Kitti数据集标签中yaw角在不同坐标系的转换

已于 2024-09-27 10:39:20 修改
阅读量5.7k 收藏 26
点赞数 8
分类专栏： 3D目标检测 文章标签： 自动驾驶
于 2021-12-13 15:59:19 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/ppppiu/article/details/121905961
版权

KITTI数据集中坐标系的定义如下图：

相机坐标系（俯视）
激光雷达坐标系（俯视）

 在标签文件（label）中，最后一个值为物体前进方向与x轴夹角的弧度值（在相机坐标系下）且以X轴->Y轴方向为负，Y轴->X轴方向为正

举个例子：如上图第一个car数据为例，其前进方向与x轴夹角（也称为yaw角）为-89.9°（-1.57*180/pi）

那么坐标系向雷达坐标系转换后，其raw角就变成了-(r_y + pi/2) ,且在雷达坐标系下，以X轴->Y轴方向为正。则接上一个例子，如图所示，其在雷达坐标系下的yaw角度为-0.1°。（图中X'为雷达坐标系下的X轴，X为相机坐标系的X轴，皆是俯视状态）

KITTI数据集解读
惊鸿一博
09-21 4万+
目录 1.KITTI数据集概述 2.数据采集平台 3.Dataset详述 3.1 数据组织形式 3.2 Development Kit 3.3 GPS/IMU位姿数据 3.4 传感器标定 参考 1.KITTI数据集概述 　　KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(ob
KITTI数据集 groundtruth转换到雷达坐标系（附python代码）
weixin_44841579的博客
07-26 474
原理：https://zhuanlan.zhihu.com/p/128006350。 旋转矩阵是（4x4）的，从 calib_velo_to_cam.txt 中得到。 转换之后就可以用轨迹评估工具做轨迹评估了~
3D点云目标检测——KITTI数据集读取与处理
最新发布
知来者逆的博客
03-14 2388
KITTI数据集是由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创建的一个大规模自动驾驶场景下的计算机视觉算法评测数据集。KITTI数据集采集自德国卡尔斯鲁厄市，涵盖了市区、郊区、高速公路等多种交通场景。数据采集时间为 2011 年 09 月 26 日、28 日、29 日、30 日及 10 月 03 日的白天。KITTI数据采集平台如下图所示：IMU/GPS总结来说，KITTI数据集由 4 个相机、1 个激光雷达、1 个IMU/GPS惯导系统共同组成。
kitti数据集坐标转换
冯子材的博客
09-29 1万+
转载自https://www.cnblogs.com/llfctt/p/9475659.html,侵删 kitti数据集标定文件解析 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图，为了生成双目立体图像，相同类型的摄像头相距54cm安装。...
KITTI数据集Odometry坐标系变换理解
li4692625的博客
06-24 911
原始数据中Tr表示Velodyne坐标系到P0相机的转换。GroundTruth标注中表示的是P0坐标下的变换关系。
KITTI坐标变换（KITTI官网推荐）
发布工作学习过程中遇到的问题和解决方案
10-18 255
KITTI官网推荐的文章。A guide on how to navigate between different sensor coordinate systems of KITTI.
#三维空间坐标系变换#__仅考虑yaw角（z轴）以及平移的坐标变换
sinat_37231928的博客
04-06 751
#三维空间坐标系变换#__旋转（Z轴） 仅考虑yaw角时候的坐标变化
kitti数据深度图转点云坐标计算方法与教程(代码实现)
weixin_38252409的博客
09-11 1654
kitti数据是一个通用数据，但里面点云坐标如何转到像素坐标以及对应点云转到像素坐标对应的相机坐标的深度值求解，也是一个较为麻烦的事情。如果你是小白，必然会在其中摸不着头脑。为此，本文分享kitti数据的点云坐标转像素坐标方法以及对应像素坐标的深度值求解方法，这也是本文重点介绍内容。而本文与其它文章不太相同，我们不纯粹讲解原理，而是使用代码直接转换，并在代码过程中说明其原理，我们也会给出完整代码。注：像素与深度值对转相机坐标内容就是给出深度值如何转3d相机坐标，该部分内容十分重要！
kitti深度估计数据集介绍
weixin_38252409的博客
09-04 4546
最近，我也开始做深度估计模型，该内容属于CV另一个领域，我使用depth anythingv2实现深度估计内容。然而kitti数据一直都是3d重要内容，作者收集了长达6个小时的真实交通环境，数据集由经过校正和同步的图像、雷达扫描、高精度的GPS信息和IMU加速信息等多种模态的信息组成。作者还在数据集官网提供了光流、物体检测、深度估计等多种任务的Benchmark。本篇介绍KITTI深度数据内容。
【机器学习】使用UE4制作KITTI格式数据集
weixin_42761454的博客
11-29 3640
