KITTI数据集简析
文章目录
- KITTI数据集
- 数据集结构
- 数据集内容
- data_object_calib 样本标定数据
- data_object_label_2 3D点云标注文件
KITTI数据集
数据集结构
- KITTI数据集网盘 提取码:0bjl
KITTI
├── devkit_object
| ├── cpp
| ├── mapping
| ├── matlab
| └── readme.txt
│—— data_object_calib
│ ├── testing
│ │ └── calib
│ └── training
│ └── calib
│—— data_object_label_2
│ ├── testing
│ └── label_2
│—— data_object_image_2
│ ├── testing
│ │ └── image_2
│ └──training
│ └── image_2
│—— data_object_velodyne
│ ├── testing
│ │ └── velodyne
│ └── training
│ └── velodyne
│—— data_road
│ ├── testing
│ │ ├── calib
│ │ └── image_2
│ └── training
│ ├── calib
│ ├── gt_image_2
│ └── image_2
│—— depth_2
数据集内容
- data_object_calib 每个样本的标定数据 (测试集7518个,训练集7481个)
- data_object_label_2 3D点云标注文件(只有训练集7481个)
- data_object_image_2 RGB图像 (测试集7518个,训练集7481个)
- data_object_velodyne 激光雷达数据(测试集7518个,训练集7481个)
- data_road 包含测试集和训练集 每集中包含标定参数以及RGB图像 训练集中还多个gt_image_2
- depth_2 7481张深度图像
data_object_calib 样本标定数据
P0:校对后的 camera0 投影矩阵,3x4 数组
P1:校对后的 camera1 投影矩阵,3x4 数组
P2:校对后的 camera2 投影矩阵,3x4 数组
P3:校对后的 camera3 投影矩阵,3x4 数组
R0_rect:校准旋转矩阵,4x4 数组
Tr_velo_to_cam:从 Velodyne 坐标到相机坐标的变换矩阵,4x4 数组
Tr_imu_to_velo:从 IMU 坐标到 Velodyne 坐标的变换矩阵,4x4 数组
data_object_label_2 3D点云标注文件
#Values Name Description
----------------------------------------------------------------------------1 type (类别信息:车 货车 卡车...)Describes the type of object: 'Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist', 'Tram','Misc' or 'DontCare'1 truncated (是否被截断:0-1截断程度)Float from 0 (non-truncated) to 1 (truncated), wheretruncated refers to the object leaving image boundaries1 occluded (是否被遮挡:0完全可见 1部分遮挡 2大部分遮挡 3未知)Integer (0,1,2,3) indicating occlusion state:0 = fully visible, 1 = partly occluded2 = largely occluded, 3 = unknown1 alpha (物体观察角度:[-pi, pi](弧度))Observation angle of object, ranging [-pi..pi]4 bbox (2D图像标注框:左上角右下角坐标)2D bounding box of object in the image (0-based index):contains left, top, right, bottom pixel coordinates3 dimensions (3D点云标注框:高 宽 长(m))3D object dimensions: height, width, length (in meters)3 location (3D点云标注框:相机坐标系底面中心点坐标(m))3D object location x,y,z in camera coordinates (in meters)1 rotation_y (物体正前方向与相机水平方向角度)Rotation ry around Y-axis in camera coordinates [-pi..pi]1 score (得分)Only for results: Float, indicating confidence indetection, needed for p/r curves, higher is better.
KITTI数据集简析相关推荐
- 双目测距系列(七)monodepth2训练前数据集准备过程的简析
前言 上一篇文章说过,monodepth2模型有三种训练方式.针对我们的双目场景,准备使用stereo training方法. monodepth2的训练入口函数在train.py中,如下图所示. 总 ...
- 小白科研笔记:简析SOTA目标检测算法3D-CVF
1. 前言 最近KITTI的3D目标检测榜刷出了一个新的Top One双阶段算法3D-CVF.做算法,有时间需要跟紧新的网络架构.所以这篇博客主要分析这篇论文3D-CVF: Generating Jo ...
- [2020-ECCV]PIPAL-a Large-Scale Image Quality Assessment Dataset for Perceptual Image Restoration论文简析
[2020-ECCV] PIPAL: a Large-Scale Image Quality Assessment Dataset for Perceptual Image Restoration 论 ...
- [2021-ICCV] MUSIQ Multi-scale Image Quality Transformer 论文简析
[2021-ICCV] MUSIQ: Multi-scale Image Quality Transformer 论文简析 论文:https://arxiv.org/abs/2108.05997 代码 ...
- [2020-AAAI] Revisiting Image Aesthetic Assessment via Self-Supervised Feature Learning 论文简析
[2020-AAAI] Revisiting Image Aesthetic Assessment via Self-Supervised Feature Learning 论文简析 论文链接:htt ...
- [2021-CVPR] Fine-grained Angular Contrastive Learning with Coarse Labels 论文简析
[2021-CVPR] Fine-grained Angular Contrastive Learning with Coarse Labels 论文简析 论文地址:https://arxiv.org ...
- SIGMOD 2021 论文简析:当公交网络连接满足通勤需求时的公共交通规划 Public Transport Planning
SIGMOD-2021 论文简析:当公交网络连接满足通勤需求时的公共交通规划 - Public Transport Planning: When Transit Network Connectivit ...
- ICDE-2020 论文简析:空间众包中的预测任务分配 : 一种数据驱动的方法 Predictive Task Assignment in Spatial Crowdsourcing
ICDE-2020 论文简析:空间众包中的预测任务分配:一种数据驱动的方法 Predictive Task Assignment in Spatial Crowdsourcing: A Data-dr ...
- YOLOv5Face YOLO5Face人脸检测论文及代码简析
YOLO5face人脸检测模型论文和代码简析 YOLO5Face模型分析 论文及源码下载 论文创新点 实验结果 下载代码跑起来 调整数据集 训练完成之后检验结果 一点点代码简析 文件结构 data m ...
- Learning with Noisy Correspondence for Cross-modal Matching 文献翻译 代码简析
Learning with Noisy Correspondence for Cross-modal Matching 基于噪声对应的跨模态匹配学习 Learning with Noisy Corre ...
最新文章
- 华裔教授教你写论文2.引言的逻辑解析
- CommunityServer读取Blog分析(一)
- Nginx下载服务器配置文件
- linux发送http请求xml报文,使用curl命令行发送/发布xml文件
- docker与kuberentes基本概念与操作学习
- python系统学习:函数积累(持续更新)
- SorterBot-第1部分
- seleniumpython定位网页元素方法_使用Selenium对网页元素进行定位的诸种方法
- 【操作系统】—线程概念和多线程模型
- 银行舆情监测-TOOM舆情监测系统
- 前端判断文件后缀名_JS - 获取文件后缀,判断文件类型(比如是否为图片格式)...
- 数据处理任务量级巨大?构建预置容器镜像的Amazon EKS解决方案了解一下!
- GPGPU-Sim学习(二)搭建GPGPU-Sim环境(ubuntuServer 10.04 安装GPGPU-Sim)
- 手机android版本2.3.6可以安装哪个版本的音乐播放器,喜马拉雅fm老版本2.3.6下载...
- 软件测试方法和技术第一章——引论
- 深入理解设计模式-责任链模式(职责链模式)
- Reids面试题集合 数据结构+穿透雪崩+持久化+内存淘汰策略+数据库双写+哨兵
- UVA 10118 简单DP
- 免费获取全球夜间NPP VIIRS灯光数据!内附下载链接!
- 腾讯官方披露,TDSQL十年自主可控之路(附PDF)