数据准备
2.1 数据下载
训练集、测试集和脚本代码中分别有readme说明。
序号 | 名称 | 相关链接 | 说明 |
1 | 训练集 | ApolloScape的训练数据集 | |
2 | 测试集 | ApolloScape的测试数据集 (分数榜单使用的数据集) | |
3 | 脚本代码 | 将ApolloScape数据集转换为KITTI数据集的脚本 将ApolloScape数据转换为record的脚本 |
2.2 adataset环境配置
adataset用于将apolloscape数据转化为apollo record格式,方便做端到端感知调试。
aem enter # 在application-perception目录下进入到容器内。如果已经在容器内,则不需要执行。
安装adataset
# 更新pip源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
# 升级pip
python -m pip install --upgrade setuptools
# 安装adataset
pip install adataset
2.3 数据转化
在脚本代码中有apolloscape_to_records.py和apolloscape_to_kitti.py。
使用apolloscape_to_records.py将apolloscape转化成apollo records数据。
# -d表示apolloscape数据集。用a就好;
# -i表示数据数据集。这里目录就用训练集和测试集的目录;
# -o输出目录。注意:目录要提前创建好;
# -t类型。用rcd就好。
python scripts/apolloscape_to_records.py -d=a -i=train/ -o=train_records/ -t=rcd
使用apolloscape_to_kitti.py将apolloscape数据转化kitti格式,用于训练centerpoint模型。
注意:此步骤可在本地环境操作,不需要在容器中。本地需要具备pypcd库、numpy库和python2环境。
# --pcd_path: 点云数据路径,这里用的是pcl_pcd;
# --label_path: 标注结果。这里用的是detection_label;
# --output_path: 存放生成的数据,包括点云和标注两部分。
python2 scripts/apolloscape_to_kitti.py --pcd_path=train/pcl_pcd/ --label_path=train/detection_label/ --output_path=./kitti
Python2环境安装
-
https://docs.conda.io/projects/miniconda/en/latest/miniconda-install.html,安装miniconda;
-
创建python2环境:conda create -n python2 python=2.7;
-
切换到python2环境:conda activate python2;
-
安装pypcd和numpy:
-
conda install numpy
-
pip install pypcd
-
-
然后就可以使用上述命令将apolloscape数据集转化成kitti格式。
以下为官方的教学课程,感兴趣的小伙伴上课学习吧~
《Apollo开放平台9.0专项技术公开课》Apollo开发者社区_Apollo活动
《Apollo自动驾驶技术详解25讲》Apollo自动驾驶技术详解25讲_Apollo精品课
《自动驾驶新人之旅》自动驾驶新人之旅_Apollo精品课