export_kitti.py - Camera and lidar do not have the same ego pose
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Error
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- numpy, python
- Área
- computer-vision
Línea de trabajo
Comienza en export_kitti.py, en el bloque de transformación alrededor de la línea 152, y compara su gestión de la pose con la función render. Sigue las transformaciones de lidar y camera a través de la world pose, y revisa el PR 75 relacionado. Se considera terminado cuando las etiquetas de lidar proyectadas se alineen con las imágenes de la cámara RGB, en lugar de mostrar los desplazamientos de 10–20 píxeles indicados.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
ISSUE
Currently in export_kitti.py the following transformation is incorrect:
lid_to_ego = transform_matrix(
cs_record_lid["translation"], Quaternion(cs_record_lid["rotation"]), inverse=False
)
ego_to_cam = transform_matrix(
cs_record_cam["translation"], Quaternion(cs_record_cam["rotation"]), inverse=True
)
velo_to_cam = np.dot(ego_to_cam, lid_to_ego)
Unlike nuscenes (which I didn't check, but I believe to be correct), the camera and lidar ego poses for this dataset are not the same. The effect of the code is above is that if you use the RGB camera images with projected labels from lidar the boxes will be randomly off by 10-20 pixels, which is problematic for any sort of 2D learning.
To correct this, two additional transformations are needed to convert to / from world pose for both lidar and camera.
Additionally, if I recall, the render function does not have the same issue as this KITTI converter.
Related PR: https://github.com/lyft/nuscenes-devkit/pull/75
- 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
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
ok-oldking/ok-wuthering-waves#1785 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
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