KITTI数据集转为LVI-SAM使用格式

KITTI官网下载：真值：Download odometry ground truth poses (4 MB)标定参数（以及时间戳）：Download odometry data set (calibration files, 1 MB)真值标定参数raw data下载参考链接地址。

追_光

2263人浏览 · 2023-09-13 22:39:08

追_光 · 2023-09-13 22:39:08 发布

KITTI数据集转为LVI-SAM使用格式

KITTI数据集介绍
raw data与真值之间的对应关系
KITTI数据集转为bag
序列00-10的轨迹图

KITTI数据集介绍

KITTI官网

下载：
真值：Download odometry ground truth poses (4 MB)
标定参数（以及时间戳）：Download odometry data set (calibration files, 1 MB)

真值
在这里插入图片描述
标定参数

raw data
下载有gt的raw data:
下载参考链接地址

raw data与真值之间的对应关系

真值	raw data
00	2011_10_03_0027
01	2011_10_03_0042
02	2011_10_03_0034
03	2011_09_26_0067
04	2011_09_30_0016
05	2011_09_30_0018
06	2011_09_30_0020
07	2011_09_30_0027
08	2011_09_30_0028
09	2011_09_30_0033
10	2011_09_30_0034

KITTI数据集转为bag

LIO-SAM中有config/doc/kitti2bag.py的工具文件，可以获得100Hz的IMU数据
*_extract.zip　包含的IMU数据是100Hz, 但是视觉的数据没有去畸变，激光数据以txt格式存储的，转换为bag格式耗时长。
*_sync.zip数据中的IMU是10Hz, 但视觉数据已经去畸变，并且视觉和激光的时间戳已经同步，激光数据的存储格式是二进制格式bin存储的。

原文链接：https://blog.csdn.net/weixin_47552638/article/details/129759500
可参考链接

示例代码
cd data
wget https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_drive_0084/2011_09_26_drive_0084_sync.zip
wget https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_drive_0084/2011_09_26_drive_0084_extract.zip
wget https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_calib.zip
unzip 2011_09_26_drive_0084_sync.zip
unzip 2011_09_26_drive_0084_extract.zip
unzip 2011_09_26_calib.zip
python kitti2bag.py -t 2011_09_26 -r 0084 raw_synced .

会在对应data文件夹下生成bag文件
在这里插入图片描述

序列00-10的轨迹图

在这里插入图片描述

01

在这里插入图片描述

在这里插入图片描述
02

在这里插入图片描述

04
在这里插入图片描述

在这里插入图片描述

05
在这里插入图片描述

在这里插入图片描述

07
在这里插入图片描述

在这里插入图片描述

08
在这里插入图片描述

在这里插入图片描述

09
在这里插入图片描述

在这里插入图片描述

10
在这里插入图片描述

在这里插入图片描述

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。