Waymo自动驾驶数据集介绍与使用教程

本文将对Waymo自动驾驶数据集（Waymo Open Dataset）进行介绍。

论文链接为：/abs/1912.04838v7

项目链接为：/waymo-research/waymo-open-dataset

数据集链接为：/open

1. 自动驾驶感知可扩展性：Waymo开放数据集

这里首先对论文进行解读。

1.1 Abstract

整个数据集包含1150个场景，每个场景时长为20秒，且LiDAR和Camera是经过同步和标定处理过的。 对图像和激光雷达的bounding box进行了仔细的标注，并在各帧之间使用了一致的标识符。

1.2 Introduction

整个数据集包含约1200万个LiDAR注释框和约1200万个图像注释框，从而产生了约113k个LiDAR物体轨迹和约25万个图像轨迹。整个数据集划分为1000个训练集和150个测试集。

1.3 Waymo Open Dataset

数据收集使用五个LiDAR和五个高分辨率针孔相机完成。 限制了LiDAR数据范围，并且每个激光脉冲有两个回波（双回波）。相机图像是通过卷帘快门扫描捕获的，其中确切的扫描模式可能因场景而异。 所有相机图像都将进行降采样并从原始图像中裁剪出来。

下图和表格是传感器安装布置图和规格介绍。

2）Coordinate Systems

整个数据集坐标系统遵守右手法则。全局坐标系为ENU坐标：Up(z)轴与重力方向一直，向上为正；East(x)沿着纬度指向正东，North(y)指向北极。车辆坐标系随汽车移动，x轴指向前方，y轴指向左侧，z轴向上为正。传感器坐标可以通过旋转矩阵从车辆坐标获得，可以把这看作是外参矩阵。

图像坐标是二维坐标，x轴表示图像宽度，y轴表示图像高度，图像左上角为坐标原点。激光雷达得到的点的坐标可以表示为(x,y,z)(x,y,z)(x,y,z)，转换成距离，方位角，倾角公式为：

range=x2+y2+z2azimuth=atan⁡2(y,x)inclination=atan⁡2(z,x2+y2)\begin{aligned}\text { range } &=\sqrt{x^{2}+y^{2}+z^{2}} \\\text { azimuth } &=\operatorname{atan} 2(y, x) \\\text { inclination } &=\operatorname{atan} 2\left(z, \sqrt{x^{2}+y^{2}}\right) \end{aligned}rangeazimuthinclination​=x2+y2+z2​=atan2(y,x)=atan2(z,x2+y2​)​

3）Ground Truth Labels

数据集中对汽车、行人、交通标志、自行车人员进行了详细标注。对于激光雷达数据，将每一个物体标注为7自由度3D bbox：(cx,cy,cz,l,w,h,θ)(cx,cy,cz,l,w,h,\theta)(cx,cy,cz,l,w,h,θ)。其中cx,cy,czcx,cy,czcx,cy,cz表示为bbox中心坐标，l,w,hl,w,hl,w,h表示为物体长宽高，θ\thetaθ表示为物体偏航角，此外对于每一个物体还标注了一个唯一的追踪ID编号。

图像标注中将每一个物体标注为4自由度2D bbox：(cx,cy,l,w)(cx,cy,l,w)(cx,cy,l,w)。其中cx,cycx,cycx,cy表示为bbox中心图像坐标，lll表示为物体长度，www表示为物体宽度。

此外，还将标注物体划分为了两个难度：LEVEL_2为物体对应激光雷达点数少于5个，其余则划分为LEVEL_1。

4）Sensor Data

LiDAR 数据在数据集中被编码为距离图像，每个 LiDAR 返回一张； 提供前两次回波的数据。 距离图像格式类似于卷帘快门相机图像，从左到右逐列填充。 每个距离图像像素对应一个 LiDAR 返回波。 高度和宽度由 LiDAR 传感器框架中倾角和方位角的分辨率决定。

