网站开发文案模板,蜜芽免费网站域名,东莞seo优化,wordpress 登录集成数据总体结构
Nuscenes 数据结构 可以看一下我的blog如何下载完整版
mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── nuscenes
│ │ ├── maps
│ │ ├── samples
│ │ ├── sweeps
│ │ ├── lidarseg (o…数据总体结构
Nuscenes 数据结构 可以看一下我的blog如何下载完整版
mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── nuscenes
│ │ ├── maps
│ │ ├── samples
│ │ ├── sweeps
│ │ ├── lidarseg (optional)
│ │ ├── v1.0-test
| | ├── v1.0-trainval参考 mmdet3d
nuscenes_database/xxxxx.bin训练数据集的每个 3D 包围框中包含的点云数据。nuscenes_infos_train.pkl训练数据集该字典包含了两个键值metainfo 和 data_list。metainfo 包含数据集的基本信息例如 categories, dataset 和 info_version。data_list 是由字典组成的列表每个字典以下简称 info包含了单个样本的所有详细信息。info[‘sample_idx’]样本在整个数据集的索引。info[‘token’]样本数据标记。info[‘timestamp’]样本数据时间戳。info[‘ego2global’]自车到全局坐标的变换矩阵。4x4 列表info[‘lidar_points’]是一个字典包含了所有与激光雷达点相关的信息。info[‘lidar_points’][‘lidar_path’]激光雷达点云数据的文件名。info[‘lidar_points’][‘num_pts_feats’]点的特征维度。info[‘lidar_points’][‘lidar2ego’]该激光雷达传感器到自车的变换矩阵。4x4 列表info[‘lidar_sweeps’]是一个列表包含了扫描信息没有标注的中间帧。info[‘lidar_sweeps’][i][‘lidar_points’][‘data_path’]第 i 次扫描的激光雷达数据的文件路径。info[‘lidar_sweeps’][i][‘lidar_points’][lidar2ego’’]当前激光雷达传感器到自车的变换矩阵。4x4 列表info[‘lidar_sweeps’][i][‘lidar_points’][‘ego2global’]自车到全局坐标的变换矩阵。4x4 列表info[‘lidar_sweeps’][i][‘lidar2sensor’]从主激光雷达传感器到当前传感器用于收集扫描数据的变换矩阵。4x4 列表info[‘lidar_sweeps’][i][‘timestamp’]扫描数据的时间戳。info[‘lidar_sweeps’][i][‘sample_data_token’]扫描样本数据标记。info[‘images’]是一个字典包含与每个相机对应的六个键值CAM_FRONT, CAM_FRONT_RIGHT, CAM_FRONT_LEFT, CAM_BACK, CAM_BACK_LEFT, CAM_BACK_RIGHT。每个字典包含了对应相机的所有数据信息。info[‘images’][‘CAM_XXX’][‘img_path’]图像的文件名。info[‘images’][‘CAM_XXX’][‘cam2img’]当 3D 点投影到图像平面时需要的内参信息相关的变换矩阵。3x3 列表info[‘images’][‘CAM_XXX’][‘sample_data_token’]图像样本数据标记。info[‘images’][‘CAM_XXX’][‘timestamp’]图像的时间戳。info[‘images’][‘CAM_XXX’][‘cam2ego’]该相机传感器到自车的变换矩阵。4x4 列表info[‘images’][‘CAM_XXX’][‘lidar2cam’]激光雷达传感器到该相机的变换矩阵。4x4 列表info[‘instances’]是一个字典组成的列表。每个字典包含单个实例的所有标注信息。对于其中的第 i 个实例我们有info[‘instances’][i][‘bbox_3d’]长度为 7 的列表以 (x, y, z, l, w, h, yaw) 的顺序表示实例的 3D 边界框。info[‘instances’][i][‘bbox_label_3d’]整数表示实例的标签-1 代表忽略。info[‘instances’][i][‘velocity’]3D 边界框的速度由于不正确没有垂直测量大小为 (2, ) 的列表。info[‘instances’][i][‘num_lidar_pts’]每个 3D 边界框内包含的激光雷达点数。info[‘instances’][i][‘num_radar_pts’]每个 3D 边界框内包含的雷达点数。info[‘instances’][i][‘bbox_3d_isvalid’]每个包围框是否有效。一般情况下我们只将包含至少一个激光雷达或雷达点的 3D 框作为有效框。info[‘cam_instances’]是一个字典包含以下键值CAM_FRONT, CAM_FRONT_RIGHT, CAM_FRONT_LEFT, CAM_BACK, CAM_BACK_LEFT, CAM_BACK_RIGHT。对于基于视觉的 3D 目标检测任务我们将整个场景的 3D 标注划分至它们所属于的相应相机中。对于其中的第 i 个实例我们有info[‘cam_instances’][‘CAM_XXX’][i][‘bbox_label’]实例标签。info[‘cam_instances’][‘CAM_XXX’][i][‘bbox_label_3d’]实例标签。info[‘cam_instances’][‘CAM_XXX’][i][‘bbox’]2D 边界框标注3D 框投影的矩形框顺序为 [x1, y1, x2, y2] 的列表。info[‘cam_instances’][‘CAM_XXX’][i][‘center_2d’]3D 框投影到图像上的中心点大小为 (2, ) 的列表。info[‘cam_instances’][‘CAM_XXX’][i][‘depth’]3D 框投影中心的深度。info[‘cam_instances’][‘CAM_XXX’][i][‘velocity’]3D 边界框的速度由于不正确没有垂直测量大小为 (2, ) 的列表。info[‘cam_instances’][‘CAM_XXX’][i][‘attr_label’]实例的属性标签。我们为属性分类维护了一个属性集合和映射。info[‘cam_instances’][‘CAM_XXX’][i][‘bbox_3d’]长度为 7 的列表以 (x, y, z, l, h, w, yaw) 的顺序表示实例的 3D 边界框。info[‘pts_semantic_mask_path’]激光雷达语义分割标注的文件名。OccNet 在 nuScenes 基础上推出的 OpenOcc 数据集提供环视相机图像、3D occupancy 和 occupancy flow 标注等。数据集通过将 Lidar 数据体素化生成精确的3D真值支持场景理解和3D重建研究。这一数据集不仅适合静态场景分析也能用于研究动态环境为机器视觉等领域的进步提供重要资源。
