1.數(shù)據(jù)集數(shù)據(jù)分析

Argoverse 1https://www.argoverse.org/av1.html#forecasting-link下載對應的“Argoverse HD Maps”以及“Argoverse Motion Forecasting v1.1”

1.1數(shù)據(jù)集分析

????????通過下載Sample Datasets v1.1>Motion Forecasting文件包對數(shù)據(jù)集進行分析。這里給出了5個場景的數(shù)據(jù)csv文件，每個csv文件代表一個場景，讀取任一文件，主要包括“時間戳TIMESTAMP、跟蹤id TRACK_ID、目標類別OBJECT_TYPE、坐標x,y、采集的城市CITY_NAME"

1.1.1 時間戳 TIMESTAMP

????????采集頻率是10Hz，因此時間步是0.1s，總長是5s，意味著每個場景每個目標最多有50個樣本點；其中AV、AGENT樣本數(shù)固定為50個，OTHERS最多為50個(OTHTER在場景中有出現(xiàn)和消失地現(xiàn)象)。

1.1.2 跟蹤id TRACK_ID

????????作為識別和匹配的依據(jù)。

1.1.3 目標類別OBJECT_TYPE

????????主要包括： 自動駕駛自車AV、顯示感興趣的車輛AGENT、其他感興趣的對象OTHERS.

1.1.4 坐標x,y

????????示例中給出了三種類別的坐標精確到小數(shù)點后7位。是連續(xù)軌跡的離散化。

Argovers數(shù)據(jù)集目標檢測部分給出的類別挺多的，但是在軌跡預測上并沒有給出類別標簽，這是限制了預測模型性能的重要原因之一，因為同種場景下，同種類別不同類型智能體對其他智能體的交互影響是顯式地不一樣的。

1.1.5采集的城市CITY_NAME

????????匹配高精地圖。

2.HD Map API 的使用

GitHub - argoverse/argoverse-api: Official GitHub repository for Argoverse datasethttps://github.com/argoverse/argoverse-api

2.1 API 的安裝

2.1.1 Clone

????????在創(chuàng)建的項目環(huán)境下（是conda創(chuàng)建的項目環(huán)境），通過復制以下 repo 下載API：

git clone https://github.com/argoai/argoverse-api.git

2.2.2 Download HD map data

????????從Argoverse 1下載 hd_maps.tar.gz 并解壓縮到repo的根目錄中。目錄結(jié)構(gòu)應該如下所示：

argodataset
└── argoverse
? ? └── data_loading
? ? └── evaluation
? ? └── map_representation
? ? └── utils
? ? └── visualization
└── map_files
└── license
...

2.2.3 Download Argoverse-Forecasting

????????Argoverse 提供了完整的數(shù)據(jù)集和數(shù)據(jù)集的樣本版本，用于測試目的。Argorverse預測包含327790個有趣的場景序列。每個序列都跟隨主要智能體的軌跡5秒，同時跟蹤所有其他參與者（如汽車、行人）。我們將它們分為208272個訓練序列、40127個驗證序列和79391個測試序列。我們還在forecasting_sample.tar.gz中提供了樣本數(shù)據(jù)（5個序列）。

????????需要注意的是，需要下載高清地圖數(shù)據(jù)（并將其提取到項目根文件夾中），以便API正常運行。下載Argorvers Forecasting，數(shù)據(jù)可以提取到本地計算機中的任何位置。

2.2.4 Install argoverse package

????????argoverse可以作為python包安裝，使用

  pip install -e /path_to_root_directory_of_the_repo/

????????確?？梢栽趐ython中運行 python -c “import-argoverse”，就可以開始了！

2.2 使用

????????Argorverse API提供了與我們數(shù)據(jù)集的三個主要組件交互的有用功能：HD地圖、Argorvers跟蹤數(shù)據(jù)集和Argorverses預測數(shù)據(jù)集。

from argoverse.map_representation.map_api import ArgoverseMap
from argoverse.data_loading.argoverse_forecasting_loader import ArgoverseForecastingLoader
avm = ArgoverseMap()
argoverse_forecasting_loader = ArgoverseForecastingLoader('argoverse-forecasting/') #simply change to your local path of the data

????????此處提供API文檔。建議通過以下演示教程開始學習。

2.3 Demo

????????展示如何使用API 在Jupyter Notebook中提供了使用的Demo.

????????首先，下載安裝jupyter notebook : pip install jupyter. 在repo目錄下打開Jupyter notebook，也可以在根目錄中一層一層尋找（比較麻煩）。

????????運行后，只需導航到 demo_usage 文件夾并打開任何教程！要使用預測教程，需要從網(wǎng)站下載預測樣本數(shù)據(jù)，并將文件夾提取到repo的根目錄中。

2.3.1 Argovese地圖教程

?2.3.2?Argorverse預測教程

2.3.3?渲染鳥瞰圖

運行以下腳本以從地圖上的鳥瞰圖渲染長方體。

$ python visualize_30hz_benchmark_data_on_map.py --dataset_dir <path/to/logs> --log_id <id of the specific log> --experiment_prefix <prefix of the output directory>

?例如，日志的路徑可能是argoverse tracking/train4，日志id可能是2bc6a872-9979-3493-82eb-fb55407473c9。此腳本將使用如下圖像寫入當前工作目錄中的<experienceprefix>_per_log_viz/<log-id>：

它還將在 <experienceprefix>_per_log_viz/<log-id>_lidar_roi_nonground.mp4? 生成視頻可視化

3.預測baseline

GitHub - jagjeet-singh/argoverse-forecasting: Official Repository for Argoverse Motion Forecasting BaselinesOfficial Repository for Argoverse Motion Forecasting Baselines - GitHub - jagjeet-singh/argoverse-forecasting: Official Repository for Argoverse Motion Forecasting Baselineshttps://github.com/jagjeet-singh/argoverse-forecasting文章來源地址http://www.zghlxwxcb.cn/news/detail-808947.html

到了這里，關于【Argoverse 1 Motion Forecasting Dataset】軌跡預測數(shù)據(jù)集使用與評價指標的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！