Accelerating map_pointcloud_to_image by loading LIDAR data only once
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Refactorización
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- python
- Área
- computer-vision, performance
Línea de trabajo
Comienza con lyft_dataset_sdk/lyftdataset.py en las líneas 653-715 e inspecciona map_pointcloud_to_image. Perfila la función con varias cámaras y marcas de tiempo para distinguir la carga de LIDAR de la transformación 3D-to-2D. Se considera terminado cuando se evita cargar LIDAR de forma redundante para las cámaras que comparten una marca de tiempo, preservando al mismo tiempo la salida proyectada.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
This following function performs a pretty expensive computation:
https://github.com/lyft/nuscenes-devkit/blob/e4efd52a9630959a5b890e1575b58cab145e2441/lyft_dataset_sdk/lyftdataset.py#L653-L715
I am curious: does this function take so much time to run because of the process of loading the lidar cloud points, or transforming the 3D coordinates into 2D for a specific camera?
I am personally using this function in my public kernel for the Kaggle competition, and I realized that running this for all cameras, and across multiple timestamps takes a considerable amount of time, which could be partially caused by the data loading, I could cache it so that the lidar data is not redundantly loaded for every camera for a single timestamp.
Thanks!
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 390
- Forks
- 99
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de lyft/nuscenes-devkit
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 20/100
lyft/nuscenes-devkit#106 ·
-
invalid download linkAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 20/100
lyft/nuscenes-devkit#105 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100
lyft/nuscenes-devkit#104 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100
lyft/nuscenes-devkit#103 · 2 comentarios ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 48/100
lyft/nuscenes-devkit#99 ·
Todos los issues de lyft/nuscenes-devkit
Issues similares
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
vahinitech/20factor-analyser#140 ·
Los mantenedores suelen responder en 1 día
-
shadow variableAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
Los mantenedores suelen responder en 1 día
-
Transparent images become black: decode_base64_to_image / encode_image_to_base64 drop alphaPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
open-compass/VLMEvalKit#1752 ·
Los mantenedores suelen responder en 4 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
flatironinstitute/CaImAn#1589 · 1 comentario ·
-
Avoid int64 intermediate tensors in Boolean mask overlap postprocessingPosiblemente ocupada @nyavana la tomó hace 4 días. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
facebookresearch/sam3#635 ·