基于NeRF的自动驾驶动态场景生成任务中的数据处理过程

基于NeRF的自动驾驶动态场景生成任务中，最重要的往往是数据的处理过程，也就是各个坐标系之间的转换关系，这里记录一下自己搞懂的基本流程，防止后续遗忘，能够温习。

1.数据需求

自动驾驶任务中，一般主车会有几个设备，分别为相机、lidar、和IMU定位传感器。需要的参数为：相机的内参：焦点焦距（fx，fy，cx，cy）或者3x3的内参矩阵，主要用于2D像素坐标系和3D相机坐标系的转换；相机的外参：一般是3x4或4x4的空间变换矩阵（一般是相机到lidar坐标系的转换（这种情况下还需要lidar到IMU或者lidar到世界坐标系的转换参数）、或相机到IMU坐标系的转换），或者是分开的3维平移向量和4元组参数，其中4元组参数能够通过变换转为3x3的旋转矩阵，转换关系如下（有专门的python函数直接转换）：

# Rx, Ry, Rz, Rw = quaternion
    # rotation_matrix = np.array([
    #     [1 - 2 * (Ry**2 + Rz**2), 2 * (Rx * Ry - Rz * Rw), 2 * (Rx * Rz + Ry * Rw)]