确保 ./nuScenes_2d_tools/2D_label_parser/target_labels/ 路径下包含六个相机文件夹,且文件夹内为空
cd ./nuScenes_2d_tools/2D_label_parser
python label_parser.py -dt nuscenes
运行可能会出错,但不用管
得到 ./nuScenes_2d_tools/2D_label_parser/target_labels/CAM_FRONT/ 下名字带时间戳的txt文件
详情可参考 https://blog.csdn.net/qq_34972053/article/details/111315493
将./nuScenes_2d_tools/2D_label_parser/target_labels/CAM_FRONT/文件夹复制到 ./raw/2d_label/labels/CAM_FRONT/ 下
并将原数据集中的图片都拷到 ./nuScenes/raw/2d_label/imgs/CAM_FRONT 下
python rename.py
重命名后的所有文件保存在 ./new/2d_label/labels/CAM_FRONT/ 路径下
文件中每一行为: class xmin ymin xmax ymax
其中class包含 car pedestrian bicycle moveable_object 四类
cd raw/3d_detection/VoxelNet
python json2txt.py
python rename.py
文件保存在 ./new/3d_detection/VoxelNet/train/ 路径下
每一行为 class x y z w l h yaw score
最后一行为对应的 3D token
python change_clss.py
文件保存在 ./new/3d_detection/VoxelNet/new/ 路径下
每一行为 class x y z w l h yaw score
其中class包含 car pedestrian bicycle moveable_object 四类
最后一行为对应的 3D token
python select_from_json.py
生成mini-VoxelNet.json文件
而后
cd nuScenes_2d_tools/nuscenes-devkit/python-sdk/nuscenes/eval/detection/
python evaluate.py --version v1.0-mini --result_path /home/thinking/detection_ws/dataset/nuScenes/mini-VoxelNet.json