BevFusion (2): nuScenes 数据介绍及点云可视化

1. nuScenes 数据集

1.1 概述

nuScenes 数据集 (pronounced /nu:ːsiː:nz/) 是由 Motional (以前称为 nuTonomy) 团队开发的自动驾驶公共大型数据集。nuScenes 数据集的灵感来自于开创性的 KITTI 数据集。 nuScenes 是第一个提供自动驾驶车辆整个传感器套件 (6 个摄像头、1 个 LIDAR、5 个 RADAR、GPS、IMU) 数据的大型数据集。 与 KITTI 相比，nuScenes 包含的对象注释多了 7 倍。为了促进常见的计算机视觉任务 (例如对象检测和跟踪) ，整个数据集中使用 2Hz 的准确 3D 边界框注释 23 个对象类。 此外，还注释了对象级属性，例如可见性、活动和姿势。

2019 年 3 月，Motional 发布了包含全部 1000 个场景(scenes)的完整 nuScenes 数据集。 其中包含大约 140 万张相机图像、39 万张激光雷达扫描、140 万张雷达扫描和 4 万个关键帧中的 140 万个对象边界框。

1.2 数据收集

1.2.1 场景

对 nuScenes 数据集，Motional 在波士顿和新加坡收集了大约 15 小时的驾驶数据。完整的数据来自波士顿海港区以及新加坡 One North，Queenstown 和 Holland Village 地区。数据旨在涵盖广泛的地点、时间和天气条件。为了平衡各个类类别的频率分布，还加入了更多包含罕见类 (如自行车) 的场景。根据这些标准，人工选择了 1000 个每个持续 20 秒的场景，这些场景由人工专家进行标注。

下图是下载的v1.0-min nuScenes数据集，其中关于场景的token信息存在scene.json中

1.2.2 采集车传感器配置

组成：6 个摄像头、1 个激光雷达、5 个雷达、GPS、IMU。

• 6 个摄像头布置的位置分别为：Front, Front_Right,Front_Left, Back,Back_Left, Back_Right;
• 5个雷达相机布置位置为：Front, Front_Right,Front_Left，Back_Left, Back_Right；
• 激光雷达布置在车顶位置。
  
  值得注意的是：在nuScenes数据集中相机采集的图像分辨率为:1600 x 900, 但是最终输入BevFusion 网络的是704*256
  

1.2.3 传感器标定

为获得高质量的多传感器数据集，每个传感器的 extrinc (外参) 和 intrinsic (内参) 都必须进行标定(calibrate)。将外参坐标表示为相对于自车坐标系(ego)的We express extrinsic coordinates relative to the ego frame，也就是车尾中轴的中点。主要步骤描述如下：

自车坐标系ego

• LIDAR 外参数标定：使用激光定线器精确测量 LIDAR 相对于 ego (自车坐标系)的位置, 获得LIDAR相对于ego的calibrate参数： 旋转（rotation） 和平移 (translation)
• Radar 外参数标定：将 Radar 安装在水平位置上，然后在城市环境下收集 Radar 测量数据。在对移动物体进行滤波后，使用暴力方法校准偏航角，以最小化对静态物体的补偿速率。
• Camera 外参数标定：在 Camera 和 LIDAR 传感器前方放置一个立方体形状的校准目标。校准目标由三个具有已知图案的正交平面组成。在检测到这些图案后，通过对齐校准目标的平面来计算从 Camera 到 LIDAR 的转换矩阵。在上述计算得到 LIDAR 到 ego 的转换矩阵之后(rotation和translation)，可以计算 Camera 到 ego 坐标系的转换矩阵以及相应的外参参数。
• Camera 内参数标定：使用一个具有已知图案集合的校准目标板来推断 Camera 的内参和畸变参数。

在nuScenes数据集中，calibration 相关数据保存在calibrated_sensor.json文件中。

1.2.4 数据同步

因为每个传感器采集数据的频率是有差异的，比如相机是12Hz, 而激光雷达是20Hz。为了在LIDAR和摄像头之间实现良好的跨模态数据对齐，当顶部 LIDAR 扫过摄像头 FOV 的中心时，会触发摄像头的曝光。图像的时间戳为曝光触发时间；而激光雷达扫描的时间戳是当前激光雷达帧实现全旋转的时间。鉴于相机的曝光时间几乎是瞬时的，这种方法通常会产生良好的数据对齐(通过观察相机和雷达的时间戳，其实还是存在差异的)。 请注意，相机以 12Hz 运行，而 LIDAR 以 20Hz 运行。 12 次相机曝光尽可能均匀地分布在 20 次激光雷达扫描中，因此并非所有激光雷达扫描都有相应的相机帧。 将摄像头的帧速率降低到 12Hz 有助于降低感知系统的计算、带宽和存储需求。

