DroneVehicle数据集标签转换(.xml→.txt yolo_obb)

目录

1.数据集下载:

2.数据集介绍：

3.数据集标签转换

1.DroneVehicle转DOTA

2.DOTA转YOLO_OBB

5.数据集标签可视化

---

1.数据集下载:

DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。
DroneVenicle训练集下载地址：https://pan.baidu.com/s/1ptZCJ1mKYqFnMnsgqEyoGg（密码：ngar）
DroneVenicle验证集下载地址：https://pan.baidu.com/s/1e6e9mESZecpME4IEdU8t3Q（密码：jnj6）
DroneVenicle测试集下载地址：https://pan.baidu.com/s/1JlXO4jEUQgkR1Vco1hfKhg（密码：tqwc）

2.数据集介绍：

DroneVehicle数据集由无人机采集的56,878张图像组成，其中一半是RGB图像，其余为红外图像。

作者为这五个类别制作了带有定向边界框的丰富注释。其中，汽车（car）有389,779个RGB图像注释，428,086个红外图像注释，卡车（truck）有22,123个RGB图像注释，25,960个红外图像注释，公共汽车（bus）有15,333个RGB图像注释，红外图像有16,590个注释，面包车（van）有11,935个RGB图像注释，红外图像有12,708个注释，货车（freight car）有13,400个RGB图像注释，和17,173个红外图像注释。

在DroneVehicle中，为了在图像边界处标注对象，作者在每张图像的顶部、底部、左侧和右侧设置了一个宽度为100像素的白色边框，因此下载的图像比例为840 x 712，去除周围的白色边框并将图像比例更改为640 x 512。

3.数据集标签转换

1.DroneVehicle转DOTA

1、 Dronevehicle 数据集中有旋转框和水平框，转换时要进行分类获取坐标
2、其中有个类别为feright car，我把官方的feright car全部改写为feright_car,所以要记得更改数据集配置文件里类别名字。

import os
import xml.etree.ElementTree as ET
import math
import cv2 as cv
import argparse


def voc_to_dota(xml_dir, xml_name, img_dir, savedImg_dir, outputTxt_dir):
    txt_name = xml_name[:-4] + '.txt'  # txt文件名字：去掉xml 加上.txt
    txt_path = outputTxt_dir  # txt文件目录：在xml目录下创建的txtl_label文件夹
    if not os.path.exists(txt_path):
        os.makedirs(txt_path)
    txt_file = os.path.join(txt_path, txt_name)  # txt完整的含名文件路径

    img_name = xml_name[:-4] + '.jpg'  # 图像名字
    img_path = os.path.join(img_dir, img_name)  # 图像完整路径
    img = cv.imread(img_path)  # 读取图像
    xml_file = os.path.join(xml_dir, xml_name)
    tree = ET.parse(os.path.join(xml_file))  # 解析xml文件 然后转换为DOTA格式文件
    root = tree.getroot()
    with open(txt_file, "w+", encoding='UTF-8') as out_file:
        # out_file.write('imagesource:null' + '\n' + 'gsd:null' + '\n')
        for obj in root.findall('object'):
            name = obj.find('name').text
            if name == 'feright car':
                name = 'feright_car'
            else:
                name = name
            obj_difficult = obj.find('difficult')
            if obj_difficult:
                difficult = obj_difficult.text
            else:
                difficult = '0'
            # print(name, difficult)

            if obj.find('bndbox'):
                obj_bnd = obj.find('bndbox')
                obj_xmin = obj_bnd.find('xmin').text
                obj_ymin = obj_bnd.find('ymin').text
                obj_xmax = obj_bnd.find('xmax').text
                obj_ymax = obj_bnd.find('ymax').text
                # w = obj_xmax-obj_xmin
                # h = obj_ymax-obj_ymin
                x1 = obj_xmin
                y1 = obj_ymin
                x2 = obj_xmax
                y2 = obj_ymin
                x3 = obj_xmax
                y3 = obj_ymax
                x4 = obj_xmin
                y4 = obj_ymax

            elif obj.find('polygon'):
                obj_bnd = obj.find('polygon')
                x1 = obj_bnd.find('x1').text
                x2 = obj_bnd.find('x2').text
                x3 = obj_bnd.find('x3').text
                x4 = obj_bnd.find('x4').text
                y1 = obj_bnd.find('y1').text
                y2 = obj_bnd.find('y2').text
                y3 = obj_bnd.find('y3').text
                y4 = obj_bnd.find('y4').text
            # robndbox = obj.find('robndbox')
            # cx = float(robndbox.find('cx').text)
            # cy = float(robndbox.find('cy').text)
            # w = float(robndbox.find('w').text)
            # h = float(robndbox.find('h').text)
            # angle = float(robndbox.find('angle').text)
            # print(cx, cy, w, h, angle)
            # 找最左上角的点
            # 在原图上画矩形 看是否转换正确
            # cv.line(img, (int(list_xy[0]), int(list_xy[1])), (int(list_xy[2]), int(list_xy[3])), color=(255, 0, 0),
            #         thickness=3)
            # cv.line(img, (int(list_xy[2]), int(list_xy[3])), (int(list_xy[4]), int(list_xy[5])), color=(0, 255, 0),
            #         thickness=3)
            # cv.line(img, (int(list_xy[4]), int(list_xy[5])), (int(list_xy[6]), int(list_xy[7])), color=(0, 0, 255),
            #         thickness=2)
            # cv.line(img, (int(list_xy[6]), int(list_xy[7])), (int(list_xy[0]), int(list_xy[1])), color=(255, 255, 0),
            #         thickness=2)
            data = str(x1) + " " + str(y1) + " " + str(x2) + " " + str(y2) + " " + \
                   str(x3) + " " + str(y3) + " " + str(x4) + " " + str(y4) + " "
            data = data + name + " " + difficult + "\n"
            out_file.write(data)
        if not os.path.exists(savedImg_dir):
            os.makedirs(savedImg_dir)
        out_img = os.path.join(savedImg_dir, xml_name[:-4] + '.jpg')
        cv.imwrite(out_img, img)