简介 KITTI数据集简介 Label解析 简介 项目中使用到一个3D bounding box的开源项目，项目中使用的是KITTI自动驾驶数据集，队友使用NVIDIA Deep learning Dataset Synthesizer生成我们项目所需的虚拟数据集，需要将json格式的虚拟数据集转换成KITTI格式的数据集来使用。 要完成格式转换就需要将KITTI数据集label的各项参数搞懂。本文前部分会总结一些我现在所理清的参数含义，参考了KITTI的devkit中的readme.
kitti数据集点云位姿
02-21
一种常见做法是从给定的时间序列里选取对应时间节点上的IMU测量值作为参考依据之一，再结合预先设定好的转换模型求解出目标点所在局部坐标系下的三维空间向量表达形式[^2]。 此外，如果想要进一步提升精度水平的话...
KITTI数据集 激光雷达-图像坐标系转换关系
幸福回头的博客
03-15 1万+
关于KITTI坐标系中的坐标转换，研究了好久，网络上也没有很详细的解释，自己了解了一些转换的内容，写在这里，供大家参考学习。 KITTI数据集中一共有三个坐标系： 1. 激光雷达坐标系 (下图1中的蓝色坐标系) 2. 相机坐标系 (下图1中的红色坐标系) 3. 图像坐标系 (下图2相机采集的图像) ...
记录kitti数据集的坐标系转换问题
weixin_47343723的博客
11-07 3409
P0~P4相机内参相机外参3D相机坐标系(x,y,z,1) —>2D图像(u,v,1)世界坐标系/点云坐标系(X,Y,Z,1) —>3D相机坐标系(x,y,z,1)维度不变 3*4添加维度 3*4到4*4Tr_velo_to_cam称为外参矩阵，由旋转+平移矩阵构成，为了保证维度，需要同时对点云和矩阵进行升维。总之，就是一个内参、一个外参，一个不加维度，一个变为4*4，相应的数据也都跟着多了一维。看起来似乎很简单，但我还是看了好几天。
点云处理：Kitti数据集中点云坐标转化到彩色摄像机坐标
qq_45275571的博客
03-17 1526
一、实现目标 激光雷达探测到的点云目标，将目标的激光雷达下的坐标转化到摄像机的坐标下。 实现结果： 雷达检测到车辆目标。 找到对应的2D坐标点，并框出目标。 二、实现原理 其中，x为点云坐标系坐标，y为摄像机坐标系对应的坐标。 上面用到的三个矩阵到矫正文件中查找即可。 这里简单举个例子： 我们可能用到的在这两个txt中。 1）从雷达到摄像机00 代码： cv::Mat T_velo_to_cam00 = (cv::Mat_<float>(4, 4) << 7.53374
激光雷达坐标系、相机坐标系与到图像坐标系之间的转换
qq_38222947的博客
06-25 1万+
激光雷达坐标系、相机坐标系与到图像坐标系之间的转换 本文解决的问题是经联合标定后，点云和图像之间坐标相互转换的问题。需要的先验知识和条件：相机标定；激光雷达和相机联合标定；相机内参、相机和雷达外参。 把雷达坐标系看成世界坐标系，则世界坐标系中任意一点W，其世界坐标为： 其世界齐次坐标为： 又假设雷达坐标系到相机坐标系的转换矩阵为E，（该矩阵即是外参矩阵，取其英文Extrinsic首字母E），假设其逆矩阵为： 设点W在相机坐标系下的坐标表示为： 其在相机坐标系下的齐次坐标为： 则有： 即： 为消
kitti数据label的2d与3d坐标转为像素坐标方法与教程(代码实现)
weixin_38252409的博客
09-09 1123
kitti数据是一个通用数据，但里面标定文件或标签文件等相互关心很有可能把大家陷入其中。为此，本文分享kitti数据的label标签内容转换，特别是标签的3d坐标转换到图像像素坐标，这也是本文重点介绍内容。而本文与其它文章不太相同，我们不注重kitti原理介绍，而是使用代码将其转换，并给出完整代码。先给出调用的主函数，然后在分别讲解，直接看代码如下： 2、数据格式示意图 因为要将其2d与3d坐标展现到图像中，需要获取图像数据，其代码如下： 2、label标签数据获取 读取标签txt文件内容，将其每个目标内容
KITTI数据集--参数
热门推荐
cuichuanchen3307的博客
06-06 5万+
一、kitti数据集，label解析   16个数代表的含义： 第1个字符串：代表物体类别 'Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist','Tram',  'Misc' or  'DontCare' 注意，’DontCare’ 标签表示该区域没有被标注，比如由于目标物体距离激光雷达太远。为了防止在评估过...
坐标系转换之三：欧拉角、四元数、旋转矩阵、方向余弦矩阵、旋转向量、轴角表示
落日之城
03-14 2万+
坐标转换有很多种方法，不同的领域有不同的使用习惯。 上两篇文章我们讲了旋转矩阵和欧拉角，可知欧拉角是可以由旋转矩阵转化而来。 那么怎么从欧拉角转化为旋转矩阵呢？欧拉角（Euler angles）与旋转矩阵（Rotation Matrix）假设坐标系1的欧拉角yaw（Azimuth）、pitch、roll的角度为α,β,γ\alpha, \beta,\gamma,可以由公式：R(α,β,γ)=Rz
Mini KITTI数据集标签快速验证指南
在本资源中，标签数据（label_2）可能包含了与之相关的对象类别的2D边界框、3D边界框以及它们在世界坐标系中的位置。 详细地，标注文件可能包含以下信息： - 每个对象的类别（如汽车、行人等）； - 每个对象的3D...
评论 3
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