kitti數據集介紹

 

參考

1，一文多圖搞懂KITTI數據集下載及解析

2，KITTI 原始bin數據轉pcd數據

3，kitti LIDAR點雲二進制文件的讀取和顯示

4，KITTI數據集

5，KITTI數據集的使用——雷達與相機的數據融合（講解了坐標系轉換的公式）

 

 

 

image_00：左側灰度相機圖像序列
image_01：右側灰度相機圖像序列
image_02：左側彩色相機圖像序列
image_03：右側彩色相機圖像序列
oxts：GPS/IMU位姿相關信息序列
velodyne_points：激光雷達數據序列 

 

image_00 _01 ... 文件夾下：

    

    data 圖片文件

    timestamps時間戳文件

 

oxts文件夾下：

　 

 

　　數據文件

　　數據介紹

　　時間戳文件

 velodyne_points文件夾

　　

 

　　data： 包含有雷達掃描到的數據，點雲形式，每個點以 (x,y,z,i) 格式存儲，i為反射值

　　時間戳文件：start+end/2中心時間文件　　start文件　　end文件

 

 

calib文件：

calib_cam_to_cam.txt，包含各相機的標定參數

• S_xx: 1x2 矯正前xx號相機的圖片尺寸
• K_xx: 3x3 矯正前xx號相機的標定參數
• D_xx: 1x5 矯正前xx號相機的畸變系數
• R_xx: 3x3 外參，xx號相機的旋轉矩陣
• T_xx: 3x1 外參，xx號相機的平移矩陣
• S_rect_xx: 1x2 矯正后XX號相機的圖片尺寸
• R_rect_xx: 3x3 旋轉矩陣，用於矯正xx號相機，使得圖像平面共面(原話是make image planes co-planar)。
• P_rect_0x: 3x4 投影矩陣，用於從矯正后的0號相機坐標系 投影到 X號相機的圖像平面。

這里只用到最后兩個矩陣R_rect和P_rect

calib_velo_to_cam.txt，從雷達坐標系到0號相機坐標系的轉換

• R: 3x3 旋轉矩陣
• T: 3x1 平移矩陣
• delta_f 和delta_c 已被棄用

由此可以得出從雷達坐標系變換到xx號相機的圖像坐標系的公式：

設X為雷達坐標系中的齊次坐標，Y為對應在xx號相機的圖像坐標系的齊次坐標，則

• (R|T) ：        雷達坐標系  ->  0號相機坐標系
• R_rect_00： 0號相機坐標系 -> 矯正后的0號相機坐標系
• P_rect_0x： 矯正后的0號相機坐標系  ->  x號相機的圖像平面

  解讀devkit

  官網提供的樣例代碼中 run_demoVelodyne.m 實現了將雷達點雲投影到相機圖像

  代碼流程

  1. 從所給路徑中讀取標定文件，獲取具體矩陣數值
  2. 根據上述公式，計算投影矩陣 P_velo_to_img，即 Y = P_velo_to_img * X
  3. 從所給路徑中讀取相機圖片，並加載雷達的點雲數據。由於只做展示用，為了加快運行速度，對於雷達點雲，每隔5個點只保留1個點
  4. 移除那些距離雷達5米之內(雷達的x方向)的點 (猜測這些點落在相機和雷達之間，故不會出現在圖像平面上)
  5. 作投影計算，得到投影到二維圖像上的點
     6.在圖像上畫出投影后的點，按照深度(雷達點的x方向值)確定顏色，彩色則是暖色越近，冷色越遠；灰度則是深色越近，淺色越遠。