def find_topLeftPopint(dict):
    dict_keys = sorted(dict.keys())  # y值
    temp = [dict[dict_keys[0]], dict[dict_keys[1]]]
    minx = min(temp)
    if minx == temp[0]:
        miny = dict_keys[0]
    else:
        miny = dict_keys[1]
    return [minx, miny]


# # 转换成四点坐标
# def rotatePoint(xc, yc, xp, yp, theta):
#     xoff = xp - xc
#     yoff = yp - yc
#     cosTheta = math.cos(theta)
#     sinTheta = math.sin(theta)
#     pResx = cosTheta * xoff + sinTheta * yoff
#     pResy = - sinTheta * xoff + cosTheta * yoff
#     # pRes = (xc + pResx, yc + pResy)
#     # 保留一位小数点
#     return float(format(xc + pResx, '.1f')), float(format(yc + pResy, '.1f'))
#     # return xc + pResx, yc + pResy





def parse_args():
    parser = argparse.ArgumentParser(description='数据格式转换')
    parser.add_argument('--xml_dir', default='./datasets/DroneVehicle/train-original/train/trainlabel', help='original xml file dictionary')
    parser.add_argument('--img_dir', default='./datasets/DroneVehicle/train-original/train/trainimg', help='original image dictionary')
    parser.add_argument('--outputImg_dir', default='./datasets/DroneVehicle/images/train', help='saved image dictionary after dealing ')
    parser.add_argument('--outputTxt_dir', default='./datasets/DroneVehicle/labels/train', help='saved txt dictionary after dealing ')

    args = parser.parse_args()
    return args


if __name__ == '__main__':
    args = parse_args()
    xml_path = args.xml_dir
    xmlFile_list = os.listdir(xml_path)
    # print(xmlFile_list)
    for i in range(0, len(xmlFile_list)):
        if ('.xml' in xmlFile_list[i]) or ('.XML' in xmlFile_list[i]):
            voc_to_dota(xml_path, xmlFile_list[i], args.img_dir, args.outputImg_dir, args.outputTxt_dir)
            print('----------------------------------------{}{}----------------------------------------'
                  .format(xmlFile_list[i], ' has Done!'))
        else:
            print(xmlFile_list[i] + ' is not xml file')

2.DOTA转YOLO_OBB

这里使用yolo官方的ultralytics-main/ultralytics/data/converter.py里的

def convert_dota_to_yolo_obb(dota_root_path: str):

需要更改两个地方：1.更改里面的类别名字

2.因为DroneVehicle图片格式是jpg格式，需要更改这里

3.注意此函数要求的文件夹结构

5.数据集标签可视化

import cv2
import numpy as np

img = cv2.imread('./datasets/DroneVehicle/images/train/00002.jpg')

with open('./datasets/DroneVehicle/labels/train/00002.txt', 'r') as f:
    for line in f.readlines():
        # temp = f.read()
        temp = line.split()
        x1_n, y1_n, x2_n, y2_n, x3_n, y3_n, x4_n, y4_n = eval(temp[1]), eval(temp[2]), eval(temp[3]), eval(temp[4]), eval(temp[5]), eval(temp[6]), eval(temp[7]), eval(temp[8])

        x1 = x1_n * img.shape[1]
        y1 = y1_n * img.shape[0]
        x2 = x2_n * img.shape[1]
        y2 = y2_n * img.shape[0]
        x3 = x3_n * img.shape[1]
        y3 = y3_n * img.shape[0]
        x4 = x4_n * img.shape[1]
        y4 = y4_n * img.shape[0]
        points = np.array([(x1, y1), (x2, y2), (x3, y3), (x4, y4)], np.int32)

        points = points.reshape((-1, 1, 2))  # points.reshape((-1, 1, 2)) 将点的数组形状调整为适合 cv2.polylines() 函数的形式。
        '''
        image：要绘制矩形的图像。
        [points]：一个包含所有顶点坐标的列表。
        isClosed=True：指定多边形是否封闭，这里为 True 表示绘制封闭多边形，即矩形。
        color=(255, 0, 0)：绘制的颜色，这里是蓝色 (BGR 格式)。
        thickness=2：线条的粗细，单位为像素。  
        '''
        # 画矩形
        cv2.polylines(img, [points], isClosed=True, color=(255, 0, 0), thickness=2)

cv2.imshow('windows', img)
cv2.waitKey(0)

可视化如下图：