采用python3，对KITTI数据集进行处理。。

KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。上传部分包含双目两个相机的的灰度图像，相机内参以及时间序列。

ros-kitti-project-master.rar

该脚本可以将KITTI数据集中的图像序列换转成ROS中的.bag文件格式。具体使用方法代码中给了示例。例如：将双目数据转换成.bag文件： python img2bag_kitti_StereoBag.py /home/Andy/my_workspace/Dataset/KITTI/01 KITTI_01.bag /home/Andy/my_workspace/Dataset/KITTI/01/times.txt

PointPillars_misc 脚本记录Kitti数据集上PointPillars模型的结果

kitti的一个点云文件，已经从bin转pcd

语义KITTI的API 此存储库包含帮助程序脚本，用于打开、可视化、处理和评估来自 SemanticKITTI 数据集的点云和标签的结果。 链接到原始数据集 链接到。 链接到 SemanticKITTI 基准。 链接到 SemanticKITTI MOS 基准（在 SemanticKITTI 网站添加 MOS 后可能会删除）。 序列 13 中的 3D 点云示例： 序列 13 中的 2D 球面投影示例： 用于语义场景完成的体素化点云示例： 数据组织 数据按以下格式组织： /kitti/dataset/ └── sequences/ ├── 00/ │   ├── poses.txt │ ├── image_2/ │

KITTI对象数据转换和可视化 数据集 从Kitti下载数据（calib，image_2，label_2，velodyne），并将其放在kitti/object数据文件夹中 文件夹结构如下： kitti object testing calib 000000.txt image_2 000000.png label_2 000000.txt velodyne 000000.bin pred 000000.txt training calib

kitti对象评估python 在python中快速进行kitti对象检测评估（在不到10秒的时间内完成评估），支持2d / bev / 3d / aos。 ，支持可可式AP。 如果使用命令行界面，numba需要一些时间来编译jit函数。 警告：“ coco”不是官方指标。 仅“ AP（平均精度）”是。 依存关系 仅支持python 3.6+，需要numpy ， skimage ， numba ， fire和scipy 。 如果您有Anaconda，只需在anaconda中安装cudatoolkit 。 否则，请参考此为numba设置llvm和cuda。 通过conda安装： conda install -c numba cudatoolkit=x.x (8.0, 9.0, 10.0, depend on your environment) 用法 命令行界面： python

搅拌机 关于 该存储库包含一些代码，这些代码用于创建大型粒子集合（体素网格，点云）以及Blender中的颜色信息。 blender-kitti有两个目标： 创建的对象是精确的，这意味着所有粒子均在其定义的位置创建，并且所有颜色均具有指定的确切RGB值。 所有颗粒均可单独着色。 成绩单的表现是可以接受的。 创建100k点云的时间不应超过一秒钟。 这些品质一起使blender-kitti可以从KITTI数据集（因此而得名）或相关数据集中渲染大规模数据。 当涉及到可视化时，每个人都有不同的用例。 因此，这不是万能的解决方案，而是可以适用于各个用例的一系列技术。 有示例代码可以渲染上面的演示图像。 使用它来验证您的安装是否有效，并以此作为修改的起点。 安装到Blender的捆绑Python中 # Wherever your Blender installation is located.