【代码复现】熟悉 openlanev2 数据集

小圆圆666

已于 2024-12-03 11:31:28 修改

阅读量1.2k

点赞数 26

分类专栏：车道线数据集文章标签：自动驾驶计算机视觉人工智能

于 2024-11-27 13:52:18 首次发布

本文链接：https://blog.youkuaiyun.com/minyshi/article/details/143909713

版权

github地址

环境准备

git clone https://github.com/OpenDriveLab/OpenLane-V2.git
cd OpenLane-V2
conda create -n openlanev2 python=3.8 -y
conda activate openlanev2
pip install -r requirements.txt
python setup.py develop

下载数据：

下载 subset_A 的 OpenLane-V2 （info 信息，OpenLane-V2_subset_A_info.tar，包含OpenLane 拓扑初始任务的注释）
下载 subset_A 的 Map Element Bucket 信息（OpenLane-V2_subset_A_info-ls.tar，包含驾驶场景拓扑任务的注释）
下载 subset_A 的 image 信息（OpenLane-V2_subset_A_image_0-8.tar，用作传感器输入）
下载 subset_A 的 SDMap（OpenLane-V2_subset_A_sdmap.tar，用作传感器输入）

数据预处理

数据集被预处理为代表不同集合的pickle文件，然后用于训练模型或评估：

cd data
python OpenLane-V2/preprocess.py

对于使用SD地图和Map元素桶，请分别指定with_sd_map参数并运行python OpenLane-V2/preprocess-ls.py。

文件层级

OpenLane-V2/ 文件夹的层次结构描述如下：

└── OpenLane-V2
    ├── train
    |   ├── [segment_id]
    |   |   ├── image                        (Image)
    |   |   |   ├── [camera]
    |   |   |   |   ├── [timestamp].jpg
    |   |   |   |   └── ...
    |   |   |   └── ...
    |   |   ├── sdmap.json                   (SD Map)
    |   |   └── info
    |   |       ├── [timestamp].json         (OpenLane-V2)
    |   |       ├── [timestamp]-ls.json      (Map Element Bucket)
    |   |       └── ...
    |   └── ...
    ├── val
    |   └── ...
    ├── test
    |   └── ...
    ├── data_dict_example.json
    ├── data_dict_subset_A.json
    ├── data_dict_subset_B.json
    ├── openlanev2.md5
    ├── preprocess.py
    └── preprocess-ls.py

[segment_id] 指定帧序列，[camera] 是 7 个不同相机， [timestamp] 指定序列中的单个帧。
image/ 包含各种相机捕获的图像， info/ 包含单个帧的元数据和注释。
data_dict_[xxx].json 记录了数据子集下 train / val / test 的分割。

SD Map 标清地图

sdmap.json 包含三种类型（road、cross_walk、side_walk）的 SD 地图元素，可用作传感器输入。

[
    {
   
        'points':                <list> -- list of 2D points in the BEV space
                                           （BEV视角下各个类型地图元素的点集合）
        'category':              <str> -- type of the SD map element
                                     'road',
                                     'cross_walk',
                                     'side_walk',
    },
    ...
]

举例如下

{
   "points": [[1456.7176083646482, 338.2536709289998], [1462.1868340333458, 322.7181386463344], [1464.83115775208, 315.43226608633995]], "category": "road"},

Meta Data 元数据

info/ 文件夹下的 json 文件包含每个帧的元数据和注释。每个文件的格式如下：
train 和 val 有 annotation 部分，test 没有 annotation 字段。

{
   
    'version':                    <str> -- version
    'segment_id':                 <str> -- segment_id（帧序列）
    'meta_data': {
   
        'source':                 <str> -- name of the original dataset
        'source_id':              <str> -- original identifier of the segment
    }
    'timestamp':                  <int> -- timestamp of the frame（序列中的单个帧）
    'sensor': {
   
        [camera]: {
                  <str> -- name of the camera
            'image_path':         <str> -- image path
            'extrinsic':          <dict> -- extrinsic parameters of the camera, trasformation from camera frame to vehicle frame
            'intrinsic':          <dict> -- intrinsic parameters of the camera
        },
        ...
    }                              
    'pose':                       <dict> -- ego pose
    'annotation':                 <dict> -- anntations for the current frame
}

Annotations 注释

对于单个帧，上面 json 文件中的注释的格式如下：

{
   
    'lane_centerline': [         (n lane centerlines in the current frame)
                                 (当前帧中的n条车道中心线)
        {
      
            'id':                 <int> -- unique ID in the current frame（当前帧中，车道中心线唯一ID）
            'points':             <float> [n, 3] -- 3D coordiate（3D坐标）
            'confidence':         <float> -- confidence, only for prediction
                                            （仅用于预测的置信度）
            "is_intersection_or_connector": true/false  是否为交叉口或连接线                   
        },

最低0.47元/天解锁文章