2011_0204

最新推荐文章于 2024-09-04 17:43:28 发布
原创 最新推荐文章于 2024-09-04 17:43:28 发布 · 616 阅读 · 0 ·
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。

sfMLearning视觉无人驾驶项目 KITTI数据集结构与可视化
zjguilai的博客
05-13 4257
RawDATA原始网站 http://www.cvlibs.net/datasets/kitti/raw_data.php 1：数据采集平台 如图-1所示，KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，一个Velodyne 64线3D激光雷达，4个光学镜头，以及1个GPS导航系统。具体的传感器参数如下[2] ： 2 × PointGray Flea2 grayscale ca...
KITTI数据集原始数据（raw_data）下载地址
热门推荐
Memory
09-14 1万+
建议使用迅雷进行下载，亲测可以满速下载。 整个数据集大小约为180G，解压完也是180G。 https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_calib.zip https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_drive_0001/2011_09_26_drive_0001_sync.zip https://s3.eu-central-
2011_09_26_drive_0005.zip
08-10
2011_09_26_drive_0005文件内容包括2011_09_26_calib.zip、2011_09_26_drive_0005_sync.zip、2011_09_26_drive_0005_tracklets.zip、2011_09_26_drive_0119_extract.zip(标定实验数据)供有兴趣研究kitti数据集格式的兄弟学习
KITTI点云数据转换为roabag
A_L_A_N
02-23 1600
从KITTI官网下载数据，这里以 2011_09_26_drive_0001 (0.4 GB) 为例，将下载好的2011_09_26_drive_0001_sync.zip和2011_09_26_calib.zip文件放在同一目录下并解压
raw_data_downloader.zip
07-17
在研究深度估计算法时，需要用到的kitti数据集，但是通过官网一次一次点击太麻烦，为此提供了linux和python环境下 kitti raw data自动下载程序，供大家使用。
python数据集下载_下载KITTI数据集raw data的Python脚本
weixin_39767121的博客
12-05 1253
KITTI数据集是自动驾驶领域的经典数据集之一，raw data大小有上百G，官方在raw data界面提供了一个shell脚本raw dataset download script来帮助下载，该shell脚本会自动下载所有raw data并解压到指定文件夹。由于raw data过大，断断续续下了好几天，后来在用数据的时候发现有的图像出现损坏，有的文件夹下没有文件，遂想重新下载一下未解压的raw ...
深度估计学习笔记
weixin_44823313的博客
01-06 837
三维重建代码 https://davidrecasens.github.io/EndoDepthAndMotion/ 深度图可视化
CNAS—AI03：2011检查机构认可领域分类.doc
07-02
- **0204 工业机械**：包括各类通用机械设备的性能评估。 - **0205 发电机、发动机及相关设备**：侧重于这些设备的工作效率和可靠性。 - **0206 涂装和腐蚀设备**：针对防腐蚀设备的质量控制。 #### 2.3 制成品领域...
