Tusimpe数据处理、labelme标注

Tusimple介绍

Tusimple 是一家做自动驾驶的公司，他也公布了一些其在自动驾驶领域积累的数据，其中有一些是和车道线检测相关的。2018年6 月份，其举办了一次以摄像头图像数据做车道检测的比赛，公开了一部分数据及其标注。

标注json 文件中每一行包括三个字段 ：
lanes 和 h_samples 是数据具体的标注内容，为了压缩，h_sample 是纵坐标（等分确定），lanes 是每个车道的横坐标，是个二维数组。-2 表示这个点是无效的点。

raw_file : 每一个数据段的第20帧图像的的 path 路径

标注的过程应该是，将图片的下半部分如70%*height 等分成N份。然后取车道线（如论虚实）与该标注线交叉的点(可知h_samples是从240到710)
例如：

上面的数据就有 4 条车道线，第一条车道线的第一个点的坐标是（632，280）。
LaneNet车道线检测使用的是Tusimple数据集（下载链接）

Tusimple 数据的标注特点：

1、车道线实际上不只是道路上的标线，虚线被当作了一种实线做处理的。这里面双实线、白线、黄线这类信息也是没有被标注的。

2、每条线实际上是点序列的坐标集合，而不是区域集合

创建自己的tusimple数据集格式

数据集制作和生产json文件

1、使用labelme进行数据标注：
在conda里使用指令进行安装labelme

pip install labelme

2、在环境下使用指令进行启动labelme

labelme

3、进入界面后选择图片，进行线段标记
在顶部edit菜单栏中选择不同的标记方案，依次为：多边形（默认），矩形，圆、直线，点。点击 Create Point，回到图片，左键点击会生成一个点，标记完成后，会形成一个标注区域，同时弹出labelme的框，输入标注名，点击ok，标注完成。然后，会生成一个json文件。

注意：要标注的车道线，一般会有多条，需要不同的命名加以区分，lane1,lane2等。

参考链接：
1.https://blog.csdn.net/xywy2008/article/details/114640477
2.https://blog.csdn.net/qingfengxd1/article/details/108738651?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control