ZODデータのアップロード

2 分

このチュートリアルでは、Zenseact Open Dataset（ZOD）を使用してさまざまなシーンタイプをアップロードする手順を説明します。このページの目的は、録画をKognicシーンに変換するために必要な手順をいくつか示すことです。

1.このガイドに沿って進めるには、Zenseact Open Datasetからデータをダウンロードする必要があります。データは以下のように構成されている必要があります:

zod
├── sequences
│   ├── 000000
│   ├── 000002
│   ├── ...
└── trainval-sequences-mini.json

2.また、データを読み込むためのいくつかの抽象化を提供するZOD PythonパッケージをPyPIからインストールする必要があります:

pip install zod

3. Kognicアカウントと、KognicのPythonクライアントがインストールされている必要があります。まだ完了していない場合は、クイックスタートガイドをお読みください。

このガイドでは、このページのすべてのスニペットの完全なソースファイルを含むKognic IO ZOD examples repositoryのサンプルコードを使用して、ZODデータを使用したシーンのアップロードプロセスを説明します。データが利用可能でKognic認証が設定されている場合、サンプルは実行可能です。

Cameras Sequence

Lidars and Cameras Sequence

Aggregated Lidars and Cameras Sequence

Our example code initialises a Kognic IO Client at the top level, then creates the scene from ZOD data for (potentially) multiple scenes at once using a function.

if __name__ == "__main__":
    client = KognicIOClient()

    upload_cameras_sequence_scenes(
        zod_path=Path("/path/to/zod"),  # change me
        zod_version="mini",
        client=client,
        max_nr_scenes=1,
        max_nr_frames=10,
        dryrun=False,
    )

この例は、LiDARとカメラのシーケンス例と同じ構造に従っています。

集約シーンは、LiDARデータがフレーム全体にわたって単一のポイントクラウドに集約される、LiDAR＋カメラシーケンスシーンの特殊なケースです。これにより、すべてのフレームにわたってシーン全体を表す密な静的ポイントクラウドが得られます。

集約シーンは、すべてのフレームにポイントクラウドを提供してKognicプラットフォームに集約を処理させることで作成できます。または、最初のフレームにポイントクラウドを指定し、その後のフレームには何も指定しないことで、事前集約してアップロードすることもできます。

ZODデータの場合、フレームごとのポイントクラウドのみが利用可能なため、サンプルではすべてのフレームにポイントクラウドをアップロードし、集約をプラットフォームに委ねます。そのため、以下の点を除いて、LiDAR＋カメラシーケンスの例と非常に似ています

1.シーンタイプが異なります：LidarsAndCamerasSequenceの代わりにAggregatedLidarsAndCamerasSequenceを使用します。

def convert_scene(zod_sequence: ZodSequence, external_id: str, max_nr_frames: int) -> AggregatedLidarsAndCamerasSequence:
    frames = convert_frames(zod_sequence, max_nr_frames)
    return AggregatedLidarsAndCamerasSequence(external_id=external_id, frames=frames, calibration_id="<to be set later>")

2. フレームは集約シーン固有のタイプです。

frames.append(
    ALCSFrame(
        relative_timestamp=ns_to_ms(frame_ts_ns) - start_ts_ms,
        frame_id=str(frame_ts_ns),
        images=[convert_zod_camera_frame_to_image(camera_frame)],
        point_clouds=[point_cloud],
        ego_vehicle_pose=convert_to_ego_vehicle_pose(ego_pose),
        unix_timestamp=frame_ts_ns,
    )
)

3. ego poseデータが必須です。

それ以外の点では、2つのアプローチは非常に似ています。Lidars and Cameras Sequenceタブを参照してください。

ZODデータのアップロード

前提条件と依存関係