1.3 数据格式

https://boardmix.cn/app/editor/YvaRVkp18SgYjyqvivc7aA
以下是 nuScenes 中使用的数据库模式。所有的标注和元数据 (包括校准cablirate、地图map、车辆坐标等) 都存储在一个关系型数据库中。每一行都可以通过其唯一的主键标记来进行识别。外键，例如sample_token，可用于与sample表格的标记进行关联。请参考教程，了解数据库表格的介绍。

• 可以利用nuscenes库，基于数据库表之间的外键，找到对应的数据信息。比如当我们拿到sample_data数据后，解析该数据，可以拿到ego_pose_token（唯一的标识码），利用ego_pose_token 就可以获得对应的ego_pose, 它包含了时间戳(timestamp)以及旋转矩阵(rotation)和平移矩阵(translation)，从而获得了ego(自车)相对于(global)的变换矩阵。
• 同理利用sample_data中的calibrate_sensor_token，就可以唯一确定 calibrated_sensor数据，从而获得传感器相对于ego的变化矩阵(translation 和rotation)

lidar2ego=nuscenes.get('calibrate_sensor',calibrate_sensor_token)
1

1.4 数据标注

• 在收集了驾驶数据后，我们以 2Hz 的频率采样同步良好的关键帧（图像、LIDAR、RADAR）we sample well synchronized keyframes (image, LIDAR, RADAR) at 2Hz ，并将它们发送给我们的标注合作方 Scale 进行标注。通过专家标注人员和多重验证步骤，我们实现了高度精确的标注(highly accurate annotations)。nuScenes 数据集中的所有对象都配有语义类别(semantic category)，以及它们出现在每一帧(frame)中的 3D 包围盒和属性(D bounding box and attributes)。与 2D 包围盒相比，这使我们能够准确地推断出对象在空间中的位置和方向(position and orientation)。

• 我们为23个对象类别提供了真实标签(ground truth labels)。对于完整的 nuScenes 数据集，我们提供以下类别（不包括测试集）的标注：

• 对于 nuScenes-lidarseg，我们为激光雷达点云中的每一个点都标注了一个语义标签(semantic label)。除了来自 nuScenes 的23个前景类别(foreground classes)（物体things）外，我们还包括了 9 个背景类别( background classes )（场景stuff）。有关每个类别的详细定义和示例图片，请参见 nuScenes 和 nuScenes-lidarseg 的标注人员指南。我们提供以下类别（不包括测试集）的标注：
  接下来是一些具体的标注数据统计，包括各类别的数量和比例等。
  

• 请注意，`static_object.bicycle_rack（自行车架）这个分类可能包括没有单独标注的自行车。我们使用这个标签来在训练期间忽略大量的共享自行车，以避免让我们的对象检测器偏向于这些相对不太有趣的自行车。

• 此外，nuScenes 中的某些类别具有特殊属性：
  
  

1.4.1 解释2HZ、12HZ

• 在nuScenes标注的是关键帧的数据，每隔0.5秒标注一次，也就是2HZ。而相机的采样频率为12HZ，也就是几乎每隔0.1s采集一张图片。如下图所示：15331516035->15331516040->15331516045 对应的是时间戳，最后两位35->40->45表示间隔0.5秒。对于激光雷达它的采样频率更高为20Hz，采集的数据为sweeps, 由于标注比较少，每隔0.5秒标注一次，中间有很多sweeps没有参与标注。
  
• 对于单帧点云来说，对点云进行可视化一般比较稀疏，因此可以在一个关键帧中，利用相近的sweeps对点云进行加密，使得点云更加稠密。如下图所示：
  
  第一张就是利用sweeps进行加密处理过的点云数据，看起来比较稠密。

1.4.2 Bevfusion中只用了10个类别

在BevFusion->configs->default.yaml列出了，识别的10个类别。

1.5 评价指标

上图是nuScences数据集的评价指标，可以点击https://www.nuscenes.org/object-detection?externalData=all&mapData=all&modalities=Any ， 查看当前最新的算法在nuScences上的表现情况，评价的指标就是上图列出的指标

• （1）Modalities: 列出了算法采用哪些传感器融合的
• （2）指标mAP越高，说明算法的性能越好；其中带E结尾的指标, (mATE,mASE,mAOE,mAVE,mAAE)，表示是相关的error，这些指标越小越好。

---

可以查看nuScenes发表的论文，论文中详细的描述了这些指标具体含义，在CVPR 2020的一篇论文中，新增了一个比较重要的指标PKL(Planning KL-Divergence)