此外，对于图像和激光雷达， 投影如下：

5）Dataset Analysis

下面两张表格给出了数据集分布情况，不同城市，不同天气，不同类别目标的统计情况。

1.4 Tasks

数据集任务划分为2D和3D物体检测和追踪任务，训练集场景有798个，验证集场景有202个，测试集场景有150个。

1.5 Experiments

对于3D物体检测，Waymo提供了一个Baseline，其使用的检测方法是PointPillars。对于2D物体检测，使用了Faster R-CNN作为baseline，对于3D物体追踪，使用了AB3DMOT作为Baseline。

下面几张表格给出了Baseline结果：行人和汽车检测和追踪结果，域适应检测结果，数据集大小对检测结果的影响。

2. Waymo Open Dataset Tutorial

下面介绍Waymo官放提供的数据使用教程，以下程序是在Colab上运行的。

2.1 Install waymo_open_dataset package

首先是安装数据包：

!rm -rf waymo-od > /dev/null!git clone /waymo-research/waymo-open-dataset.git waymo-od!cd waymo-od && git branch -a!cd waymo-od && git checkout remotes/origin/master!pip3 install --upgrade pip!pip3 install waymo-open-dataset-tf-2-1-0==1.2.0

然后是导入需要用到的库：

import osimport pat.v1 as tfimport mathimport numpy as npimport itertoolstf.enable_eager_execution()from waymo_open_dataset.utils import range_image_utilsfrom waymo_open_dataset.utils import transform_utilsfrom waymo_open_dataset.utils import frame_utilsfrom waymo_open_dataset import dataset_pb2 as open_dataset

2.2 Read one frame

数据集中的每一个文件包含帧序列数据，按照时间戳排列，这里提取了两帧来演示：

FILENAME = '/content/waymo-od/tutorial/frames'dataset = tf.data.TFRecordDataset(FILENAME, compression_type='')for data in dataset:frame = open_dataset.Frame()frame.ParseFromString(bytearray(data.numpy()))break(range_images, camera_projections, range_image_top_pose) = frame_utils.parse_range_image_and_camera_projection(frame)

可以查看每一帧包含的信息：

print(frame.context)

2.3 Visualize Camera Images and Camera Labels

图片数据及其标签可视化：

import matplotlib.pyplot as pltimport matplotlib.patches as patchesdef show_camera_image(camera_image, camera_labels, layout, cmap=None):"""Show a camera image and the given camera labels."""ax = plt.subplot(*layout)# Draw the camera labels.for camera_labels in frame.camera_labels:# Ignore camera labels that do not correspond to this camera.if camera_labels.name != camera_image.name:continue# Iterate over the individual labels.for label in camera_labels.labels:# Draw the object bounding box.ax.add_patch(patches.Rectangle(xy=(label.box.center_x - 0.5 * label.box.length,label.box.center_y - 0.5 * label.box.width),width=label.box.length,height=label.box.width,linewidth=1,edgecolor='red',facecolor='none'))# Show the camera image.plt.imshow(tf.image.decode_jpeg(camera_image.image), cmap=cmap)plt.title(open_dataset.CameraName.Name.Name(camera_image.name))plt.grid(False)plt.axis('off')plt.figure(figsize=(25, 20))for index, image in enumerate(frame.images):show_camera_image(image, frame.camera_labels, [3, 3, index+1])

2.4 Visualize Range Images

Range图片可视化：

plt.figure(figsize=(64, 20))def plot_range_image_helper(data, name, layout, vmin = 0, vmax=1, cmap='gray'):"""Plots range image.Args:data: range image dataname: the image titlelayout: plt layoutvmin: minimum value of the passed datavmax: maximum value of the passed datacmap: color map"""plt.subplot(*layout)plt.imshow(data, cmap=cmap, vmin=vmin, vmax=vmax)plt.title(name)plt.grid(False)plt.axis('off')def get_range_image(laser_name, return_index):"""Returns range image given a laser name and its return index."""return range_images[laser_name][return_index]def show_range_image(range_image, layout_index_start = 1):"""Shows range image.Args:range_image: the range image data from a given lidar of type MatrixFloat.layout_index_start: layout offset"""range_image_tensor = tf.convert_to_tensor(range_image.data)range_image_tensor = tf.reshape(range_image_tensor, range_image.shape.dims)lidar_image_mask = tf.greater_equal(range_image_tensor, 0)range_image_tensor = tf.where(lidar_image_mask, range_image_tensor,tf.ones_like(range_image_tensor) * 1e10)range_image_range = range_image_tensor[...,0] range_image_intensity = range_image_tensor[...,1]range_image_elongation = range_image_tensor[...,2]plot_range_image_helper(range_image_range.numpy(), 'range',[8, 1, layout_index_start], vmax=75, cmap='gray')plot_range_image_helper(range_image_intensity.numpy(), 'intensity',[8, 1, layout_index_start + 1], vmax=1.5, cmap='gray')plot_range_image_helper(range_image_elongation.numpy(), 'elongation',[8, 1, layout_index_start + 2], vmax=1.5, cmap='gray')frame.lasers.sort(key=lambda laser: laser.name)show_range_image(get_range_image(open_dataset.LaserName.TOP, 0), 1)show_range_image(get_range_image(open_dataset.LaserName.TOP, 1), 4)

