export_kitti.py - Camera and lidar do not have the same ego pose
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- numpy, python
- Ambito
- computer-vision
Direzione di ricerca
Inizia in export_kitti.py, nel blocco di trasformazione intorno alla riga 152, e confronta la gestione della pose con la funzione render. Segui le trasformazioni di lidar e camera attraverso la world pose e rivedi la PR 75 correlata. Il lavoro è completato quando le label lidar proiettate sono allineate alle immagini della camera RGB, invece di mostrare gli offset segnalati di 10–20 pixel.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
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
- Lingua principale
- Jupyter Notebook
- Stelle
- 390
- Fork
- 99
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di lyft/nuscenes-devkit
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 20/100
lyft/nuscenes-devkit#106 ·
-
invalid download linkAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 20/100
lyft/nuscenes-devkit#105 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
lyft/nuscenes-devkit#104 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
lyft/nuscenes-devkit#103 · 2 commenti ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 48/100
lyft/nuscenes-devkit#99 ·
Tutte le issue di lyft/nuscenes-devkit
Issue simili
-
TrackerVit: input scalefactor computed with Scalar's quaternion operator/, two of three channels negated (since 4.11.0) 🤖🤖🤖Forse già presa @officialarghya29 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
Robbyant/lingbot-map#113 · 1 commento ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
ros-perception/image_pipeline#1198 ·
-
radon(circle=True) fails for images with a singleton heightForse già presa @whyvineet l’ha presa 3 giorni fa. Aperta:bug: Bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
scikit-image/scikit-image#8348 ·
I maintainer di solito rispondono entro 1 giorno