Semantic-Kitti数据解析

Guycynnnnn

已于 2022-08-03 15:47:11 修改

阅读量2.5k

点赞数 1

分类专栏：深度学习 semantic-kitti 文章标签： python

于 2022-08-01 21:52:19 首次发布

本文链接：https://blog.csdn.net/Guycynnnnn/article/details/126110755

版权

本文介绍了Semantic-Kitti数据集的.bin和.label文件格式，详细讲解了二进制雷达数据的读取以及标签文件的内容。重点讨论了在处理数据集时遇到的坐标轴问题，即训练数据的xyz归一化与原始数据不匹配，导致模型应用时效果不佳。为解决此问题，文章提供了修正数据偏移量的代码，确保模型输入与原始数据一致。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. .bin文件

文件中保存的是二进制格式的四维雷达数据，包括x,y,z,intensity

打开文件：

def load_data_points(points_path):
    # cloud = np.fromfile(points_path, dtype=np.float32).reshape((-1, 4))
    cloud = np.fromfile(points_path, dtype=np.float32)
    return cloud

2. .label文件

文件中保存对应每个点的label

打开文件：


def load_data_labels(label_path):
    labels = np.fromfile(label_path, dtype=np.uint32).reshape((-1, 1))
    return labels

3. 我是切割自己数据集时发现坐标轴出现问题，训练的模型无法正确显示其效果，排查发现训练集数据xyz值做了归一化与原始数据不一致，导致应用模型时输入原始数据效果不佳。

重新加载所有训练集数据修正偏移量（我的是原始数据Z值减了1.34），代码如下：

import numpy as np
import argparse
import struct
import math
import os

EXTENSIONS_SCAN = ['.bin']
EXTENSIONS_LABEL = ['.label']


def is_scan(filename):
  return an