정리하기에 앞서 본 내용은 sample_token = fd8420396768425eabec9bdddf7e64b6 를 기준으로 작성함. 이 때 sample_token은 한 frame이라 생각하면 될 듯. 전체 구조도 sample_token : 한 frame에 해당하는 token 값 scene_token : scene은 여러 개의 frame으로 구성되어 있음. 이에 대한 token 값 ego_pose_token : 해당 frame에서 자차의 odometry정보에 대한 token값 == sample_data의 token값 sample_annotation의 token : 특정 frame(동일 sample_token)에서의 특정 객체에 해당하는 token값. 즉, 동일한 sample_token에 대응하는 samp..
https://arxiv.org/abs/2111.09621 SimpleTrack: Understanding and Rethinking 3D Multi-object Tracking 3D multi-object tracking (MOT) has witnessed numerous novel benchmarks and approaches in recent years, especially those under the "tracking-by-detection" paradigm. Despite their progress and usefulness, an in-depth analysis of their strengths and weaknesse arxiv.org content 1. 3d mot 설명 2. 논문 pipe..
1. Detection format [bboxes] [types] [velos] bboxes[scene][frame] : scene의 모든 frame에서 detected된 객체의 bbox 정보. 하나의 bbox는 다음과 같은 정보로 되어있다. ex) [238.55057929441963, 913.5869261780623, 0.8555841283783657, 1.8513201475143433, 4.525969505310059, 1.6440339088439941, -0.04874833532498536, -0.014557442911135306, -0.004948530062713921, -0.9986927418926963, 0.882607102394104] 순서대로 [translation(3), size(3), ..
evaluate.py에서 gt값을 불러오는 부분은 다음과 같다. gt_boxes = load_gt(nusc, self.eval_set, TrackingBox, verbose=verbose) load_gt()함수를 자세히 살펴보자. # Read out all sample_tokens in DB. sample_tokens_all = [s['token'] for s in nusc.sample] sample token을 sample.json에서 읽어옴. for sample_token in sample_tokens_all: scene_token = nusc.get('sample', sample_token)['scene_token'] scene_record = nusc.get('scene', scene_token)..
