streampetr原版网络nuscenes数据pkl文件中的各字段含义

每帧数据都包含下列的信息

"token": 该帧数据的标识，具有唯一性
"prev": 该帧数据上一帧数据的token，如果没有就为""
"next": 该帧数据下一帧数据的token，如果没有就为"""frame_idx"    : 记录该帧数据是所在的序列内的第几帧，用于判断该帧数据是否为序列的首帧
"is_key_frame" : 是否为关键帧，nuscene数据集中真值数据只有2Hz，含标注信息的数据为关键帧
"lidar_path"   : 该帧数据对应的lidar数据路径，注意需要是想对路径，相对于工程根目录的相对路径"sweeps": 非关键帧数据信息，原版streampetr没有用到这个信息，但是在原版本的streampetr中这个信息的作用仅仅用来判断是否为新的序列
"cams"  : 记录相机的信息"CAM_FRONT":"data_path": 该帧数据这个视野的图片文件路径"type"     : 相机名称,比如"CAM_FRONT""timestamp": 相机时间戳"cam_instrnsic": 相机内参"sample_data_token"     :该帧数据所在的sample的token，不参与训练"sensor2ego_translation": 相机外参的平移分量"sensor2ego_rotation"   : 相机外参的旋转分量, 四元数的形式[w,x,y,z]"ego2global_translation": 相机时间戳时刻自车系到世界系的变换的平移分量"ego2global_rotation"   : 相机时间戳时刻自车系到世界系的变换的旋转分量，四元数[w,x,y,x]"sensor2lidar_rotation" : 相机系到激光雷达坐标系的旋转，表示一个点从相机系变换到激光雷达系的变换,矩阵形式，因为相机和激光雷达时间戳的不一致性，所以这里做了运动补偿。t时刻先从从相机系到自车系，自车系到世界系。然后T+1时刻，世界系到自车系，自车系到激光雷达系"sensor2lidar_translation": 相机系到激光雷达坐标系的平移"CAM_FRONT_LEFT":"CAM_FRONT_RIGHT":"CAM_BACK":"CAM_BACK_LEFT":"CAM_BACK_RIGHT":"scene_token"           : 该帧数据所在的场景token
"lidar2ego_translation" : 激光雷达的外参，平移分量
"lidar2ego_rotation"    : 激光雷达的外参，旋转分量，四元数[w, x, y, z]
"ego2global_translation": 激光雷达的外参，平移分量
"ego2global_rotation"   :  激光时间戳自车系到世界系的变换，旋转分量 四元数[w,x,y,z]"timestamp"    : 该帧数据时间戳，使用的是激光时间戳
"gt_boxes"     : 3D框真值, ->array  shape=[N,7] [x,y,z,w,l,h,yaw] 体心世界系坐标
"gt_names"     : N个object的类别 ->array shape=[N,] 
"gt_velocity"  : N个object的横纵向速度分量 ->array shape=[N,2] 
"num_lidar_pts": N个object中有多少激光点 ->array (N,)
"num_radar_pts": N个object中有多少毫米波雷达点 ->arrayt (N,)"valid_flag"   : N个object是否可见,如果num_lidar_pts>0就为可见 ->array   (N,)
"bboxes2d"     : ->list 长度为6(对应6路相机)，每个元素是数组形式，每个元素的行状为(m,4),m表示该帧数据的所有3D框在该视野上的2D投影框有几个,每一行表示为[min_x,min_y,max_x,max_y](8个角点投影中的最大最新小)
"bboxes3d_cams": ->list  长度为6(对应6路相机)，每个元素是数组形式，每个元素的行状为(m,7),m对应该视野内的2D框数量，每一行都与2D投影框对应[x,y,z,w,l,h,yaw],这里的xyz是在相机坐标系，注意z轴的方向
"label2d"      : ->list, 长度为6(对应6路相机)，每个元素是数组，行状为(m,)  m表示对应相机视野内的2D投影框的类别值(原版本streampetr使用了10类，所以为0到9)
"centers2d"    : ->列表，长度为6(对应6路相机)， 每个元素为数组，行状[m,2]。记录了3D框中心点在图像上的投影像素点坐标
"depths"       : ->list 长度为6，每个元素为数组，行状(m,) 记录对应物体的深度信息
"bboxes_ignore": 
"visibilities"