NuScenes数据集转KITTI格式时的数据维度问题解析
在使用NuScenes-devkit工具将NuScenes数据集转换为KITTI格式时,开发者可能会遇到输出数据维度不匹配的问题。本文深入分析这一现象的原因,并提供解决方案。
问题现象
当使用NuScenes-devkit中的export_kitti.py脚本转换数据时,输出的标注文件每行包含16个元素,而标准的KITTI格式通常只需要15个元素。具体表现为:
['barrier', '0.00', '4', '-10.00', '0.00', '519.72', '58.90', '575.55', '1.1', '1.64', '0.36', '-17.09', '2.14', '26.36', '0.45', '0.0000']
原因分析
经过对NuScenes-devkit源码的审查,发现这种差异是设计上的考虑而非错误。标准的KITTI格式确实只需要15个元素,但NuScenes-devkit在转换时额外添加了一个分类置信度分数作为第16个元素。
这个设计决策源于NuScenes数据集本身的特点。NuScenes数据集中的每个检测框都带有检测置信度分数,而原始KITTI格式没有这个字段。为了保留这一重要信息,转换脚本将其添加在行末。
技术细节
在转换过程中,脚本会处理以下关键信息:
- 对象类别(如car、pedestrian等)
- 截断程度(0-1之间的数值)
- 遮挡程度(0-3的整数)
- 观察角度(alpha值)
- 2D边界框坐标(left, top, right, bottom)
- 3D尺寸(height, width, length)
- 3D位置(x, y, z)
- 旋转角度(rotation_y)
- 检测置信度(额外添加的分数)
解决方案
开发者可以根据实际需求选择以下处理方式:
-
保留完整信息:直接使用16元素的格式,这不会影响大多数检测算法的运行,反而提供了更多信息。
-
裁剪为15元素:如果下游应用严格要求KITTI标准格式,可以简单地截取前15个元素。
-
自定义处理:修改export_kitti.py脚本,在输出前调整数据格式。
最佳实践建议
对于大多数应用场景,建议保留16元素的完整格式,因为:
- 检测置信度是评估检测质量的重要指标
- 大多数现代检测算法都能处理额外的字段
- 不会影响标准KITTI格式字段的读取
如果确实需要严格兼容KITTI格式,可以在数据加载阶段进行简单处理,而不是修改原始转换脚本,这样既保持了数据完整性,又满足了格式要求。
总结
NuScenes-devkit在转换为KITTI格式时添加置信度分数的行为是经过深思熟虑的设计选择,而非程序错误。开发者应当根据具体应用场景决定如何处理这个额外的字段。理解这一设计决策有助于更好地利用NuScenes数据集进行3D目标检测相关的研究和开发工作。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









