kitti数据集在3D目标检测中的入门(二)可视化详解

VIP文章 Studying_swz

已于 2024-03-17 22:46:49 修改

阅读量6.7k

点赞数 10

分类专栏：点云文章标签：可视化 python 计算机视觉

于 2020-06-22 19:47:05 首次发布

本文链接：https://blog.csdn.net/qq_37534947/article/details/106906219

版权

推荐阅读第一篇博客：https://blog.csdn.net/qq_37534947/article/details/106628308
因为在写第一篇的时候对于kitti数据集的用法总结的不是太清楚，这里根据可视化代码，然后重新总结一下其主要的流程认知：

一：点云数据bin投影到图像上

一个bin文件对应一个360°方向的点云:
在这里插入图片描述
可以看到其中间黑的位置是车所在的位置，以中心点的3D坐标下，一个bin文件存储着多个点的坐标，(x,y,z,r)，r表示反射的强度这里一般用不到。

pointcloud = np.fromfile(str("G:/3Ddet/Point-GNN/000000.bin"), dtype=np.float32, count=-1).reshape([-1, 4])

print(pointcloud.shape)
x = pointcloud[:, 0]  # x position of point
y = pointcloud[:, 1]  # y position of point
z = pointcloud[:, 2]  # z position of point
r = pointcloud[:, 3]  # reflectance value of point
d = np.sqrt(x ** 2 + y **