Occnet 数据集 连接
OccNet
├── data/
│ ├── can_bus/
│ ├── nuscenes/
│ │ ├── maps/
│ │ ├── samples/
│ │ ├── sweeps/
│ │ ├── v1.0-test
│ │ ├── v1.0-trainval
│ │ ├── nuscenes_infos_temporal_train.pkl
│ │ ├── nuscenes_infos_temporal_val.pkl
│ ├── occ_gt_release_v1_0/
│ │ ├── train/
│ │ ├── val/
│ │ ├── occ_gt_train.json
│ │ ├── occ_gt_val.json
│ │ ├── nuscenes_infos_temporal_train_occ_gt.pkl
│ │ ├── nuscenes_infos_temporal_val_occ_gt.pklOccpancy 里面的结构
└── Occpancy3D-nuScenes-V1.0|├── mini|├── trainval| ├── imgs| | ├── CAM_BACK| | | ├── n015-2018-07-18-11-07-570800__CAM_BACK__1531883530437525.jpg| | | └── ...| | ├── CAM_BACK_LEFT| | | ├── n015-2018-07-18-11-07-570800__CAM_BACK_LEFT__1531883530447423.jpg| | | └── ...| | └── ...| | | ├── gts | | ├── [scene_name]| | | ├── [frame_token]| | | | └── labels.npz| | | └── ...| | └── ...| || └── annotations.json|└── test├── imgs└── annotations.json
imgs/ 包含由各种相机捕获的图像。 gts/ 包含每个样本的真值数据。[scene_name] 指定一系列帧而 [frame_token] 指定序列中的单个帧。 annotations.json 包含数据集的元信息。 labels.npz 包含每一帧的 [semantics]语义、[mask_lidar]雷达遮罩和 [mask_camera]相机遮罩。
annotations {train_split: [scene-0001, ...], list -- training dataset split by scene_nameval_split: list [scene-0003, ...], list -- validation dataset split by scene_namescene_infos { dict -- meta infos of the scenes [scene_name]: { str -- name of the scene. [frame_token]: { str -- samples in a scene, ordered by timetimestamp: str -- timestamp (or token), unique by samplecamera_sensor: { dict -- meta infos of the camera sensor[cam_token]: { str -- token of the cameraimg_path: str -- corresponding image file path, *.jpgintrinsic: float [3, 3] -- intrinsic camera calibrationextrinsic:{ dict -- extrinsic parameters of the cameratranslation: float [3] -- coordinate system origin in metersrotation: float [4] -- coordinate system orientation as quaternion} ego_pose: { dict -- vehicle pose of the cameratranslation: float [3] -- coordinate system origin in metersrotation: float [4] -- coordinate system orientation as quaternion} },...},ego_pose: { dict -- vehicle posetranslation: float [3] -- coordinate system origin in metersrotation: float [4] -- coordinate system orientation as quaternion},gt_path: str -- corresponding 3D voxel gt path, *.npznext: str -- frame_token of the previous keyframe in the scene prev: str -- frame_token of the next keyframe in the scene}] }}
}字段类型描述train_splitlist以场景名分割的训练数据集val_splitlist以场景名分割的验证数据集scene_infosdict场景的元信息[scene_name]str场景名称[frame_token]str场景中的样本按时间顺序排列timestampstr时间戳或标记每个样本唯一camera_sensordict摄像头传感器的元信息[cam_token]str摄像头的标记img_pathstr对应的图像文件路径*.jpgintrinsicfloat[3,3]摄像头内参校准extrinsicdict摄像头外参translationfloat[3]坐标系原点以米为单位rotationfloat[4]坐标系方向以四元数表示ego_posedict摄像头所在车辆的姿态translationfloat[3]坐标系原点以米为单位rotationfloat[4]坐标系方向以四元数表示ego_posedict车辆姿态translationfloat[3]坐标系原点以米为单位rotationfloat[4]坐标系方向以四元数表示gt_pathstr对应的3D体素真值路径*.npznextstr场景中上一个关键帧的frame_tokenprevstr场景中下一个关键帧的frame_token
榜单 连接