• mAP 平均精度（mean Average Precision）

  • mAP是一个比较重要的指标，与 2D目标检测不一样，它不是利用IoU来做阈值的，而是计算地平面上两个2D边界框中心点的距离作为阈值。这样做有几个原因
    
    1. 解耦检测与对象大小和方向：通过使用2D中心距离作为匹配标准，评价更加集中在检测准确性上，而不是对象的大小或方向。
    2. 小物体问题：对于像行人和自行车这样的小物体，即使检测有小的平移误差，其IoU也可能为0。这使得很难比较依赖视觉的方法（这些方法往往有较大的定位误差）

• mATE 平均平移误差（Average Translation Error）：这是2D中心点之间的欧几里得距离，单位是米。

• mASE平均尺度误差（Average Scale Error）：这是在方向和平移对齐后的3D交并比（Intersection over Union，IOU），计算为 1−IOU。

• mAOE平均方向误差（Average Orientation Error）：这是预测和地面真实值之间最小偏航角度的差异，单位是弧度。所有角度都是在一个完整的360度周期内进行测量的，除了对于障碍物，它们是在一个180度周期内进行测量的。

• mAVE平均速度误差（Average Velocity Error）：这是2D速度差异的L2范数的绝对值，单位是米/秒（m/s）。

• mAAE平均属性误差（Average Attribute Error）：这是定义为 1−属性分类准确度（acc）1−属性分类准确度（acc）。

• NDS（nuScenes detection score）: 是这些指标的加权结果，这样做旨在简化评估过程，同时仍然能全面地评估模型在多个方面的性能。计算公式如下：
  

  • 可以看到mAP占的权重是最高的。后面是对其他评价指标进行加权。

• PKL(Planning KL-Divergence):PKL度量了预测对象与实际对象之间的差异性, ，以及这种差异性如何影响自车的路径规划。这是一种有用的度量方式，因为它直接关联到自动驾驶系统如何根据检测结果做出决策。

1.7 nuscenes官网中下载哪个数据集

• nuscenes官网需要注册后才能下载数据集。
• 推荐下载Full dataset数据中Mini这个数据集，这是官方为我们提供的一个mini 版的数据集，总共3.88G。
• 最全的数据集为：Trainval + test, 它的数据比较大。
  

1.8 数据集官方教程

• 不需要自己电脑GPU，基本都能跑起来
  https://colab.research.google.com/github/nutonomy/nuscenes-devkit/blob/master/python-sdk/tutorials/nuscenes_tutorial.ipynb

1.9 了解V1.0-mini数据

1.9.1 json文件的作用

可以看到V1.0-mini数据集中，包含了很多json文件，这些数据有什么作用呢

• “log”: 数据集采集的日志数量，记录数据采集过程中的相关信息。
• “scene”: 场景数量，表示数据集中的不同场景或驾驶情景。
• “sample”: 场景在特定时间戳下的一个带标注的快照。
• “sample_data”: 从特定传感器收集的数据。
• “category”: 数据集中的物体类别，例如车辆、行人、自行车等。human.pedestrian.police_officer、vehicle.motorcycle
• “attribute”: 物体属性数量，如颜色、行为等。vehicle.stopped、cycle.without_rider
• “visibility”: 物体可见性的数量，用于标识物体在图像中的可见程度。[1, 2, 3, 4]分别代表0-40-60-80-100
  
• “instance”: 物体实例数量，表示数据集中不同的物体实例。
• “sensor”: 传感器数量，表示用于数据采集的不同传感器设备。6 cam、1 lidar、5 radar
• "calibrated_sensor": 经过标定的传感器数量，表示传感器的内外参数已经计算得到。
• "ego_pose": 特定timestamp自车位姿数量，表示车辆自身的位姿信息。rotation、translation表明。
• "sample_annotation": 包含样本注释数量，表示对样本数据进行的标注，如物体边界框3D Bounding Box、属性等。(关键帧标注)
• “map”: 以二进制语义掩码形式存储的自顶向下视图的地图数据

1.9.2 官方网页可交互

https://www.nuscenes.org/nuscenes?sceneId=scene-0011&frame=0&view=regular

• 官方在Explore模块，提供了一个可交互的工具，可以实时查看标注信息，更加直观。打开该网站，可以看到每个场景有40帧，因为20s的每个场景，每隔0.5s会标注一帧关键帧，因此一个场景可以查看40帧标注效果。
• 可以在view的下拉菜单中选择nuScenes以及Scenes的下拉菜单中选择不同的场景进行查看。