kitti深度估计数据集介绍
weixin_38252409的博客
09-04 5084
最近，我也开始做深度估计模型，该内容属于CV另一个领域，我使用depth anythingv2实现深度估计内容。然而kitti数据一直都是3d重要内容，作者收集了长达6个小时的真实交通环境，数据集由经过校正和同步的图像、雷达扫描、高精度的GPS信息和IMU加速信息等多种模态的信息组成。作者还在数据集官网提供了光流、物体检测、深度估计等多种任务的Benchmark。本篇介绍KITTI深度数据内容。
复现monodepth2之KITTI数据集准备
IT菜鸟
10-08 3118
一、重要说明 在monodepth2复现过程中，训练数据的格式是： # kitti数据集的真实路径 /media/yoyo/新加卷/Downloads/kitti_data # 训练数据集的路径 /home/yoyo/MyDocuments/PyProjects/monodepth2/kitti_data/2011_09_28/2011_09_28_drive_0016_sync # 训练数据集创建软链接 sudo ln -s /media/yoyo/新加卷/Downloads/kitti_data
2011_09_26_drive_0048.zip
06-21
从 http://www.cvlibs.net/datasets/kitti/raw_data.php 上搬运了一小部分kitti原始数据。 压缩文件中包含 [unsynced+unrectified data] [synced+rectified data] [calibration] [tracklets] 这个4部分的数据。
lio_sam ros2 kitti2bag readme中数据集
07-19
lio_sam ros2 kitti2bag readme中数据集 实测2011_09_26_calib.zip无法解压，不过这个文件很小，其他两个还有有用的 也可以直接到这篇文章，亲测有效 https://blog.youkuaiyun.com/qq_36754438/article/details/113832911
batchurldown_网址文件批量下载软件.zip
09-10
batchurldown_网址文件批量下载软件
DRIVE 眼底图像数据集.zip
09-08
眼底图像分割＼关键点检测＼动静脉区分常用数据集，是眼底最广泛的数据集之一，甚至可以去掉＇之一＇二字．这里面含有分割图的ｇｒｏｕｎｄｔｒｕｔｈ，原图以及ｍａｓｋ，没有关键点坐标的groundtruth，关键点在另一个上传的资源里，一次只能传一个压缩包．．害！
kitti raw_data 数据集 2011_09_30_drive系列，百度云链接文档
12-24
kitti raw_data 数据集 2011_09_30_drive系列， 2011_09_30_drive_0072_extract(1).zip 2011_09_30_drive_0034_sync.zip 2011_09_30_drive_0034_extract(1).zip 2011_09_30_drive_0033_sync.zip 2011_09_30_drive_0033_extract.zip 2011_09_30_drive_0027_sync.zip 2011_09_30_drive_0027_extract.zip 2011_09_30_drive_0020_syn
基于ROS的自动驾驶 激光雷达点云物体检测 项目实战
jin15203846657的博客
07-19 8331
主要记录了利用Apollo的perception和Autoware的lidar_apollo_cnn_seg_detect，基于ROS进行激光雷达点云三维物体检测，并附带利用kitti的raw data制作rosbag的全部流程。
kitti下载脚本
andeyeluguo的博客
12-28 696
原始的kitti下载脚本通过邮箱就能获得 本人自己写了一个 python格式的，不用linux环境也就可以运行 import wget file_names =[ #'2011_09_26_calib.zip', #'2011_09_26_drive_0001', #'2011_09_26_drive_0002', '2011_09_26_drive_0005', '2011_09_26_dri...
kitti数据集标定文件解析
weixin_33981932的博客
08-14 3612
1、kitti数据采集平台 KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，一个Velodyne64线3D激光雷达，4个光学镜头，以及1个GPS导航系统。图示为传感器的配置平面图，为了生成双目立体图像，相同类型的摄像头相距54cm安装。由于彩色摄像机的分辨率和对比度不够好，所以还使用了两个立体灰度摄像机，它和彩色摄像机相距6cm安装。（模拟双目摄像机？） 2、k...
2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000069.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000069.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000054.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000054.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000042.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000042.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000057.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000057.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000030.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000030.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000027.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000027.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000012.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000012.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000075.png None 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000036.