nuScenes3D⽬标检测数据集解析（完整版附python代码）最近在⽤nuScenes3D⽬标检测数据集，可能由于官⽅已经提供了解析⼯具包nuscenes-devkit，绝⼤多数博客只介绍了如何使⽤⼯具包进⾏数据解析和可视化，对于数据解析的内部逻辑就不是很关注了。本⽂根据官⽹说明、论⽂以及⼯具包源码整理归纳得到，对其他博客未提及的数据集结构、坐标系转换、传感器同步等问题进⾏了详细分析。 1. 数据集概述
1.1 传感器配置
nuScenes的数据采集车辆为Renault Zoe迷你电动车，配备6个周视相机，5个毫⽶波雷达，具备360°的视野感知能⼒。具体传感器信息即分布见下⾯的图表。
传感器类型 详细信息
相机 6台彩⾊相机，1600×900的分辨率，采⽤JPEG格式压缩，采样频率为12Hz
激光雷达 1台32线旋转式激光雷达，20Hz采样频率，360°⽔平FOV，-30°-10°的垂直FOV，探测距离70m，探测精度2cm，每秒140万点云 毫⽶波雷达 5个77GHz的毫⽶波雷达，FMCW调频，13Hz采样频率，探测距离250m，速度精度±0.1km/h
GPS和IMU 20mm的RTK定位精度，1000Hz采样频率
1.2 数据采集
nuScenes数据集使⽤了两辆传感器配置相同的雷诺电动车进⾏采集，采集地点为波⼠顿和新加坡，这两个城市以交通密集和驾驶场景复杂闻名。
整个数据集包含了由⼈⼯挑选的84段log，时长约15⼩时，距离约242km，平均车速16km/h。数据场景覆盖了城市、住宅区、郊区、⼯业区各个场景，也涵盖了⽩天、⿊夜、晴天、⾬天、多云等不同时段不同天⽓状况。最终数据集分为1000个⽚段，每个⽚段约20s。 nuScenes和KITTI⼀样，也是采⽤激光来控制相机的曝光时刻，不过nuScenes有6个覆盖360°视野的相机。
在nuScenes中，图像的时间戳表⽰相机开始曝光的时刻，激光的时间戳表⽰激光扫描⼀圈结束的时刻。当车顶激光的线束扫描到相机FOV 中⼼区域时，便会给对应相机⼀个曝光信号，激光扫描⼀圈会触发6次相机曝光。
这⾥我对训练集进⾏了简单的统计，850个场景共34149帧数据。统计结果及含义如下所⽰：
1Total Scene Num: 850
2Total Sample Num: 34149
3[ expo_time_bet_adj_cams] Avg: 8.52ms 2STD: 8.53ms
4[max_delta_time_bet_cams] Avg: 42.61ms 2STD: 42.67ms
5[ cam_refresh_time] Avg: 498.93ms 2STD: 503.95ms
6[ lidar_refresh_time] Avg: 498.93ms 2STD: 503.97ms
7[ delta_lidar_cam_time] Avg: 0.99ms 2STD: 2.37ms
统计结果 含义
expo_time_bet_adj_cams 相邻两个相机曝光时间差，平均8.5ms，6个相机正好50ms，符合激光的扫描频率，侧⾯证明了每⼀圈激光会触发6次相机曝光
max_delta_time_bet_cams 6个周视相机依次曝光时刻的最⼤时间间隔，平均42ms，这意味着在相对40km/h相对速度下，第⼀个开始曝光的左前⽅相机和最后⼀个曝光的左后⽅相机，对同⼀个物体的
观测距离会相差接近半⽶
cam_refresh_time 相机采样间隔，平均500ms，对应2Hz的关键帧采样频率
lidar_refresh_time 激光采样间隔，平均500ms，对应2Hz的关键帧采样频率
delta_lidar_cam_time 激光时间戳和左后⽅相机曝光时刻的差值，均值仅1ms，说明激光扫描是从左后⽅相机附近位置开始的
1.4 建图定位
nuScenes的定位数据的⽣成分为两个阶段，⾸先采⽤离线的⽅式使⽤激光点云⽣成⾼清地图，然后在线采集数据阶段，结合⾥程计和激光数据，使⽤蒙特卡洛定位算法进⾏车辆定位，最终定位误差可以达到10cm以内。
2. 数据集下载
在nuScenes官⽹注册⼀个账号下载数据集，完整数据集包含3个部分：
Mini：从训练/验证集抽取10个场景组成，包含完整的原始数据和标注信息，主要⽤于数据集的熟悉；
TrainVal：训练/验证集，包含850个场景，其中700个训练场景，150个验证场景
Test：测试集，包含150个场景，不包含标注数据。
下载好的数据集包含4个⽂件夹：
maps：地图数据，四张地图对应着4个数据采集地点
samples：带有标注信息的关键帧数据，训练主要⽤这部分数据
sweeps：完整时序数据，不带有标注信息，⼀般⽤于跟踪任务
v1.0-version：存有数据依赖关系、标注信息、标定参数的各种json⽂件
3. 数据集解析
nuScenes官⽅提供了⼀个数据集开发⼯具nuscenes-devkit，封装了数据读取、索引、可视化等常⽤操作，可以直接使⽤pip安装：
pip install nuscenes-devkit
这个⼯具包⽤起来还⽐较⽅便，具体怎么使⽤这⾥就不做过多介绍了，官⽹有详细的教程。有⼀点要注意的是，nuScenes解析库要求