2.5 Point Cloud Conversion and Visualization

点云转换和可视化：

points, cp_points = frame_utils.convert_range_image_to_point_cloud(frame, range_images, camera_projections, range_image_top_pose)points_ri2, cp_points_ri2 = frame_utils.convert_range_image_to_point_cloud(frame, range_images, camera_projections, range_image_top_pose, ri_index=1)# 3d points in vehicle frame.points_all = np.concatenate(points, axis=0)points_all_ri2 = np.concatenate(points_ri2, axis=0)# camera projection corresponding to each point.cp_points_all = np.concatenate(cp_points, axis=0)cp_points_all_ri2 = np.concatenate(cp_points_ri2, axis=0)'''print(points_all.shape)print(cp_points_all.shape)print(points_all[0:2])for i in range(5):print(points[i].shape)print(cp_points[i].shape)print(points_all_ri2.shape)print(cp_points_all_ri2.shape)print(points_all_ri2[0:2])for i in range(5):print(points_ri2[i].shape)print(cp_points_ri2[i].shape)'''from IPython.display import Image, displaydisplay(Image('/content/waymo-od/tutorial/3d_point_cloud.png'))

2.6 Visualize Camera Projection

点云数据投影：

images = sorted(frame.images, key=lambda i:i.name)cp_points_all_concat = np.concatenate([cp_points_all, points_all], axis=-1)cp_points_all_concat_tensor = tf.constant(cp_points_all_concat)# The distance between lidar points and vehicle frame origin.points_all_tensor = tf.norm(points_all, axis=-1, keepdims=True)cp_points_all_tensor = tf.constant(cp_points_all, dtype=tf.int32)mask = tf.equal(cp_points_all_tensor[..., 0], images[0].name)cp_points_all_tensor = tf.cast(tf.gather_nd(cp_points_all_tensor, tf.where(mask)), dtype=tf.float32)points_all_tensor = tf.gather_nd(points_all_tensor, tf.where(mask))projected_points_all_from_raw_data = tf.concat([cp_points_all_tensor[..., 1:3], points_all_tensor], axis=-1).numpy()def rgba(r):"""Generates a color based on range.Args:r: the range value of a given point.Returns:The color for a given range"""c = plt.get_cmap('jet')((r % 20.0) / 20.0)c = list(c)c[-1] = 0.5 # alphareturn cdef plot_image(camera_image):"""Plot a cmaera image."""plt.figure(figsize=(20, 12))plt.imshow(tf.image.decode_jpeg(camera_image.image))plt.grid("off")def plot_points_on_image(projected_points, camera_image, rgba_func,point_size=5.0):"""Plots points on a camera image.Args:projected_points: [N, 3] numpy array. The inner dims are[camera_x, camera_y, range].camera_image: jpeg encoded camera image.rgba_func: a function that generates a color from a range value.point_size: the point size."""plot_image(camera_image)xs = []ys = []colors = []for point in projected_points:xs.append(point[0]) # width, colys.append(point[1]) # height, rowcolors.append(rgba_func(point[2]))plt.scatter(xs, ys, c=colors, s=point_size, edgecolors="none")plot_points_on_image(projected_points_all_from_raw_data,images[0], rgba, point_size=5.0)