来源 |古月居
知圈 | 进“滑板底盘群”请加微yanzhi-6,备注底盘
1.KITTI数据集概述
KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。
该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。
KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。整个数据集由389对立体图像和光流图，39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成[1] ，以10Hz的频率采样及同步。
总体上看，原始数据集被分类为’Road’, ’City’, ’Residential’, ’Campus’ 和 ’Person’。对于3D物体检测，label细分为car, van, truck, pedestrian, pedestrian(sitting), cyclist, tram以及misc组成。
地址:
相关论文：
2、Geiger A, Lenz P, Stiller C, et al. Vision meets robotics: The kitti dataset[J]. The International Journal of Robotics Research, 2013, 32(11): 1231-1237.
3、Uhrig J, Schneider N, Schneider L, et al. Sparsity invariant cnns[C]//2017 international conference on 3D Vision (3DV). IEEE, 2017: 11-20.
2.数据采集平台
如图-1所示，KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，一个Velodyne 64线3D激光雷达，4个光学镜头，以及1个GPS导航系统。
具体的传感器参数如下[2] ：
2 × PointGray Flea2 grayscale cameras (FL2-14S3M-C), 1.4 Megapixels, 1/2” Sony ICX267 CCD, global shutter
2 × PointGray Flea2 grayscale cameras (FL2-14S3M-C), 1.4 Megapixels, 1/2” Sony ICX267 CCD, global shutter
展开全文
2 × PointGray Flea2 color cameras (FL2-14S3C-C), 1.4 Megapixels, 1/2” Sony ICX267 CCD, global shutter
2 × PointGray Flea2 color cameras (FL2-14S3C-C), 1.4 Megapixels, 1/2” Sony ICX267 CCD, global shutter
4 × Edmund Optics lenses, 4mm, opening angle ∼ 90◦, vertical opening angle of region of interest (ROI) ∼ 35◦
4 × Edmund Optics lenses, 4mm, opening angle ∼ 90◦, vertical opening angle of region of interest (ROI) ∼ 35◦
1 × Velodyne HDL-64E rotating 3D laser scanner, 10 Hz, 64 beams, 0.09 degree angular resolution, 2 cm distance accuracy, collecting ∼ 1.3 million points/second, field of view: 360◦ horizontal, 26.8◦ vertical, range: 120 m
1 × Velodyne HDL-64E rotating 3D laser scanner, 10 Hz, 64 beams, 0.09 degree angular resolution, 2 cm distance accuracy, collecting ∼ 1.3 million points/second, field of view: 360◦ horizontal, 26.8◦ vertical, range: 120 m
1 × OXTS RT3003 inertial and GPS navigation system, 6 axis, 100 Hz, L1/L2 RTK, resolution: 0.02m / 0.1◦
1 × OXTS RT3003 inertial and GPS navigation system, 6 axis, 100 Hz, L1/L2 RTK, resolution: 0.02m / 0.1◦
如图-2所示为传感器的配置平面图。为了生成双目立体图像，相同类型的摄像头相距54cm安装。
由于彩色摄像机的分辨率和对比度不够好，所以还使用了两个立体灰度摄像机，它和彩色摄像机相距6cm安装。为了方便传感器数据标定，规定坐标系方向如下[2] ：
Camera: x = right, y = down, z = forward
Velodyne: x = forward, y = left, z = up
GPS/IMU: x = forward, y = left, z = up
3.Dataset详述
图-3展示了KITTI数据集的典型样本，分为 ’Road’, ’City’, ’Residential’, ’Campus’ 和’Person’五类。原始数据采集于2011年的5天，共有180GB数据。
3.1 数据组织形式
论文[2] 中提及的数据组织形式，可能是早期的版本，与目前KITTI数据集官网公布的形式不同，本文稍作介绍。
如图-4所示，一个视频序列的所有传感器数据都存储于data_drive文件夹下，其中date和drive是占位符，表示采集数据的日期和视频编号。时间戳记录在Timestamps.txt文件。
下载地址: 有大神将其放在了自己的服务器方便大家下载， /
3.2 Development Kit
KITTI各个子数据集都提供开发工具 development kit，主要由cpp文件夹，matlab文件夹，mapping文件夹和readme.txt组成。
下图以object detection任务的文件夹devkit_object为例，可以看到cpp文件夹主要包含评估模型的源代码evaluate_object.cpp。
Mapping文件夹中的文件记录训练集到原始数据集的映射，从而开发者能够同时使用激光雷达点云，gps数据，右边彩色摄像机数据以及灰度摄像机图像等多模态数据。