v1.0-version等4个⽂件夹在同⼀级⽬录，否则会⽆法解析。
3.1 数据集结构msinfo
在介绍如何使⽤⼯具包遍历数据集之前，先对nuScenes数据集结构做⼀个简单介绍。nuScenes数据集采⽤关系数据库来管理数据，数据库⼀共包含13张表，以json⽂件格式存储在./v1.0-version⽬录下。
1self.table_names = ['category', 'attribute', 'visibility', 'instance', 'sensor', 'calibrated_sensor',
2 'ego_pose', 'log', 'scene', 'sample', 'sample_data', 'sample_annotation', 'map']
在使⽤⼯具包获得数据集的句柄nusc后，可以通过(table_name, token)函数来快速获取任意表中的任意数据，⼗分⽅便快捷。表和表之间的依赖关系图可以去nuScenes官⽹的Data format标签页中查看，这⾥我对官⽹的关系图进⾏了归纳和精简。
总的来说，nuScenes数据集分为mini、trainval、test三个部分，每个部分的数据结构完全相同，可以分成scene、sample、
sample_data三个层级，数据访问通过token（可以理解为指针）来实现：
scene：是⼀段约20s的视频⽚段，由于关键帧采样频率为2Hz，所以每个scene⼤约包含40个关键帧，可以通过scene中的pre和next 来访问上下相邻的sample
sample：对应着⼀个关键帧数据，存储了相机、激光雷达、毫⽶波雷达的token信息，mini和trainval数据集中的sample还存储了标注信息的token
sample_data：sample中存储的token指向的数据，即我们最终真正关⼼的信息，⽐如图⽚路径、位姿数据、传感器标定结果、标注⽬标的3d信息等。获取到这些信息就可以开始训练模型了。
3.2 数据集遍历
nuScenes以关系数据库的⽅式管理数据，scene、sample、sample_data之间可以通过token⾮常⽅便的互相访问。这⾥分别从scene、sample和annotation为起点对整个数据集进⾏访问，统计数据集的场景、关键帧、标注⽬标的数⽬。
1from nuscenes.nuscenes import NuScenes
2
3
4def get_dataset_info1(nusc):
5 scene_num = len(nusc.scene)
6 sample_num = 0
7 ann_num = 0
8
9 for scene in nusc.scene:
10 sample = None
11 while True:
12 if sample is None:
13 sample = ('sample', scene['first_sample_token'])
14
15 sample_num += 1
15 sample_num += 1
16 ann_num += len(sample['anns'])
17
18 if sample['next'] != '':
19 sample = ('sample', sample['next'])
20 else:
21 break
22
23 print('====== Start from scene')
24 print('Scene Num: %d\nSample Num: %d\nAnnotation Num: %d' % (scene_num, sample_num, ann_num)) 25
26
27def get_dataset_info2(nusc):
28 sample_num = len(nusc.sample)
29 ann_num = 0
30
31 scene_tokens = set()
32 for sample in nusc.sample:
33 ann_num += len(sample['anns'])
34
35 scene = ('scene', sample['scene_token'])
36 scene_tokens.add(scene['token'])
37 scene_num = len(scene_tokens)
38
39 print('====== Start from sample')
40 print('Scene Num: %d\nSample Num: %d\nAnnotation Num: %d' % (scene_num, sample_num, ann_num)) 41
42
43def get_dataset_info3(nusc):
44 ann_num = len(nusc.sample_annotation)
45
46 scene_tokens = set()
47 sample_tokens = set()
48 for ann in nusc.sample_annotation:
49 sample = ('sample', ann['sample_token'])
50 sample_tokens.add(sample['token'])
