本文介绍在3D目标检测中，理解和使用KITTI 数据集，包括KITTI 的基本情况、下载数据集、标签格式解析、点云转图像、点云转BEV。
目录
1、KITTI数据集中3D框可视化的效果
2、先看个视频，了解KITTI 的基本情况
3、来到KITTI官网，下载数据集
4、标签格式
5、标定参数解析
6、点云3D结果-->图像3D结果（坐标系转换）
6、图像3D结果-->点云3D结果（坐标系转换）
8、点云3D结果-->图像BEV鸟瞰图结果（坐标系转换）
1、KITTI数据集中3D框可视化的效果
2、先看个视频，了解KITTI 的基本情况
KITTI 数据集介绍
3、来到KITTI官网，下载数据集
The KITTI Vision Benchmark Suite (cvlibs.net)
下载数据需要注册账号的，获取取百度网盘下载；文件的格式如下所示
图片格式：xxx.jpg
点云格式：xxx.bin（点云是以bin二进制的方式存储的）
标定参数：xxx.txt（一个文件中包括各个相机的内参、畸变校正矩阵、激光雷达坐标转到相机坐标的矩阵、IMU坐标转到激光雷达坐标的矩阵）
标签格式：xxx.txt（包含类别、截断情况、遮挡情况、观测角度、2D框左上角坐标、2D框右下角坐标、3D物体的尺寸-高宽长、3D物体的中心坐标-xyz、置信度）
4、标签格式
这时可以看看这个视频：
Nuscenes、KITTI等多个BEV开源数据集介绍
5、标定参数解析
然后看一下标定参数；P0-P3:是各个相机的内参矩阵；
R0_rect: 是左相机的畸变矫正矩阵；
Tr_velo_to_cam:是激光雷达坐标系 转到 相机坐标系矩阵；
Tr_imu_to_velo: 是IMU坐标转到激光雷达坐标的矩阵
6、点云数据-->投影到图像（坐标系转换）
当有了点云数据信息，如何投影到图像中呢？本质上是一个坐标系转换的问题，流程思路如下：
- 已知点云坐标（x，y，z），当前是处于激光雷达坐标系
- 激光雷达坐标系 转到 相机坐标系，需要用到标定参数中的Tr_velo_to_cam矩阵，此时得到相机坐标（x1，y1，z1）
- 相机坐标系进行畸变矫正，需要用到标定参数中的R0_rect矩阵，此时得到相机坐标（x2，y2，z2）
- 相机坐标系转为图像坐标系，需要用到标定参数中的P0矩阵，即相机内存矩阵，此时得到图像坐标（u，v）
看一下示例效果：
6、图像数据-->投影到点云（坐标系转换）
当有了图像RGB信息，如何投影到点云中呢？本质上是一个坐标系转换的问题，和上面的是逆过程，流程思路如下：
- 已知图像坐标（u，v），当前是处于图像坐标系
- 图像坐标系 转 相机坐标系，需要用到标定参数中的P0逆矩阵，即相机内存矩阵，得到相机坐标（x，y，z）
- 相机坐标系进行畸变矫正，需要用到标定参数中的R0_rect逆矩阵，得到相机坐标（x1，y1，z1）
- 矫正后相机坐标系 转 激光雷达坐标系，需要用到标定参数中的Tr_velo_to_cam逆矩阵，此时得到激光雷达坐标（x2，y2，z2）
7、可视化图像2D结果、3D结果
先看一下2D框的效果：
3D框的效果：
9、点云3D结果-->图像BEV鸟瞰图结果（坐标系转换）
思路流程：
- 读取点云数据，点云得存储格式是n*4，n是指当前文件点云的数量，4分别表示（x，y，z，intensity），即点云的空间三维坐标、反射强度
- 我们只需读取前两行即可，得到坐标点（x，y）
- 然后将坐标点（x，y），画散点图
BEV鸟瞰图效果如下：
程序2：
BEV图像示例效果
在BEV视图中画框，可视化结果：
后面还会介绍Nuscenes、Waymo等3D数据集。
