数据:

格式:

第1个字符串:代表物体类别

'Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist','Tram',  'Misc' or  'DontCare'

注意,’DontCare’ 标签表示该区域没有被标注,比如由于目标物体距离激光雷达太远。为了防止在评估过程中(主要是计算precision),将本来是目标物体但是因为某些原因而没有标注的区域统计为假阳性(false positives),评估脚本会自动忽略’DontCare’ 区域的预测结果。

第2个数:代表物体是否被截断

从0(非截断)到1(截断)浮动,其中truncated指离开图像边界的对象

第3个数:代表物体是否被遮挡

整数0,1,2,3表示被遮挡的程度

0:完全可见  1:小部分遮挡  2:大部分遮挡 3:完全遮挡(unknown)

第4个数:alpha,物体的观察角度,范围:-pi~pi

是在相机坐标系下,以相机原点为中心,相机原点到物体中心的连线为半径,将物体绕相机y轴旋转至相机z轴,此时物体方向与相机x轴的夹角

r_y + pi/2 -theta = alpha +pi/2(即图中紫色的角是相等的)

所以alpha = r_y - theta

第5~8这4个数:物体的2维边界框

xmin,ymin,xmax,ymax

第9~11这3个数:3维物体的尺寸

高、宽、长(单位:米)

第12~14这3个数:3维物体的位置

x,y,z(在照相机坐标系下,单位:米)

第15个数:3维物体的空间方向:rotation_y

在照相机坐标系下,物体的全局方向角(物体前进方向与相机坐标系x轴的夹角),范围:-pi~pi

第16个数:检测的置信度

原文:

kitti数据集格式相关推荐

  1. kitti数据集转换成可运行的YOLOv5格式

    如果想跳过步骤直接获取YOLOv5格式的kitti数据集评论获取阿里云盘提取码 我们再yolov5/dataset下创建文件夹kitti 再kiiti中放入我们的数据 数据集结构框架 |--kitti ...

  2. KITTI数据集的点云格式转PCD格式

    参考文章:https://blog.csdn.net/xinguihu/article/details/78922005 KITTI数据集应该不用多做介绍了,基本上做自动驾驶的都知道这个东西.最近本人 ...

  3. jetson nano 用 tensorrt 运行 nanodet(kitti数据集)

    题目是目标,我们先一步一步来做,第一步是训练神经网络, 我用的是 kitti 数据集,训练顺序为,第一步,拿到kitti数据集,第二步,把kitti数据集修改为voc数据集格式,第三步,修改配置文件进 ...

  4. 「Self-driving: KITTI」KITTI数据集简介

    背景 KITTI数据集建立前,前人的实验在米德尔伯里等既定基准上排名靠前的方法在从实验室转移到现实世界时表现低于平均水平. 除了向社区提供具现实世界数据以减少实验偏差,KITTI在补充现有基准的情况下 ...

  5. KITTI数据集的使用——雷达与相机的数据融合

    目录 目的 如何实现 kitti数据集简介 kitti数据集的raw_data 利用kitti提供的devkit以及相应数据集的calib文件 解读calib文件夹 解读devkit 目的 使用雷达点 ...

  6. 视觉SLAM——ORB-SLAM2运行tum数据集,kitti数据集,euroc数据集

    添加环境变量 echo "source ~/catkin_orb_slam2_ws/devel/setup.bash" >> ~/.bashrc source ~/.b ...

  7. 毕设日志——在faster rcnn pytorch上训练KITTI数据集

    本次目标: 整理运行代码产生的内容 下载KITTI数据集和LSVH数据集 修改数据集样式为VOC2007 在新的数据集上训测 2019.4.13 一.准备工作 备份之前训练生成的文件models,ou ...

  8. KITTI数据集详解和评价标准

    from: https://blog.csdn.net/Solomon1558/article/details/70173223 摘要:本文融合了Are we ready for Autonomous ...

  9. 数据集:KITTI数据集分析

    摘要:本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: ...

  10. 【MMDetection3D】环境搭建,使用PointPillers训练测试可视化KITTI数据集

    文章目录 前言 3D目标检测概述 KITTI数据集简介 MMDetection3D 环境搭建 数据集准备 训练 测试及可视化 绘制损失函数曲线 参考资料 前言 2D卷不动了,来卷3D,之后更多地工作会 ...

最新文章

  1. 天池NLP大赛来了!
  2. 第十六周程序阅读(2)
  3. ZZULIOJ 1918: G 【二分图匹配】
  4. 华为架构服务器销售,FusionServer Pro E9000融合架构刀片服务器
  5. PAT乙类之1012 数字分类 (20 分)
  6. inotify java maven_inotifywait + rsync 监控文件并同步
  7. spring boot 2.0.3+spring cloud (Finchley)6、配置中心Spring Cloud Config
  8. VSFTP服务的日常应用及疑难问题解析
  9. doc命令操作数据库(下)
  10. mysql数据库的属性_mysql 数据库属性
  11. 通达信版弘历软件指标_弘历趋势王版指标公式详解 通达信趋势弘历
  12. qq2008珊瑚虫版SL
  13. java动漫网站_基于SSM框架下的JAVA漫画展示系统
  14. 美国低速自动驾驶在公共交通应用详解 | 自动驾驶系列
  15. Can't open /dev/sdb1 exclusively. Mounted files
  16. C#调用Onnx模型
  17. Google 2018 IO 大会要点
  18. 精选101个中国风PPT模板
  19. 本地野菜的功效和吃法
  20. couchbase_Couchbase评论:智能NoSQL数据库

热门文章

  1. 程序员微信头像_哪些微信头像一看就是程序员?
  2. PyTorch 表情识别
  3. 雾芯科技,创新者的窘境
  4. s7 edge android 8,盖乐世S7/S7edge 正式开启Android 8.0系统内测活动
  5. 中国移动”5G大规模外场测试技术要求(V1.0)”基站要求
  6. ubuntu进入桌面自动启动脚本_Ubuntu程序开机自动启动设置(服务和自动运行配置文件)的几种方法...
  7. 制作lfw格式的数据集
  8. construct2游戏设计与制作
  9. 【资源】16个在线机器学习视频与教程
  10. CentOS故障排除详解(2): 进程相关