问题标签 [kitti]

我研究立体图像的 Kitti 数据集。我有给定的内在矩阵：

如何从这个矩阵计算焦距？

我们知道这个矩阵有表达式：

谢谢。

我正在使用 KITTI stereo 2015 数据集 ( http://www.cvlibs.net/datasets/kitti/eval_scene_flow.php?benchmark=stereo ) 使用安装在屋顶上的两台摄像机（cam2 和 cam3）的彩色图像。我想知道它们的内在和外在参数。给出了两个校准文件夹：一个是calib，它有.txt文件和参数：

另一个文件夹是data_scene_flow_calib，它有两个用于训练和测试的子文件夹。在培训文件夹中有一个名为calib_cam_to_cam的文件夹。在此文件夹内还有带有参数的 .txt 文件：

我想知道，这两个彩色相机的外在参数和内在参数是什么。

我最近一直在研究 KITTI 数据集——特别是立体声子部分。我尝试使用 OpenCV SGBM 方法复制结果。我使用了与 KITTI 网站的 OpenCV 结果页面上指定的所有相同参数。

http://www.cvlibs.net/datasets/kitti/eval_scene_flow_detail.php?benchmark=stereo&result=67877bd6fcc43163421fa0108c7df83bbc69fea3

从视觉上看，视差图看起来不错，并且与 KITTI-OpenCV 评估页面上发布的结果非常相似。但是，当我尝试使用基本事实计算训练数据集的误差时，误差始终为 100%。

OpenCV SGBM-立体计算函数的最大像素值大约为 1000 左右，其中几个图像（大约 5 个图像对）具有更高的值。我相信该函数返回的输出是 int16 类型的。我正在使用 devkit 中给出的评估函数计算错误，当我读取基本事实（GT）并打印出它们范围高达 ~32k 的最大值时。评估函数将 GT 和估计的视差图像除以 256，然后计算绝对差。如果差异大于 3，并且如果单个错误大于 GT 值的 5%，则该像素被计为坏/错误像素，并且总错误以此类坏像素占总像素的百分比给出。由于范围如此不同，如果我使用上述过程，通常所有像素最终都会高于错误阈值。那么，我是否需要对 OpenCV SGBM 的输出进行任何缩放，或者在生成差异/计算错误时我是否遗漏了什么？

我一直使用 KITTI 原始 LiDaR 扫描数据集作为我的深度研究的基本事实，并认为它们代表了某个点和相机平面之间的距离，即 z 坐标。

例如下图第 364 行的像素深度

显示在这里

对于道路上的所有点（图中左侧的尖峰），我得到或多或少相同的距离，并得出结论认为距离是从相机平面开始的。如果不是，应该有一些曲率。我的理解正确吗？

我正在尝试使用 KITTI 开放数据集进行深度单目视觉里程计我尝试使用这个repo

它使用此代码将姿势转换为 6DoF

模型输出也采用相同的格式（6DoF）

问题是如何评估 6DoF 结果，因为此评估工具 ( kitti-odom-eval ) 仅支持以下两种格式

我想知道什么是Kitti Eigen Split。为什么在深度估计中使用它？我正在使用 Kitti 数据集进行计算机视觉研究。但是，我是计算机视觉术语的初学者。

谢谢，

我用地面实况和 Velodyne 点云数据可视化了 KITTI 里程计数据集。 http://www.cvlibs.net/datasets/kitti/eval_odometry.php

在序列中的循环之后，相机位置的高度似乎不同。我不确定这是正常的还是我误解了一些东西。当您将此数据用作基本事实时，您修改了某些内容还是按原样使用它？

这是加载姿势 txt 文件的代码

这是从附近水平观察的 3D 点云图像。如您所见，循环后的相机位置处于不同的高度。我将 Velodyne 数据转换为相机坐标上的深度值并进行了可视化。然后，汽车的点云也发生了一点偏移。

这是鸟瞰图，看起来不错。

这是一张叠加了 Velodyne 深度值的彩色图像。好像也不错。

Kitti 数据集的 .bin 文件或 pcd 文件有 64 层。

但我会用我的 3 个 VLP16 激光雷达进行 3D 检测。

• 为了学习，我想将 Kitti 数据集中的 64 层数减少到 16 或 32 层。

kitti 数据集由一个 .bin 文件组成，该文件可以转换为一个 .pcd 文件。

我可以按照我想要的方向对这些文件进行后处理吗？

我正在研究深度学习（监督学习）以从单目图像估计深度图像。并且数据集目前使用的是 KITTI 数据。RGB 图像（输入图像）使用 KITTI 原始数据，来自以下链接的数据用于 ground-truth。

在通过设计一个简单的encoder-decoder网络来学习模型的过程中，结果并不是那么好，所以正在做各种尝试。

在寻找各种方法时，我发现groundtruth只能通过mask来学习有效区域，因为有很多无效区域，即无法使用的值，如下图所示。

所以，我通过掩蔽学习，但我很好奇为什么这个结果不断出现。

这是我的代码训练部分。我该如何解决这个问题。

我注意到pose_left.txtKITTI_VO 数据集中有一个，每行有 7 个数字，例如：

我猜是转换参数，但应该有6个：平移（3）和旋转（3）。为什么要多一个？