51
52 scene = ('scene', sample['scene_token'])
53 scene_tokens.add(scene['token'])
54 scene_num = len(scene_tokens)
55 sample_num = len(sample_tokens)
56
57 print('====== Start from annotation')
58 print('Scene Num: %d\nSample Num: %d\nAnnotation Num: %d' % (scene_num, sample_num, ann_num)) 59
60
61if __name__ == '__main__':
62 nusc = NuScenes(version='v1.0-mini',
63 dataroot=data_root,
64 verbose=True)
65 get_dataset_info1(nusc)
66 get_dataset_info2(nusc)
67 get_dataset_info3(nusc)
运⾏结果如下，可以看到3种遍历⽅式的结果完全⼀致。
1====== Start from scene
2Scene Num: 10
3Sample Num: 404
4Annotation Num: 18538
5====== Start from sample
6Scene Num: 10
7Sample Num: 404
8Annotation Num: 18538
9====== Start from annotation
10Scene Num: 10
11Sample Num: 404
12Annotation Num: 18538
3.3 标注格式及坐标系转换
⽬标的标注信息包含如下⼏个字段：
字段名称 含义
visibility ⽬标可见程度，分为0~40%, 40%~60%, 60%~80%, 80%~100%四类，⽤1-4表⽰
category_name 类别名称，包含10个检测类别
translation 3D框的中⼼位置(x,y,z)，单位m，是全局坐标系下的坐标
rotation 3D框的旋转量，⽤四元数(w,x,y,z)表⽰
size 3D框的尺⼨(w,l,h)，单位⽶
表⽰rotation的四元数可以利⽤Python包pyquaternion转换成(pitch，yaw，roll)的形式，⽽且可以计算对应的旋转矩阵和逆矩阵，⾮常好⽤。
这⾥主要说⼀下nuScenes中的坐标系转换。nuScenes存在四个坐标系：全局坐标系、车⾝坐标系、相机坐标系和激光坐标系。后⾯三个⽐较好理解，都是相对坐标系，⽬标的位置随本车的运动⽽变化；⽽全局坐标系是绝对坐标系，是⽬标在地图中的绝对坐标，不随本车的运动⽽变化。标注真值的
坐标是全局坐标系下的坐标。各坐标系的转换关系如下图所⽰，所有转换都必须先转到车⾝坐标系(ego vehicle frame)，然后再转换到⽬标坐标系。需要注意的是，由于每张图像的时间戳、激光的时间戳都两两不相同，它们有各⾃的位姿补偿（ego data），进⾏坐标系转换的时候需要注意⼀下。
标注真值(global frame)转换到激光坐标系(lidar frame)：使⽤位姿补偿转换到车⾝坐标系，然后再根据激光雷达外参转换到激光坐标系。
1# 标注真值到激光坐标系
2ann = ('sample_annotation', token)
3calib_data = ('calibrated_sensor', lidar_data['calibrated_sensor_token'])
4ego_data = ('ego_pose', lidar_data['ego_pose_token'])
5# global frame
6center = np.array(ann['translation'])
7orientation = np.array(ann['rotation'])
8# 从global frame转换到ego vehicle frame
9quaternion = Quaternion(ego_data['rotation']).inverse
10center -= np.array(ego_data['translation'])
11center = np.ation_matrix, center)
12orientation = quaternion * orientation
13# 从ego vehicle frame转换到sensor frame
14quaternion = Quaternion(calib_data['rotation']).inverse
15center -= np.array(calib_data['translation'])
16center = np.ation_matrix, center)
17orientation = quaternion * orientation
标注真值(global frame)投影到图像(pixel coord)：使⽤位姿补偿转换到车⾝坐标系，然后再根据相机外
