DATASET: 'KittiDataset'
DATA_PATH: '../data/kitti' #数据路径
#点云范围,根据实际自己的点云范围调整
POINT_CLOUD_RANGE: [0, -40, -3, 70.4, 40, 1] # 顺序为[x_min, y_min, z_min, x_max, y_max, z_max]
#数据分割
DATA_SPLIT: {
'train': train,
'test': val
}
#信息路径
INFO_PATH: {
'train': [kitti_infos_train.pkl],
'test': [kitti_infos_val.pkl],
}
FOV_POINTS_ONLY: True
#数据增强器
DATA_AUGMENTOR:
DISABLE_AUG_LIST: ['placeholder']
AUG_CONFIG_LIST:
# gt_sampling及以下的各个NAME函数均定位在pcdet/datasets/augmentor/data_augmentor.py
- NAME: gt_sampling #ground truth 采样
USE_ROAD_PLANE: True
DB_INFO_PATH: # 数据库信息路径
- kitti_dbinfos_train.pkl
#根据难度和关键点数量过滤掉一部分数据
#具体函数在头文件中的augmentor_utils.py
PREPARE: {
filter_by_min_points: ['Car:5', 'Pedestrian:5', 'Cyclist:5'], #按最低分数过滤
filter_by_difficulty: [-1], #按难度过滤
}
SAMPLE_GROUPS: ['Car:20','Pedestrian:15', 'Cyclist:15'] # 样本组
NUM_POINT_FEATURES: 4
DATABASE_WITH_FAKELIDAR: False
REMOVE_EXTRA_WIDTH: [0.0, 0.0, 0.0]
LIMIT_WHOLE_SCENE: True
#通过随机翻转、旋转、放缩改变一部分dataset中gt_boxes和points的值,以增强数据
#详细代码在头文件中的pcdet/datasets/augmentor/data_augmentor.py
- NAME: random_world_flip #随机世界翻转
ALONG_AXIS_LIST: ['x']
- NAME: random_world_rotation #随机世界旋转
WORLD_ROT_ANGLE: [-0.78539816, 0.78539816]
- NAME: random_world_scaling #随机世界缩放
WORLD_SCALE_RANGE: [0.95, 1.05]
# POINT_FEATURE_ENCODING定位在pcdet/dataset/processor/point_feature_encoder.py
# 点特征编码
# 作用是将点云数据按照['x', 'y', 'z', 'intensity']的格式解码读取
POINT_FEATURE_ENCODING: {
encoding_type: absolute_coordinates_encoding, #编码类型:绝对坐标编码
used_feature_list: ['x', 'y', 'z', 'intensity'],
src_feature_list: ['x', 'y', 'z', 'intensity'],
}
# DATA_PROCESSOR及相关函数定位在pcdet/datasets/processor/data_processor.py中
# 数据处理器
DATA_PROCESSOR:
# 作用是遮盖所有在点云范围之外的点和gt_box
# 具体函数在头文件中的common_utils.py和box_utils.py
- NAME: mask_points_and_boxes_outside_range
REMOVE_OUTSIDE_BOXES: True #移除外框
# 作用是将点云数据点随机排序(洗牌)
- NAME: shuffle_points
SHUFFLE_ENABLED: { # 打乱数据集
'train': True,
'test': False
}
# 根据spconv中的函数从点云中生成体素
- NAME: transform_points_to_voxels #将点转换为体素
VOXEL_SIZE: [0.05, 0.05, 0.1] #体素大小,根据点云的稠密程度调整
MAX_POINTS_PER_VOXEL: 5 # 每个体素的最高点数,根据点云的稠密程度调整
MAX_NUMBER_OF_VOXELS: { #体素数量上限
'train': 16000,
'test': 40000
}
kitti_dataset.yaml
最新推荐文章于 2024-03-13 18:17:05 发布