数据准备

2.1 数据下载

训练集、测试集和脚本代码中分别有readme说明。

序号	名称	相关链接	说明
1	训练集	训练集下载链接	ApolloScape的训练数据集
2	测试集	测试集下载链接	ApolloScape的测试数据集（分数榜单使用的数据集）
3	脚本代码	脚本代码下载链接	将ApolloScape数据集转换为KITTI数据集的脚本将ApolloScape数据转换为record的脚本

2.2 adataset环境配置

adataset用于将apolloscape数据转化为apollo record格式，方便做端到端感知调试。

aem enter  # 在application-perception目录下进入到容器内。如果已经在容器内，则不需要执行。

安装adataset

# 更新pip源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
# 升级pip
python -m pip install --upgrade setuptools
# 安装adataset
pip install adataset

2.3 数据转化

在脚本代码中有apolloscape_to_records.py和apolloscape_to_kitti.py。

使用apolloscape_to_records.py将apolloscape转化成apollo records数据。

 # -d表示apolloscape数据集。用a就好；
 # -i表示数据数据集。这里目录就用训练集和测试集的目录；
 # -o输出目录。注意：目录要提前创建好；
 # -t类型。用rcd就好。
 python scripts/apolloscape_to_records.py -d=a -i=train/ -o=train_records/ -t=rcd

使用apolloscape_to_kitti.py将apolloscape数据转化kitti格式，用于训练centerpoint模型。

注意：此步骤可在本地环境操作，不需要在容器中。本地需要具备pypcd库、numpy库和python2环境。

# --pcd_path: 点云数据路径，这里用的是pcl_pcd；
# --label_path: 标注结果。这里用的是detection_label；
# --output_path: 存放生成的数据，包括点云和标注两部分。
python2 scripts/apolloscape_to_kitti.py --pcd_path=train/pcl_pcd/ --label_path=train/detection_label/ --output_path=./kitti

Python2环境安装

https://docs.conda.io/projects/miniconda/en/latest/miniconda-install.html，安装miniconda；
创建python2环境：conda create -n python2 python=2.7；
切换到python2环境：conda activate python2；
安装pypcd和numpy：
- conda install numpy
- pip install pypcd
然后就可以使用上述命令将apolloscape数据集转化成kitti格式。

ApolloScape数据集的下载和处理

数据准备

2.1 数据下载

2.2 adataset环境配置

2.3 数据转化