KITTI数据集Odometry坐标系变换理解

已于 2023-06-24 13:31:34 修改
阅读量557 收藏 3
点赞数 2
分类专栏： SLAM算法 Deep Learning 文章标签： python 人工智能
于 2023-06-24 13:13:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/li4692625/article/details/131360512
版权

原始数据中Tr表示Velodyne坐标系到P0相机的转换

Tr=A^{P_0}_{velo}

GroundTruth标注中表示的是P0坐标下的变换关系

T_{diff}=A_{p_0,t_1}^{p_0,t_2}

要求velodyne坐标系下的t0->t1的变换，则：

T_{velo,t_0}^{velo,t_1} = {Tr}^{-1} \cdot T_{diff} \cdot Tr                (1)

等效于

A_{P_0}^{velo} \cdot A^{p_0,t_1}_{p_0,t_0} \cdot A^{P_0}_{velo} = A_{P_0}^{velo} \cdot A^{P_0,t_1}_{w} \cdot A_{P_0,t_1}^{w} \cdot A^{P_0}_{velo} =(A_{velo}^{P_0})^{-1} \cdot (A_{P_0,t_1}^{w}) ^{-1} \cdot A_{P_0,t_1}^{w} \cdot A^{P_0}_{velo}

最后等效于

 (A_{velo,t_1}^{w})^{-1} \cdot A_{velo,t_0}^{w}                            (2)

