在NuScenes数据集上实现3D边界框中心点投影到图像
2025-07-01 09:40:42作者:凌朦慧Richard
概述
在计算机视觉和自动驾驶领域,将3D空间中的物体准确地投影到2D图像平面上是一项基础而重要的任务。本文将详细介绍如何在NuScenes数据集上实现3D边界框中心点向2D图像的投影转换。
投影矩阵的构成
3D到2D的投影转换通常通过投影矩阵实现,该矩阵由两部分组成:
- 相机内参矩阵:描述相机本身的特性,包括焦距、主点坐标等
- 相机外参矩阵:描述相机在世界坐标系中的位置和朝向
完整的投影矩阵是这两者的乘积,可以将3D世界坐标直接映射到2D图像坐标。
NuScenes中的坐标系转换
NuScenes数据集提供了丰富的传感器数据,包括相机图像和3D标注信息。要实现准确的投影,需要考虑以下坐标系转换:
- 全局坐标系到自车坐标系的转换
- 自车坐标系到相机坐标系的转换
实现步骤详解
1. 获取全局到自车的变换矩阵
t1 = -np.array(pose_record['translation'])
pose_rotation = pose_record['rotation']
R1 = Quaternion(pose_rotation).inverse.rotation_matrix
t1 = np.dot(R1, t1)
E1 = np.column_stack((R1, t1))
这段代码实现了:
- 获取自车在全局坐标系中的位置和旋转
- 计算逆旋转矩阵
- 完成平移向量的旋转补偿
- 构建完整的变换矩阵
2. 获取自车到相机的变换矩阵
t2 = -np.array(cs_record['translation'])
cs_rotation = cs_record['rotation']
R2 = Quaternion(cs_rotation).inverse.rotation_matrix
t2 = np.dot(R2, t2)
E2 = np.column_stack((R2, t2))
cs_camera_intrinsic = cs_record['camera_intrinsic']
这部分与上一步类似,但针对的是相机相对于自车的位姿。
3. 组合变换矩阵
E = np.dot(np.row_stack((E2, [0, 0, 0, 1])), np.row_stack((E1, [0, 0, 0, 1])))
prj_mat = np.dot(cs_camera_intrinsic, E[0:3, :])
这里将两个变换矩阵相乘得到完整的从全局到相机坐标系的变换,再与相机内参矩阵相乘得到最终的投影矩阵。
4. 应用投影矩阵
boxes_3d = nusc.get_boxes(cam_front_data['token'])
for box_3d in boxes_3d:
cc = np.copy(box_3d.center)
vet2 = np.array([[cc[0]], [cc[1]], [cc[2]], [1]])
temp_c = np.dot(prj_mat, vet2)
point_3d2img = temp_c[0:2] / temp_c[2]
通过简单的矩阵乘法,即可将3D边界框中心点投影到图像平面。
关键点说明
- 逆旋转的使用:NuScenes中存储的是相机相对于自车的位姿,因此需要使用逆旋转
- 齐次坐标:在变换过程中使用齐次坐标表示,便于矩阵运算
- 透视除法:最后一步除以z坐标实现透视投影
应用场景
这种投影方法可以用于:
- 3D检测结果的2D可视化验证
- 多传感器数据融合
- 3D标注的2D投影验证
- 自动驾驶感知系统的调试
总结
本文详细介绍了在NuScenes数据集上实现3D到2D投影的完整流程,包括坐标系转换、矩阵组合和实际应用。掌握这一技术对于自动驾驶领域的3D感知任务具有重要意义。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp课程页面空白问题的技术分析与解决方案3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp课程中屏幕放大器知识点优化分析5 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析6 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析7 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 8 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析9 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析10 freeCodeCamp英语课程填空题提示缺失问题分析
最新内容推荐
JavaWeb企业门户网站源码 - 企业级门户系统开发指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
239
2.36 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
216
291
暂无简介
Dart
539
118
仓颉编译器源码及 cjdb 调试工具。
C++
115
86
仓颉编程语言运行时与标准库。
Cangjie
122
97
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
998
589
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
589
115
Ascend Extension for PyTorch
Python
77
110
仓颉编程语言提供了 stdx 模块,该模块提供了网络、安全等领域的通用能力。
Cangjie
80
55