工具包pyquaternion---->wxyzpyquaternion.Quaternionr=Quaternion([w,x,y,z]).rotation_matrixscipy.spatial.transform.Rotation.as_quat()---->xyzw当需要使用四元数，或将四元数传入其他轮子的函数时，需要注意相关约定（w在前还是在后） kitti数据集参考

外参kitti数据集的标定文件主要分为rawdata中的calib_cam_to_cam.txt,calib_velo_to_cam.txt,calib_imu_to_velo.txt文档和odometry中的calib文档。1.相机到激光雷达calib_velo_to_cam.txtcalib_time:15-Mar-201211:37:16R:7.533745e-03-9.999714e-01-6.166020e-04

数据集下载地址百度网盘请输入提取码提取码：tsdp数据集制作1.下载数据集，我下载的是2011_09_30_drive_0033_extract.zip中的视觉和激光数据和2011_09_30_drive_0033_sync.zip中的IMU数据。为什么需要下载两个数据集，因为*_extract.zip包含的IMU数据是100Hz,但是视觉的数据

1EVO的安装EVO是一个开源工具，项目地址：https://github.com/MichaelGrupp/evo.git使用以下指令安装：pipinstallevo--upgrade--no-binaryevo2使用kitti数据集评估kitti格式转rosbag下载kitti格式数据集kitti中的十个序列对应的rawdata关系如下：点击查看代码00:2011_

分割和跟踪每个像素（STEP）评估SegmentingandTrackingEveryPixel(STEP)Evaluationhttps://www.cvlibs.net/datasets/kitti/eval_step.php此基准是ICCV21研讨会的一部分：分割和跟踪每个点和像素。分段和跟踪每个像素（STEP）基准由21个训练序列和29个测试序列组成。它基于KITTI跟

 真值数据和rawdata的对应部分真值的轨迹和rawdata的轨迹相同，可以使用真值的数据进行轨迹评估。（kitti总共有编号为00~20的21个数据集序列，其中只有00~10序列公开了真值，序列11~20仅用来做为算法评估使用）： Nr.SequencenameStartEnd---------------------------

一、数据准备与处理这里使用的是kitti数据集中：2011_10_03_drive_0047_sync.zip、2011_10_03_calib.zip。直接在命令行解压上述两个压缩包：1unzip2011_10_03_calib.zip2unzip2011_10_03_drive_0047_sync.zip解压后效果如下：   三个txt文件分别是相关外参数，即：相机

自动驾驶数据集1.Kitti数据集数据集用于评测立体图像(stereo)，光流(opticalflow)，视觉测距(visualodometry)，3D物体检测(objectdetection)和3D跟踪(tracking)数据集构建过程：1.kitti数据集采集车硬件和采集方案 摄像机和激光雷达通过硬件同步实现时间同步 2.标定

Kitti-传感器配置KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，(编号如下)0 左边灰度相机 1右边灰度相机 2左边彩色相机 3右

代码链接：​​https://github.com/nianticlabs/monodepth2​​论文链接：​​​ICCV2019(arXivpdf)​​1.环境配置#创建一个新的环境condacreate-nmonodepth2python==3

代码目录讲解这里对个人对代码的理解进行讲解，个人由于设备不太行，没有去对模型进行复现，仅集合了网上内容对代码进行了解读，希望可以有帮助。目录结构asserts：这个主要是

KITTI数据集介绍monodepth2采用KITTI数据集进行训练，KITTI数据集主要是针对自动驾驶领域的图形处理技术，主要应用在评测立体图像（stereo）、光流（opticalflow）、3D物体检查等计