自动驾驶：如何使用apollo数据进行点云配准？

数据集下载来自Apollo数据开放平台：http://data.apollo.auto/?locale=zh-cn&lang=en

参考论文：2019 ICCV ——DeepICP: An End-to-End Deep Neural Network for 3D Point Cloud Registration

下载的是样例数据，大概52GB左右。解压之后包含三个文件夹：

分别是地图数据，测试数据，训练数据。每个文件夹中包含点云pcds数据和poses位姿数据。

其中pcds数据可以用PCL点云库读取，如果想提取出来点云坐标(x,y,z)，可以直接用PCL把二进制存储坐标的pcd数据转换成txt就可以了。 （这里我后来发现pcd数据也可以直接用matlab fopen打开，然后读其中的坐标，可能是因为它这个是ASCII保存，如果是以二进制的形式就读不出来吧）

poses位姿数据包含是一个九维向量：

第一维是帧号，因为每一秒钟可以扫描几十帧到上百帧，时间戳记录了当前点云数据的时间，后面三维为x,y,z，只有的4维是一个四元数（已经单位化了，qx^2+qy^2+qz^2+qr^2 = 1），可以根据四元数转换成旋转矩阵，然后求得每相邻，比如说100帧之间的一个变换。R旋转矩阵和t平移矩阵。

 

目前遇到的一些问题：

因为我本人也在做点云配准的研究，使用Apollo数据测试过Deep ICP中提到的文章，差距比较大，在想是不是没有理解他的用法？我现在用的是MapData中的第一帧和第一百帧数据，测试了一下CPD和自己的算法，误差都比较大。

并且我观察到，MapData和TestData、TrainData文件夹中的不同，gt_poses是真值，那init_poses作用是什么？valid_range的作用是什么呢？init_poses和gt_poses是要一起使用吗？

地图数据集中包含pcd格式的点云数据为36304帧，训练数据集中包含pcd格式的点云数据为7538帧，测试数据集中包含pcd格式的点云数据为6443帧。

如果大家有知道的可以评论指教一下，或者说讨论一下，谢谢~

 

2020/1/14：

如果做配准的话就不用在意init_poses和valid_range了。只需要关系gt_poses，其中包含了每帧的真值；

问了作者，数据的帧间间隔100是这个意思，比如你选取了第一帧，然后在选取第三帧吧打个比方，你确定下两帧之间的距离是不是大于5了，没有的话就采用这两帧点云数据为x和y。之后帧间间隔是100，也就是你再选第101帧和103帧当做x和y。以此类推。