总之 以上(1) (2)两种变换是等效的

（1）计算效率更高一些

（2）计算复杂一些 需要先转换到P0坐标系 再求逆

流浪德意志
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
探索 KITTI 数据集：自动驾驶汽车的视觉里程计
深度学习与计算机视觉
03-31 1176
什么是 KITTI 数据集？KITTI 是由卡尔斯鲁厄理工学院和芝加哥丰田技术学院开发的自动驾驶数据集。它是计算机视觉研究中使用的图像和 LIDAR 数据的集合，例如立体视觉、光流、视觉里程计、3D 对象检测和 3D 跟踪。该数据集可在 http://www.cvlibs.net/datasets/kitti/ 免费下载。在本文中，我们将探讨 KITTI 里程计数据集的用法。KITTI 数据集是用...
data_odometry_color数据集 64G
05-26
百度云链接 联网下了2天太大了，下的真的不容易 https://s3.eu-central-1.amazonaws.com/avg-kitti/data_odometry_color.zip
KITTI Odometry数据集的GT
weixin_47959961的博客
01-03 3103
文章目录1. 传感器安装位置2. KITTI Odometry 数据集结构3. calib.txt文件及pose/xx.txt文件说明 KITTI Odometry数据集使用很广泛，但对于新手来说，即使了解过了pin-hole成像原理、camera instrinsics & extrinsics、旋转矩阵这些知识，碰到GT文件中诸多矩阵也难免有点懵。前面在看相关内容的时候发现，针对数据集GT本身的内容描述很少，所以希望记录一下自己的理解。 1. 传感器安装位置 Kitti传感器主要包含相机（C
【点云数据集】
qq_43509900的博客
10-12 2248
这是最近看到的比较全的关于点云数据集的文章，转载过来供大家学习。
[carla]关于odometry坐标中的角度坐标系 以及 到地图的映射问题
condom10010的博客
02-13 1832
在carla中，通过订阅其中，pose.pose.position.x 和 pose.pose.position.y提供了全局x,y坐标，pose.pose.orientation提供了汽车的旋转角度。
KITTI Odometry数据集处理：将全局pose转换为帧间pose转换
qq_39502099的博客
03-17 3824
前言 之前我们使用了python将KITTI Odometry中的旋转矩阵转换为旋转向量，但他是基于全局的一个pose数据 而SLAM过程中常常使用的是帧间转换，这次我们来将全局的pose转换为pose之间的变换。 数学知识 在学习SLAM过程中我们我们常常会计算得到两帧之间的变换——2D-2D n-1时刻到n时刻的变换这里定义为[R,t]，R是旋转矩阵，t是平移 n时刻的全局pose变换这里定义为[Rn,tn]，R是旋转矩阵，t是平移 n-1时刻的全局pose变换这里定义为[Rn-1,tn-1]，R是旋
（二）一文带你了解KITTI数据集
热门推荐
m0_46556474的博客
06-15 1万+
KITTI数据集是目前国际上最为常用的自动驾驶场景下的计算机视觉算法评测数据集之一，本文将带你详细了解KITTI数据集。
将 kitti 数据集 odometry 中kitti格式的 groundtruth 转换为了 tum 格式的groundtruth
01-13
将 kitti 数据集 odometry 中kitti格式的 groundtruth 转换为了 tum 格式的groundtruth， 由于kitti格式的groundtruth没有时间戳，使用tum格式的groundtruth更便于对轨迹进行评估
data_odometry_gray数据集
04-25
百度网盘共享，KITTI数据集。21.6个g只能百度网盘共享。
KITTI数据集轨迹真值，序列00-10
最新发布
05-10
KITTI数据集轨迹真值，可用于点云拼接
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
KITTI数据集处理
08-10
采用python3，对KITTI数据集进行处理，可以修改txt以及相对应的image文件名，可以删除分类KITTI数据集类别，并生产训练以及验证的LMDB数据库。具体操作可参考链接：https://blog.csdn.net/tanghong1996/article/details/81568232
visual_odometry:在KITTI数据集上进行视觉里程计，实现了单眼2D-2D和立体声2D-3D
05-16
视觉里程表 这是在上的OpenCV 3.4实现。 方法 2D-2D单眼VO和2D-3D立体声VO 实施细节 编译 在2目录中： mkdir build cd build cmake .. make 跑步 编译后，直接在构建中单核细胞增多症 ./vo [sequence ID] [dataset directory] 立体声 ./vo [sequence ID] [max frame] [optimize frame] [dataset directory] 表现
KITTI数据集网盘分享
06-15
KITTI数据集百度网盘分享
使用KITTI里程计开发工具包evaluate_odometry评估ORB_SLAM2运行KITTI单目数据集结果
m0_56140527的博客
04-13 789
使用KITTI里程计开发工具包evaluate_odometry评估ORB_SLAM2运行KITTI单目数据集结果
map、odom、base_link坐标系之间的关系
qq_34761779的博客
09-30 2437
map、odom、base_link坐标系之间的关系
KITTI数据集Raw Data与Ground Truth序列00-10的对应关系，以及对应的标定参数
qq_39607707的博客
05-15 1万+
一、KITTI官方提供的真值下载地方 网站：Visual Odometry / SLAM Evaluation 2012 具体位置：Download odometry ground truth poses (4 MB) 下载后文件如下： 这里有序号00-10，共11个真值数据（内数据是KITTI格式的） 二、对应关系 各文件与KITTI数据集Raw Data的对应关系如下： 参考大佬：kitti数据集 Raw Data与00-10 Ground Truth的对应关系 11个文件的参考轨迹，可以看另
由浅到深理解ROS（6）-坐标转换
yngki的博客
11-21 1万+
转自         导航与定位是机器人研究中的重要部分。         一般机器人在陌生的环境下需要使用激光传感器（或者深度传感器转换成激光数据），先进行地图建模，然后在根据建立的地图进行导航、定位。在ROS中也有很多完善的包可以直接使用。         在ROS中，进行导航需要使用到的三个包是：       （1）move_base：根据参照的消息进行路
kitti数据集坐标转换
惊鸿一博
01-28 2210
目录 基本情况 1、kitti数据采集平台 2、表示方法 3、kitti 激光雷达、摄像头数据融合： 4、在论文中所述: 5、 传感器标定 基本情况 参考了以下文章kitti数据集标定文件解析 更详细的解释见文章:Vision meets Robotics: The KITTI Dataset 1、kitti数据采集平台 KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，一个Velodyne64线3D激光雷达，4个光学镜头，以及1个GPS导航系统。图示为传感器的配置平面
KITTY数据集介绍
10-09
KITTY数据集是一个用于自动驾驶和计算机视觉研究的常用数据集。它由德国卡尔斯鲁厄理工学院和丰田美国技术研究所联合创建，并以"KITTI Vision Benchmark Suite"的形式进行发布。 KITTY数据集包含在城市环境下采集的多模态传感器数据，包括图像、激光雷达点云、GPS/IMU定位数据等。这些数据可用于许多计算机视觉任务，如目标检测、语义分割、立体视觉等。 KITTY数据集的图像数据包含了多个传感器在不同时间步骤下拍摄的图像序列。每个图像序列都提供了相机标定参数，以及用于相机姿态估计和结构重建的辅助信息。 此外，KITTY数据集还提供了激光雷达点云数据，用于进行三维物体检测和跟踪。点云数据表示了周围环境中的物体位置和形状信息，对于场景理解和导航非常有用。 总体而言，KITTY数据集是一个非常有用的资源，可用于评估和比较各种计算机视觉算法在自动驾驶和智能交通等领域的性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值