1.10.1 总结

• 数据集使用Nuscenes数据集V1.0-mini
  • V1.0-mini数据有10个scenes。8个用于训练，2个用于测试。
  • V1.0-mini有404个sample，81个用于测试。
• camera原始数据大小：1600*900
• sample与sweeps
• 23个类别，Bevfusion中只用了10个类别。

2. 点云的可视化

2.1 环境安装

(1) 首先，学习需要使用到nuScenes数据集。python工具需要使用到nuscenes-devkit、pyquaternion

• nuscenes-devkit 包安装

pip install nuscenes-devkit -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
1

• pyquaternion 包安装

pip install pyquaternion
1

• 包的引用

from nuscenes.nuscenes import NuScenes
from pyquaternion import Quaternion
1
2

(2) 安装vscode点云可视化插件

搜索point cloud找到插件vscode-pc-viewer, 点击安装即可。

安装好插件后，就可以用工具帮我们可视化点云。

注意：nuScenes中点云数据的格式为pcd.bin, 需要转换为kitti数据格式的binary file, 否则可视化的点云效果是不对的， 参考： https://github.com/PRBonn/lidar-bonnetal/issues/78

• 首先将数据保存为numapy.array的给
• 然后利用：arr.astype('float32').tofile('filename.bin')保存为binary 文件

2.2 nuScenes数据集文件结构

(makefile) BEVFusion> tree BEVfusion/bevfusion/configs/nuscenes/ -L 1
|-- maps
|-- samples  
|-- sweeps
`-- v1.0-mini

6 directories, 1 file
1
2
3
4
5
6
7

|-- maps
|   |-- 36092f0b03a857c6a3403e25b4b7aab3.png
|   |-- 37819e65e09e5547b8a3ceaefba56bb2.png
|   |-- 53992ee3023e5494b90c316c183be829.png
|   `-- 93406b464a165eaba6d9de76ca09f5da.png
|-- samples
|   |-- CAM_BACK
|   |-- CAM_BACK_LEFT
|   |-- CAM_BACK_RIGHT
|   |-- CAM_FRONT
|   |-- CAM_FRONT_LEFT
|   |-- CAM_FRONT_RIGHT
|   |-- LIDAR_TOP
|   |-- RADAR_BACK_LEFT
|   |-- RADAR_BACK_RIGHT
|   |-- RADAR_FRONT
|   |-- RADAR_FRONT_LEFT
|   `-- RADAR_FRONT_RIGHT
|-- sweeps
|   |-- CAM_BACK
|   |-- CAM_BACK_LEFT
|   |-- CAM_BACK_RIGHT
|   |-- CAM_FRONT
|   |-- CAM_FRONT_LEFT
|   |-- CAM_FRONT_RIGHT
|   |-- LIDAR_TOP                # 里面文件格式pcd.bin
|   |-- RADAR_BACK_LEFT
|   |-- RADAR_BACK_RIGHT
|   |-- RADAR_FRONT
|   |-- RADAR_FRONT_LEFT
|   `-- RADAR_FRONT_RIGHT
`-- v1.0-mini                    # 这里存了很多矩阵
    |-- attribute.json
    |-- calibrated_sensor.json
    |-- category.json
    |-- ego_pose.json
    |-- instance.json
    |-- log.json
    |-- map.json
    |-- sample.json
    |-- sample_annotation.json
    |-- sample_data.json
    |-- scene.json
    |-- sensor.json
    `-- visibility.json
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

2.3 可视化点云

2.3.1 代码实现可视化

import numpy as np
import cv2
import matplotlib.pyplot as plt
from tqdm import tqdm

# 0. 首先，数据来源是v1.0-mini数据集内的 sweeps/LIDAR_TOP
file = "D:/Dataset/public/v1.0-mini/sweeps/LIDAR_TOP/n008-2018-08-01-15-16-36-0400__LIDAR_TOP__1533151603898164.pcd.bin"
pc = np.frombuffer(open(file, "rb").read(), dtype=np.float32)
# print(pc.shape) # (173760,)

# 1. 了解数据结构，数据由5个部分组成
    # Data is stored as (x, y, z, intensity, ring index).
    # x y z 就是基于激光雷达的3d坐标系
    # intensity 反射强度，指的是，激光接收器接收的 1激光的反射次数
    # ring index  第几条线，激光有32线， 他就是1-32的数字。 课程中不用
    # 所以改变下形状输出
    
print(pc.reshape(-1, 5)[0])     # [-2.942755   -0.59551746 -1.7575045  20.          0.        ]
print(pc.reshape(-1, 5)[10])    # [-4.5377426 -0.5805964 -1.4302253 36.        10.       ]

pc = pc.reshape(-1, 5)[:, :4] # ring index 不用体现在代码中就是
pc.tofile("kitti.format.pcd.bin"
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21