Matlab文件夹中的工具包含读写标签，绘制2D/3D标注框，运行demo等工具。Readme.txt文件非常重要，详述介绍了某个子数据集的数据格式，benchmark介绍，结果评估方法等详细内容。
3.3 GPS/IMU位姿数据
OXTS (GPS/IMU)：
对于每一帧，我们将30个不同的GPS /IMU值存储在文本文件中：地理坐标包括高度，全球定位，速度，加速度，角速率，精度和卫星信息。加速度和角速率都是使用两个坐标系指定的，一个坐标系与车体（x，y，z）相连，另一个坐标系映射到该位置的地表切面（f，l，U）。
我们偶尔会遇到与OXTS设备短时间（约1秒）的通信中断，我们为此线性插入所有值，并将最后3个条目设置为'-1'以指示缺失的信息。dataformat.txt提供了更多细节。转换实用程序在开发工具包中提供。
主要提供以下30个数值：
可以利用matlab程序中的oxts = loadOxtsliteData('2011_xx_xx_drive_xxxx')来解析GPS/IMU数据，然后利用pose = convertOxtsToPose(oxts)程序将oxts数据转换为米制单位位姿，用一个4x4的刚体变换矩阵表示。
3.4 传感器标定
这部分内容对于想要利用KITTI中多个传感器数据进行传感器融合相关算法开发至关重要。
raw data数据集中提供了三个标定文件，分别是：
calib_cam_to_cam.txt——相机到相机之间的标定：
-S_xx：表示图像矫正前的尺寸——宽 高
-S_xx：表示图像矫正前的尺寸——宽 高
-K_xx：表示相机xx图像矫正前的标定矩阵，3x3大小
-K_xx：表示相机xx图像矫正前的标定矩阵，3x3大小
-D_xx：矫正前相机xx的1x5畸变向量
-D_xx：矫正前相机xx的1x5畸变向量
-R_xx：相机xx的3x3旋转矩阵（相机外参）
-R_xx：相机xx的3x3旋转矩阵（相机外参）
-T_xx：相机xx的3x1平移向量（相机外参）
-T_xx：相机xx的3x1平移向量（相机外参）
-S_rect_xx：矫正后相机xx图像尺寸
-S_rect_xx：矫正后相机xx图像尺寸
-R_rect_xx：3x3的矫正旋转矩阵用来使图像平面共面
-R_rect_xx：3x3的矫正旋转矩阵用来使图像平面共面
-P_rect_xx：矫正后3x4的投影矩阵（表示将矫正后相机00下坐标转到相机xx下图像像素的投影矩阵）
-P_rect_xx：矫正后3x4的投影矩阵（表示将矫正后相机00下坐标转到相机xx下图像像素的投影矩阵）
注意： 在使用同步矫正数据集时，我们一般只会用到P_rect_xx矩阵和R_rect_00矩阵。
D_xx解释:
图像的畸变主要有两种：径向畸变和切向畸变。
径向畸变：正中心位置的畸变最小，随着半径的增大，畸变增大。径向畸变可以分为枕形畸变和桶形畸变：
径向畸变矫正公式如下（泰勒级数展开式前3项）：
切向畸变：在透镜与成像平面不平行时就会产生，类似于透视变换。
切向畸变的矫正公式如下：
calib_velo_to_cam.txt——激光雷达到相机之间的对准：
-R：3x3的旋转矩阵
-T：3x1的平移向量
R|T共同组成一个刚体变换矩阵，用来将激光雷达坐标系下的一个点转换到左侧灰度相机（即cam00）坐标系下。在开发激光雷达和相机融合相关算法时会用到。
calib_img_to_velo.txt——GPS/IMU到激光雷达之间的对准：
-R：3x3的旋转矩阵
-T：3x1的平移向量
3.5 深度预测、深度完成模块的数据介绍
激光数据被保存成png格式（uint16）与真实距离（米）之间的关系：png的像素值除以256，来源：
Download development kit (48 K) 中的 readme.txt（）
disp(u,v) = ((float)I(u,v))/256.0; valid(u,v) = I(u,v)>0;
KITTI中的3D激光雷达点云（官网下载的raw文件中的sync文件下的）bin文件（infile），转成pcd文件(outfile)存储代码：
3.6 pose数据介绍
数据集位置:
在文件夹 devkit_odometry/devkit/reame.txt 中说明: 在poses目录下，包含00.txt-10.txt 11个序列，每一个文件包换Nx12个表格，N代表帧数。
每一行利用3x4转移矩阵代表左边相机(猜想这里指的是 Cam 0, 左侧的灰度相机)坐标系统的位姿，转移矩阵将当前帧左边相机系统中的一个点映射到第0帧的坐标系统中。转移矩阵中平移的部分表示当前相机位置(相对于第0帧)。
原文: Folder 'poses': The folder 'poses' contains the ground truth poses (trajectory) for the first 11 sequences. This information can be used for training/tuning your method. Each file xx.txt contains a N x 12 table, where N is the number of frames of this sequence. Row i represents the i'th pose of the left camera coordinate system (i.e., z pointing forwards) via a 3x4 transformation matrix. The matrices are stored in row aligned order (the first entries correspond to the first row), and take a point in the i'th coordinate system and project it into the first (=0th) coordinate system. Hence, the translational part (3x1 vector of column 4) corresponds to the pose of the left camera coordinate system in the i'th frame with respect to the first (=0th) frame.
（john解读：ORB-SLAM3中相机位姿（camera pose）的表示是Tcw，即世界坐标系的点Pw到相机坐标系的点Pc的变换矩阵，(camera pose 的逆是Twc, 即 Pw = Twc * Pc）。这里的pose.txt保存时，以第一帧（的相机坐标系）作为世界坐标系（即 0,0,0,0,0,0,1），保存的为第i帧相机坐标系下的点到第0帧（世界坐标系）的变换，即Twc（相机位姿的逆）。
示例：sequence 00 的poses（轨迹）00.txt
