_2velodyne下载以下内容：11教NAS：公共空间/6. 数据集/KITTI/object/3d-object。
基于kitti数据集的3D目标检测算法的训练流程
qq_52889317的博客
09-27 2478
基于kitti数据集的3D目标检测算法准备全流程，包括各种博主自己在复现过程中踩到的坑
KITTI 数据集（CVPR 2012） - 点云 3D
77wpa的博客
01-06 1万+
今天，视觉识别系统仍然很少用于机器人应用。可能这其中的一个主要原因是缺乏模拟此类场景的苛刻基准。在本文中，我们利用我们的自动驾驶平台为立体、光流、视觉里程计/SLAM和3D目标检测任务开发了具有挑战性的新基准。我们的记录平台配备了四台高分辨率摄像机、Velodyne激光扫描仪和最先进的定位系统。我们的基准包括389个立体和光流图像对、39.2km长的立体视觉里程测量序列，以及在杂乱场景中捕获的超过200k个3D目标注释（每张图像最多可看到15辆汽车和30名行人）。
MMDetection3d对KITT数据集的训练与评估介绍
Clichong
10-16 8950
KITTI数据集中easy、moderate、hard根据标注框是否被遮挡、遮挡程度和框的高度进行定义的简单：最小边界框高度：40像素，最大遮挡级别：完全可见，最大截断：15%中等：最小边界框高度：25像素，最大遮挡水平：部分遮挡，最大截断：30%困难：最小边界框高度：25像素，最大遮挡级别：难以看到，最大截断：50%1. MMDet3d官方文档#1853. KITTI数据集3d目标检测的评价的含义4. 机器学习算法评估指标——3D目标检测5. 点云感知算法面试知识点（一）
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