ROS1结合自动驾驶数据集Kitti开发教程(八)画出2D检测框

注意：

• 再学习本系列教程时，应该已经安装过ROS了并且需要有一些ROS的基本知识

ubuntu版本：20.04
ros版本：noetic

课程回顾

ROS1结合自动驾驶数据集Kitti开发教程(一)Kitti资料介绍和可视化
ROS1结合自动驾驶数据集Kitti开发教程(二)发布图片
ROS1结合自动驾驶数据集Kitti开发教程(三)发布点云数据
ROS1结合自动驾驶数据集Kitti开发教程(四)画出自己车子模型以及照相机视野
ROS1结合自动驾驶数据集Kitti开发教程(五)发布IMU数据
ROS1结合自动驾驶数据集Kitti开发教程(六)发布GPS数据
ROS1结合自动驾驶数据集Kitti开发教程(七)下载图像标注资料并读取显示

1.数据分析

上一节，我们已经能把标注数据显示出来了，其中可以看到frame代表着第几帧图像的检测结果，如第零帧数据所示：

第零帧图像如下所示：

在第一帧的图像中我们可以从中看到有面包车、自行车和行人，在标注数据中也给我们展示出来了。bbox(left,top,right,bottom)分别是标注的四个顶点，有了这四个顶点的坐标，我们就可以画出物体2D的检测框。

2.数据处理

• 去除DontCare标签的标注数据。
• 将van，car，truck标签都转换成car标签。
  代码如下所示：

# 将dataframe的`van`，`car`，`truck`标签都转换成car标签。
data.loc[data.type.isin(['Van','Car','Truck']),'type'] = 'Car'
# 去除`DontCare`标签的标注数据。
data = data[data.type.isin(['Car','Cyclist','Pedestrian'])]
# 展示最新dataframe
data

数据处理结果如下图所示：

3.画出其中一个物体的检测框

获取其bbox(left,top,right,bottom)的各个值。

data.loc[2,['bbox_left','bbox_top','bbox_right','bbox_bottom']]
----
bbox_left      296.744956
bbox_top       161.752147
bbox_right     455.226042
bbox_bottom    292.372804
Name: 2, dtype: object

可以看到这样就可以把四个顶点的数据提取出来了，这时我们就可以绘制检测框了。

# 将四个顶点的坐标值转换为np格式
box = np.array(data.loc[2,