NuScenes数据集中的坐标系与速度信息解析

NuScenes自动驾驶数据集作为业界广泛使用的基准测试平台，其坐标系系统和速度信息的正确理解对于数据解析和算法开发至关重要。本文将深入剖析NuScenes中涉及的各类坐标系关系及速度信息的表示方式。

全局坐标系与速度信息

NuScenes数据集中的所有目标检测框的速度信息(box_velocity)均基于全局坐标系表示。这意味着当开发者获取某个目标的box_velocity属性时，可以直接在全局空间中使用该速度向量，无需额外的坐标系转换。

全局坐标系的定义遵循以下原则：

• 原点位于地图左上角
• X轴方向指向地图顶部边缘的右侧
• Y轴方向指向地图左侧边缘的底部
• Z轴方向垂直于地面向上

自车速度的两种计算方式

在NuScenes数据集中，自车(ego vehicle)的速度可以通过两种等效方式获取：

1. 基于位姿差分计算：通过连续时间戳间的ego_pose变化量除以时间差，可以得到自车在全局坐标系下的平均速度。

2. 直接读取CAN总线数据：数据集提供的CAN总线信息中包含自车速度，但需要注意这些速度值是在自车坐标系下表示的，与全局坐标系下的速度存在区别。

这两种方法计算得到的速度值理论上应该相近但不完全相同，因为前者反映的是离散时间间隔内的平均速度，而后者是传感器直接测量的瞬时速度。

坐标系系统详解

NuScenes涉及多个坐标系系统，开发者需要明确它们之间的区别和转换关系：

1. 自车坐标系(ego frame)：

   • X轴指向车辆正前方
   • Y轴指向车辆左侧
   • Z轴垂直向上
   • 与IMU坐标系方向一致

2. 全局坐标系(global frame)：

   • 固定于地图的绝对参考系
   • 原点位于地图左上角
   • X/Y轴沿地图边缘方向

3. 传感器坐标系：

   • 各个传感器(摄像头、激光雷达等)有各自的局部坐标系
   • 需要通过标定参数转换到自车坐标系

理解这些坐标系关系对于正确解析传感器数据、进行多传感器融合以及评估目标检测和跟踪算法都至关重要。特别是在处理运动预测任务时，必须确保所有速度和位置信息在同一坐标系下表示，避免因坐标系混淆导致的算法性能下降。