NuScenes数据集:如何获取每帧图像的相机位姿
2025-07-01 02:16:11作者:苗圣禹Peter
在自动驾驶领域,NuScenes数据集是一个重要的多模态数据集,包含了丰富的传感器数据和标注信息。本文将详细介绍如何在NuScenes数据集中获取每帧图像的相机位姿信息,这对于3D目标检测、SLAM等计算机视觉任务至关重要。
相机位姿的组成
在NuScenes数据集中,相机位姿实际上由两部分组成:
- 相机相对于车辆坐标系(ego frame)的位姿:这是通过相机标定获得的固定变换关系
- 车辆在世界坐标系中的位姿:这是随时间变化的车辆运动信息
获取相机标定信息
首先需要获取相机相对于车辆坐标系的变换关系。可以通过以下步骤获取:
from nuscenes.nuscenes import NuScenes
# 初始化NuScenes数据集
nusc = NuScenes(version='v1.0-mini', dataroot='/path/to/dataset', verbose=False)
# 获取第一个样本
sample = nusc.sample[0]
# 获取相机数据
sample_data = nusc.get('sample_data', sample['data']['CAM_FRONT'])
# 获取相机标定信息
calibrated_sensor = nusc.get('calibrated_sensor', sample_data['calibrated_sensor_token'])
calibrated_sensor字典包含以下关键信息:
translation:相机相对于车辆坐标系的位置偏移rotation:相机相对于车辆坐标系的旋转(四元数表示)camera_intrinsic:相机内参矩阵
获取车辆位姿信息
接下来需要获取车辆在世界坐标系中的位姿:
# 获取车辆位姿信息
ego_pose = nusc.get('ego_pose', sample_data['ego_pose_token'])
ego_pose字典包含:
translation:车辆在世界坐标系中的位置rotation:车辆在世界坐标系中的朝向(四元数表示)
构建完整的相机位姿
要将相机坐标系中的点转换到世界坐标系,需要执行以下变换步骤:
- 将点从相机坐标系转换到车辆坐标系
- 将点从车辆坐标系转换到世界坐标系
数学上可以表示为:
P_world = T_ego_to_world * T_cam_to_ego * P_camera
其中:
T_cam_to_ego是从相机坐标系到车辆坐标系的变换矩阵T_ego_to_world是从车辆坐标系到世界坐标系的变换矩阵
实际应用示例
假设我们有一个在相机坐标系中的点P_camera,要计算它在世界坐标系中的位置:
import numpy as np
def make_transform_matrix(rotation, translation):
"""将旋转(四元数)和平移转换为4x4齐次变换矩阵"""
q = np.array(rotation)
t = np.array(translation)
R = quaternion_to_rotation_matrix(q)
T = np.eye(4)
T[:3, :3] = R
T[:3, 3] = t
return T
# 构建相机到车辆的变换矩阵
T_cam_to_ego = make_transform_matrix(calibrated_sensor['rotation'],
calibrated_sensor['translation'])
# 构建车辆到世界的变换矩阵
T_ego_to_world = make_transform_matrix(ego_pose['rotation'],
ego_pose['translation'])
# 将相机坐标系中的点转换到世界坐标系
P_world = T_ego_to_world @ T_cam_to_ego @ P_camera
注意事项
- 四元数的顺序:NuScenes中使用的是w,x,y,z顺序
- 坐标系定义:NuScenes中使用的坐标系定义需要仔细查阅文档
- 时间同步:不同传感器数据的时间戳需要对齐处理
通过以上方法,我们可以准确地获取NuScenes数据集中每帧图像的相机位姿信息,为后续的3D视觉任务提供基础支持。
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
240
2.37 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
999
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
118
Ascend Extension for PyTorch
Python
78
111
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
56