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000036.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000033.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000033.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000015.png 2011_09_26_drive_0002_sync/proj_depth/groundtruth/image_02/0000000015.png 721.5377 2011_09_26/2011_09_26_drive_0002_sync/image_02/data/0000000072.png None 721.5377 已知kitti——eigen_test.txt的部分内容如上，请问如何把test.txt中的数据集提取出来
最新发布
03-12
<think>好的，用户的问题是关于如何从KITTI Eigen测试文件（eigen_test.txt）中提取图像路径和深度真值数据。首先，我需要回忆一下KITTI数据集的组成结构，特别是Eigen分割部分。KITTI数据集通常包含多个子数据集，比如物体检测、里程计、场景流等，而Eigen等人提出的分割方法常用于深度估计任务。 用户提到的eigen_test.txt文件应该是Eigen划分的测试集列表文件。这个文件通常包含测试样本的路径信息，可能包括图像路径和对应的深度图或雷达数据。但需要确认具体的文件格式，因为不同的划分可能有不同的结构。 根据引用[2]，KITTI数据集中涉及到的校准文件如calib_velo_to_cam包含旋转矩阵R和平移矩阵T，这可能与点云数据到相机坐标系的转换有关。但用户的问题是关于提取图像路径和深度真值，因此需要关注文件中的路径指向以及深度数据的存储位置。 通常，eigen_test.txt的每一行可能包含日期、序列号、图像文件名以及可能的雷达数据或深度真值路径。例如，一行可能是“2011_09_26 2011_09_26_drive_0001_sync 0000000030 l”，其中各部分对应不同的数据目录。需要解析这些字段来构建图像路径和对应的深度文件路径。 接下来，我需要考虑如何解析这个txt文件。通常，这类文件使用空格或制表符分隔字段。用户可能需要逐行读取文件，分割每一行的内容，然后根据KITTI数据集的目录结构组合出完整的图像路径和深度真值路径。例如，KITTI的深度真值可能存储在proj_depth/groundtruth/image_02或image_03目录下，对应不同的摄像头。 此外，需要注意深度数据的格式，通常是.png文件，但可能包含浮点数据，需要特殊处理读取。引用[2]中提到的校准参数可能在转换点云数据到深度图时有用，但如果是直接使用现有的深度真值，可能不需要处理这些参数。 用户可能需要编写脚本来自动化这个过程，比如使用Python读取eigen_test.txt，解析每一行，然后生成对应的图像路径和深度文件路径。例如，对于每一行，提取日期、序列号和图像编号，然后按照KITTI的数据目录结构拼接路径，如基于日期和序列号的image_02或image_03目录下的文件。 还需要注意，测试集可能只包含部分摄像头的数据，比如只使用左侧或右侧摄像头，这会影响路径的生成。此外，深度真值可能有不同的来源，如激光雷达扫描生成的投影深度图，或者立体匹配生成的深度估计，需要确认用户具体需要哪种深度数据。 最后，可能需要验证生成的路径是否存在，避免因为文件名或目录结构的变化导致错误。同时，处理路径时需要考虑操作系统的文件路径分隔符，确保脚本在不同平台上都能运行。</think>从KITTI Eigen测试文件中提取数据需遵循其特定格式和目录结构，以下是具体操作步骤： ### 步骤解析 1. **文件格式分析** `eigen_test.txt`每行格式为： ``` 2011_09_26 2011_09_26_drive_0001_sync 0000000030 l ``` - 字段1：日期 `2011_09_26` - 字段2：序列ID `2011_09_26_drive_0001_sync` - 字段3：图像编号 `0000000030` - 字段4：摄像头标识 `l`(左)/`r`(右) 2. **路径构建规则** - **原始图像路径**： `kitti_data_root/日期/序列ID/image_0[2/3]/data/图像编号.png` 示例： $$ \text{.../2011_09_26/2011_09_26_drive_0001_sync/image_02/data/0000000030.png} $$ - **深度真值路径**： `kitti_data_root/date/序列ID/proj_depth/groundtruth/image_0[2/3]/图像编号.png` 示例： $$ \text{.../2011_09_26_drive_0001_sync/proj_depth/groundtruth/image_02/0000000030.png} $$ 3. **Python实现代码** ```python def extract_kitti_eigen_data(txt_path, data_root): with open(txt_path, 'r') as f: lines = f.readlines() pairs = [] for line in lines: parts = line.strip().split() date, seq_id, frame_num, cam_code = parts[0], parts[1], parts[2], parts[3] # 确定摄像头编号（02或03） cam_suffix = '02' if cam_code == 'l' else '03' # 构建RGB图像路径 rgb_path = f"{data_root}/{date}/{seq_id}/image_{cam_suffix}/data/{frame_num}.png" # 构建深度真值路径 depth_path = f"{data_root}/{seq_id}/proj_depth/groundtruth/image_{cam_suffix}/{frame_num}.png" pairs.append((rgb_path, depth_path)) return pairs ``` > 注意：需根据实际数据存储位置调整`data_root`参数[^2] ### 关键说明 - 深度真值为稀疏深度图，来源于激光雷达点云投影 - 需确保目录结构包含`proj_depth/groundtruth`子目录 - 图像编号需要保持10位补零格式（如`0000000030`）
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