Hacktoberfest 2026:メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Accelerating map_pointcloud_to_image by loading LIDAR data only once

オープン
#19 コメント 2 件 リアクション 1 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
4/5
見積もり時間
3〜5日
初心者へのやさしさ
35/100
issue の種類
リファクタリング
明瞭さ
おおむね明確
活発さ
停滞
技術スタック
python

調査の方向性

lyft_dataset_sdk/lyftdataset.py の653-715行から始め、map_pointcloud_to_imageを調査してください。複数のカメラとタイムスタンプにわたって関数をプロファイリングし、LIDARの読み込みと3D-to-2D変換を区別してください。タイムスタンプを共有するカメラに対するLIDARの冗長な読み込みを避けつつ、投影された出力を維持できれば完了です。

索引モデルが issue の本文から書いたものです。

説明

enhancement

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!

主要言語
Jupyter Notebook
スター
390
フォーク
99
PR マージ指標
30日以内にマージされた PR はありません

環境構築

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

lyft/nuscenes-devkit のほかの issue

lyft/nuscenes-devkit の issue をすべて見る

似ている issue

Computer Vision の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。