参转换到相机坐标系，最后使⽤相机内参得到像素坐标系下的坐标。标注真值到车⾝坐标系的过程和上⾯类似，不过calib_data和ego_data需要从camera_data中获取，得到标注3D框在相机坐标系下的⾓点坐标points后，然后再使⽤相机内参投影⾄图像。
# 相机坐标系到像素坐标系
1calib_data = ('calibrated_sensor', camera_data['calibrated_sensor_token'])
2intrinsic = calib_data['camera_intrinsic']
3trans_mat = np.eye(4)
4trans_mat[:3, :3] = np.array(intrinsic)
5points = obj['box']
6points = np.concatenate((points, np.ones((1, points.shape[1]))), axis=0)
7points = np.dot(trans_mat, points)[:3, :]
8points /= points[2, :]
激光真值(lidar frame)投影⾄图像(pixel coord)就相对⿇烦⼀点，因为图像和激光时间戳不⼀致，需要多进⾏⼀步时间戳的变换。
1# step1: lidar frame -> ego frame
2calib_data = ('calibrated_sensor', lidar_file['calibrated_sensor_token'])
3rot_matrix = Quaternion(calib_data['rotation']).rotation_matrix
4points[:3, :] = np.dot(rot_matrix, points[:3, :])
5for i in range(3):
6 points[i, :] += calib_data['translation'][i]
7
8# step2: ego frame -> global frame
9ego_data = ('ego_pose', lidar_file['ego_pose_token'])
10rot_matrix = Quaternion(ego_data['rotation']).rotation_matrix
11points[:3, :] = np.dot(rot_matrix, points[:3, :])
12for i in range(3):
13 points[i, :] += ego_data['translation'][i]
14
15# step3: global frame -> ego frame
16ego_data = ('ego_pose', camera_data['ego_pose_token'])
17for i in range(3):
18 points[i, :] -= ego_data['translation'][i]
19rot_matrix = Quaternion(ego_data['rotation']).rotation_matrix.T
20points[:3, :] = np.dot(rot_matrix, points[:3, :])
21
22# step4: ego frame -> cam frame
23calib_data = ('calibrated_sensor', camera_data['calibrated_sensor_token'])
24for i in range(3):
25 points[i, :] -= calib_data['translation'][i]
26rot_matrix = Quaternion(calib_data['rotation']).rotation_matrix.T
27points[:3, :] = np.dot(rot_matrix, points[:3, :])
28
29# step5: cam frame -> uv pixel
30visible = points[2, :] > 0.1
31colors = get_rgb_by_distance(points[2, :], min_val=0, max_val=50)
32intrinsic = calib_data['camera_intrinsic']
33trans_mat = np.eye(4)
34trans_mat[:3, :3] = np.array(intrinsic)
35points = np.concatenate((points[:3, :], np.ones((1, points.shape[1]))), axis=0)
36points = np.dot(trans_mat, points)[:3, :]
37points /= points[2, :]
38points = points[:2, :]
3.4 可视化效果
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议