使用kitti数据集实现自动驾驶——绘制出所有物体的行驶轨迹

继续创作,加速生长!这是我参与「日新计划 6 月更文挑战」的第14天,点击查看活动概况

本次内容主要是上星期内容的延续,主要画出kitti车的行进的轨道

相同的,咱们先来看看最终完成的作用:

视频

  接下来就进入一步步的编码环节。。。

       

1、运用IMU、GPS核算汽车移动间隔和旋转角度

  • 核算移动间隔

    • 经过GPS核算

      #定义核算GPS间隔办法
      def computer_great_circle_distance(lat1,lon1,lat2,lon2):
          delta_sigma = float(np.sin(lat1*np.pi/180)*np.sin(lat2*np.pi/180)+
                              np.cos(lat1*np.pi/180)*np.cos(lat2*np.pi/180)*np.cos(lon1*np.pi/180-lon2*np.pi/180))
          return 6371000.0*np.arccos(np.clip(delta_sigma,-1,1))
      #运用GPS核算间隔
       gps_distance += [computer_great_circle_distance(imu_data.lat,imu_data.lon,prev_imu_data.lat,prev_imu_data.lon)]
      
    • 经过IMU核算

      IMU_COLUMN_NAMES = ['lat','lon','alt','roll','pitch','yaw','vn','ve','vf','vl','vu','ax','ay','az','af',
                          'al','au','wx','wy','wz','wf','wl','wu','posacc','velacc','navstat','numsats','posmode',
                          'velmode','orimode']
      #获取IMU数据
      imu_data = read_imu('/home/wsj/data/kitty/RawData/2011_09_26/2011_09_26_drive_0005_sync/oxts/data/%010d.txt'%frame)
      #运用IMU核算间隔
      imu_distance += [0.1*np.linalg.norm(imu_data[['vf','vl']])]
      
    • 比较两种方法核算出的间隔(GPS/IMU)

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道
运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

显然,IMU核算的间隔较为平滑。

   

  • 核算旋转角度 旋转角度的核算较为简单,咱们只需要根据IMU获取到的yaw值就可以核算(前后两帧图像的yaw值相减)

    运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

   

2、画出kitti车的行进轨道

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

   

3、画出一切车辆的轨道

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

运用kitti数据集完成自动驾驶——制作出一切物体的行进轨道

       

咻咻咻咻~~duang~~点个赞呗

上一篇:运用kitti数据集完成自动驾驶——发布照片、点云、IMU、GPS、显示2D和3D侦测框

发表评论

提供最优质的资源集合

立即查看 了解详情