wyk71456的博客

下载tracking资料并读取接下来，对图片和点云数据做一些处理，增加一些好玩的内容。我们把图片中的物体识别框 bounding box 贴上去，显示出来。框的位置和大小我们先用现成的KITTI的官方数据。这是他们通过外部机构进行手工添加的。开始吧！第一步，先从KITTI网站下载tracking资料。http://www.cvlibs.net/datasets/kitti/eval_tracking.php接下来，使用jupyter notebook来调试python代码。jupyter能够分段

发布GPS数据

将两个marker放在一个MarkerArray中，然后一同发布：publish_utils.py#draw a ego-car model and lines of sightdef publish_ego_car(ego_car_pub): """Publish left and right 45 degree FOV lines and ego car model mesh""" marker_array = MarkerArray()# draw a ego-car mod

画出自己的车以及照相机视野1、画出车的模型(用已有模型)2、画出相机图片的视野范围代码结构：kitti.py-data_utils.py-publish_utils.pydata_utils.pydata_utils.py负责从数据集中读取camera数据和point cloud数据。data_utils.py代码：#!/usr/bin/pythonimport cv2import numpy as npimport osdef read_camera(path): re

【ROS】发布点云资料把kitti中的点云资料发布到点云空间中。在代码 kitti.py 中新建一个发布点云的publisher。然后读取资料，并发布出去。ROS中有一种格式叫 PointCloud2 专门用来发布点云。点云数据位于 velodyne文件夹中。每个bin文件里面都是一些点，每个点有4个数据。把数据通过numpy读入：point_cloud = numpy.fromfile(os.path.join(DATA_PATH,'velodyne_points/data/%010d.b

KITTI：自动驾驶数据集，包括深度图，2D物体检测，语义分割等任务。【1】中将raw data通过kitti2bag工具把数据转换为rosbag格式播放。现在，用自己写的程序把数据publish出来，用rviz可视化工具显示出来。因为kitti2bag的格式是固定的，不能变化。为了能够自己写代码并进行显示，需要用rviz来显示。机器人模拟中也经常用到。资料：KITTI： City：2011_09_26_drive_0005 (0.6 GB)下载其中：synced+rectified data和

KITTI 网站介绍：我们利用我们的自动驾驶平台 Annieway 开发新颖的具有挑战性的现实世界计算机视觉基准。我们感兴趣的任务是：立体、光流、视觉里程计、3D 对象检测和 3D 跟踪。为此，我们为一辆标准旅行车配备了两个高分辨率彩色和灰度摄像机。 Velodyne 激光扫描仪和 GPS 定位系统提供准确的地面实况。我们的数据集是通过在卡尔斯鲁厄中型城市、农村地区和高速公路上行驶而捕获的。每个图像最多可以看到 15 辆汽车和 30 名行人。除了以原始格式提供所有数据外，我们还为每个任务提取基准。对于我.