slamUbuntu20.04 ROS1 noetic版本 A-LOAM跑kitti

KITTI数据集通过evo转换成tum数据，对应的结果，以及xx.txt的poses文件和times.txt的时间戳文件

KITTI数据集 转换为ROSBAG格式，且补充了点云格式转换部分，比原始的全面一些

目标跟踪和碰撞时间估计 这是Udacity传感器融合纳米度的第二个项目。 我融合了来自KITTI数据集的相机和LiDAR测量值，以检测，跟踪3D空间中的物体并估算碰撞时间。 首先，我用YOLOv3处理图像以检测和分类对象。 下图显示了结果。 基于YOLOv3发现的边界框，我开发了一种通过关键点对应关系随时间跟踪3D对象的方法。 接下来，我使用了两种不同的方法来计算碰撞时间（TTC），分别是基于LiDAR和基于相机的TTC。 环境的结构由主要讲师Andreas Haja构建。 基于LiDAR的TTC 我通过使用齐次坐标将前车的3D LiDAR点投影到2D图像平面中。 投影如下图所示。接下来，我将3D LiDAR点分布到相应的边界框。 最后，我根据不同帧的对应边界框中最接近的3D LiDAR点计算了TTC。 基于摄像头的TTC 我使用检测器/描述符的各种组合来找到每个图像中的关键点，并在

KITTI语义分割数据集，包含200张训练图像及200张测试图像

BDD、KITTI、Cityscapes和Foggy Cityscapes百度云链接-附件资源

任务 鸟瞰（2017）

KITTI 2012/2015双目立体匹配(stereo matching)数据集百度云下载-附件资源

KITTI数据以及LOAM系列代码（轨迹评估改），需配合我的相关博客应用

KITTI数据集基准、转换成tum以及十个groundtruth对应图的文章链接：https://blog.csdn.net/haner27/article/details/121158911 跑vins-fusion的时候，不知道使用的kitti数据集的基准，并且不知道怎么使用 这个资源整理了kitti数据集raw data的基准groundtruth，并且给出了kitti转tum的结果，方便进行对比。 1、poses（00-10） 2、times（00-10） 3、转成tum（00-10） 4、对应数据集轨迹图（00-10） 5、数据集sequence对应