Запишите системы координат сигнала для достоверных данных к диску
fileNames = writeFrames(gTruth,signalNames,location)fileNames содержит одно имя файла на сигнал, заданный signalNames на groundTruthMultisignal объект задан gTruth.
Используйте эти записанные системы координат и связанные метки основной истины, полученные из gatherLabelData функционируйте как обучающие данные для моделей глубокого обучения или машинного обучения.
fileNames = writeFrames(gTruth,signalNames,location,timestamps)gatherLabelData функция.
fileNames = writeFrames(___,Name,Value)
Соберите данные о метке для видеосигнала и сигнала последовательности облака точек лидара от groundTruthMultisignal объект. Запишите системы координат сигнала, сопоставленные с теми данными о метке к диску, и визуализируйте системы координат.
Добавьте путь к папке последовательности облака точек к пути поиска файлов MATLAB®. Видео уже находится на пути поиска файлов MATLAB.
pcSeqDir = fullfile(toolboxdir('driving'),'drivingdata', ... 'lidarSequence'); addpath(pcSeqDir);
Загрузите groundTruthMultisignal объект, который содержит данные о метке для видео и последовательности облака точек лидара.
data = load('MultisignalGTruth.mat');
gTruth = data.gTruth;
Задайте сигналы, из которых можно собрать данные о метке.
signalNames = ["video_01_city_c2s_fcw_10s" "lidarSequence"];
Видео содержит прямоугольные метки, тогда как последовательность облака точек лидара содержит метки кубоида. Соберите прямоугольные метки от видео и метки кубоида от последовательности облака точек лидара.
labelTypes = [labelType.Rectangle labelType.Cuboid]; [labelData,timestamps] = gatherLabelData(gTruth,signalNames,labelTypes);
Отобразите первые восемь строк данных о метке из двух сигналов. Оба сигнала содержат данные для Car метка. В видео, Car метка чертится как прямоугольная ограничительная рамка. В последовательности облака точек лидара, Car метка чертится как ограничительная рамка кубоида.
videoLabelSample = head(labelData{1})
lidarLabelSample = head(labelData{2})
videoLabelSample =
table
Car
____________
{1x4 double}
lidarLabelSample =
table
Car
____________
{1x9 double}
Запишите системы координат сигнала, сопоставленные с собранными данными о метке к временным местоположениям папки с одной папкой на сигнал. Используйте метки времени, возвращенные gatherLabelData функция, чтобы указать, который сигнал структурирует, чтобы записать.
outputFolder = fullfile(tempdir,["videoFrames" "lidarFrames"]); fileNames = writeFrames(gTruth,signalNames,outputFolder,timestamps);
Writing 2 frames from the following signals: * video_01_city_c2s_fcw_10s * lidarSequence
Загрузите записанные системы координат видеосигнала при помощи imageDatastore объект. Загрузите связанные прямоугольные данные о метке при помощи boxLabelDatastore Объект (Computer Vision Toolbox).
imds = imageDatastore(fileNames{1});
blds = boxLabelDatastore(labelData{1});
Загрузите записанные системы координат сигнала лидара при помощи fileDatastore объект. Загрузите связанные данные о метке кубоида при помощи boxLabelDatastore объект.
fds = fileDatastore(fileNames{2},'ReadFcn',@pcread);
clds = boxLabelDatastore(labelData{2});
Визуализируйте записанные видеокадры при помощи vision.VideoPlayer Объект (Computer Vision Toolbox). Визуализируйте записанные системы координат лидара при помощи pcplayer Объект (Computer Vision Toolbox).
videoPlayer = vision.VideoPlayer; ptCloud = preview(fds); ptCloudPlayer = pcplayer(ptCloud.XLimits,ptCloud.YLimits,ptCloud.ZLimits); while hasdata(imds) % Read video and lidar frames. I = read(imds); ptCloud = read(fds); % Visualize video and lidar frames. videoPlayer(I); view(ptCloudPlayer,ptCloud); end
Удалите путь к папке последовательности облака точек.
rmpath(pcSeqDir);
gatherLabelData | groundTruthMultisignal | imformats | imwrite | pcwrite (Computer Vision Toolbox)