nuscene转coco数据集

需要CenterFusion项目源码中convert_nuscenes.py文件将所有的nuscene数据集（就是包括1.0travel、test和mini的）完成转换成coco格式的json文件，因为只有这个转换后的json文件中记录的数据能够完成训练和检测，自己电脑转换不过来老是死机，希望有做过的分享一下。需要的是文件哦~是这种样子的，如下：

img


如果有的话可以私信给我文件或者是文件的下载链接，云盘链接什么的都行，感谢！

你只是电脑本身受限，实际方法和思路自己都有是不？
所以，你是需要别人将你的NUSCENES数据集转COCO格式文件，在通过其他方式转发给你？

参考GPT和自己的思路，在使用 CenterFusion 中的 convert_nuscenes.py 脚本将 NuScenes 数据集转换成 COCO 格式的 JSON 文件之前，你需要先按照 NuScenes 官方文档中的指导下载并准备好 NuScenes 数据集。

步骤：

下载并准备 NuScenes 数据集
按照 NuScenes 官方文档中的指导，下载并解压缩 NuScenes 数据集。确保数据集目录结构与文档中描述的一致。

下载 CenterFusion 代码
从 CenterFusion 的 GitHub 仓库中下载源代码并解压缩。你可以通过以下命令来完成：

git clone https://github.com/tianweiy/CenterFusion.git

安装依赖项
CenterFusion 依赖于 Python3 和一些 Python 包。你可以通过以下命令来安装这些依赖项：

pip install -r requirements.txt

转换 NuScenes 数据集为 COCO 格式
运行 convert_nuscenes.py 脚本可以将 NuScenes 数据集转换成 COCO 格式的 JSON 文件。该脚本提供了以下命令行参数：

python convert_nuscenes.py --data_root=<NUCENSES_DATA_ROOT> --version=<NUCENSES_VERSION> --out_dir=<OUTPUT_DIR>

其中：

NUCENSES_DATA_ROOT 是 NuScenes 数据集的根目录，例如 ~/nuscenes
NUCENSES_VERSION 是 NuScenes 数据集的版本，例如 v1.0-trainval
OUTPUT_DIR 是输出 COCO 格式 JSON 文件的目录，例如 ~/nuscenes_coco
你可以使用以下命令来运行脚本：

python convert_nuscenes.py --data_root=<NUCENSES_DATA_ROOT> --version=<NUCENSES_VERSION> --out_dir=<OUTPUT_DIR>

脚本运行后，将会在指定的输出目录下生成一个名为 annotations 的子目录，并在该目录下生成 COCO 格式的 JSON 文件。

注意：该脚本默认只转换 NuScenes 数据集中的车辆、行人和自行车三类物体，如果你想转换其他物体类别，需要修改 object_classes 参数的值。

参考链接：https://github.com/tianweiy/CenterFusion/blob/master/data/convert_nuscenes.py

在这里只能提供转化的方法，如果要转化好的成品，数据集很大，不好搞。

你好，我参考了ChatGPT作如下解答，希望能帮你解决这个问题。如果你已经有了 NuScenes 数据集，并且需要将其转换为 COCO 格式，你可以使用 CenterFusion 项目中的 convert_nuscenes.py 脚本来完成此操作。

以下是使用 convert_nuscenes.py 脚本进行 NuScenes 数据集转换的步骤：

  1. 下载 CenterFusion 项目，并进入 tools 目录：
$ git clone https://github.com/tianweiy/CenterFusion.git
$ cd CenterFusion/tools
  1. 安装所需的 Python 库：
$ pip install numpy scipy pyquaternion fire

  1. 下载 NuScenes 数据集并解压缩到某个文件夹，例如 /path/to/nuscenes/。

  2. 运行 convert_nuscenes.py 脚本：

$ python convert_nuscenes.py \
    --root_path=/path/to/nuscenes/ \
    --version="v1.0-trainval" \
    --output_path=/path/to/output/ \
    --max_sweeps=10 \
    --nsweeps_lidar=1 \
    --nsweeps_radar=1 \
    --class_name_mapping_path=./nuscenes_to_coco_class_name_mapping.json

其中：

  • --root_path：指定 NuScenes 数据集的根目录。
  • --version：指定要转换的 NuScenes 数据集版本。可选值包括 "v1.0-trainval" 和 "v1.0-test"。
  • --output_path：指定输出 COCO 格式的 JSON 文件的路径。
  • --max_sweeps：指定用于每个样本的最大扫描数。
  • --nsweeps_lidar：指定用于每个样本的激光雷达扫描数。
  • --nsweeps_radar：指定用于每个样本的雷达扫描数。
  • --class_name_mapping_path：指定 NuScenes 和 COCO 类名之间的映射文件的路径。

该脚本将 NuScenes 数据集转换为 COCO 格式，并将生成的 JSON 文件保存在指定的输出路径中。

注意：在运行脚本之前，请确保您已经下载了 NuScenes 数据集并且已经安装了所需的 Python 库。

img

nuscenes数据集转COCO格式
如果是3D标注框转2D：

使用官方工具nuscenes-devkthttps://github.com/nutonomy/nuscenes-devkit
克隆下来
cd ~
git clone https://github.com/nutonomy/nuscenes-devkit
找到export_2d_annotations_as_json.py路径在/nuscenes-devkit/python-sdk/nuscenes/scripts/export_2d_annotations_as_json.py
该文件有以下5种选项，分别是--dataroot/--version/--filename/--visibilities/--image_limit
--dataroot是我们下载的MetaData的路径
--version是我们需要转化的json文件的存放文件夹名
--filename是我们对生成的2D框的json文件的保存名称
    parser.add_argument('--dataroot', type=str, default='/data/sets/nuscenes', help="Path where nuScenes is saved.")
    parser.add_argument('--version', type=str, default='v1.0-trainval', help='Dataset version.')
    parser.add_argument('--filename', type=str, default='image_annotations.json', help='Output filename.')
    parser.add_argument('--visibilities', type=str, default=['', '1', '2', '3', '4'],
                        help='Visibility bins, the higher the number the higher the visibility.', nargs='+')
    parser.add_argument('--image_limit', type=int, default=-1, help='Number of images to process or -1 to process all.')
运行该python文件即可获得2D-box型的json文件，例如，我下载了Mini的数据包，我的MetaData路径是~/nuscenes，该文件下有以下四个文件夹
在/nuscenes-devkit/python-sdk/nuscenes/scripts/路径下打开终端，我的命令如下，大家自行修改自己的路径及文件夹名称
python3 export_2d_annotations_as_json.py --dataroot ~/nuscenes --version v1.0-mini --filename 2D-box.json