1. 处理数据

PyTorch 有两个用于处理数据的基元： torch.utils.data.DataLoader 和 torch.utils.data.Dataset。 Dataset 存储样本及其相应的标签，DataLoader 将 Dataset 包装成一个迭代器。

• 下面以 TorchVision 库模块里的 FashionMNIST 数据集为例：

  每个 TorchVision Dataset 都包含两个参数： transform 和 target_transform 分别修改样本和标签

# Download training data from open datasets.
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)

将 Dataset 作为参数传递给 DataLoader ，将一个可迭代对象包装在数据集上，支持自动批处理、采样、洗牌和多进程数据加载。

定义了一个 batch size 为 64，即 dataloader 迭代器中的每个元素将返回一个 64 features and labels 的 batch。

1. 内容

   nuScenes 包含 1000 个场景，大约 1.4M 的相机图像、390k LIDAR 扫描、1.4M 雷达扫描和 40k 关键帧中的 1.4M 对象边界框。

   nuScenes-lidarseg 包含 40000 个点云和 1000 个场景（850 个用于训练和验证的场景，以及 150 个用于测试的场景）中的 14 亿个注释点。

    

2. 数据采集

   1. 车辆设置

      

      1. 1 个旋转激光雷达 （Velodyne HDL32E）
      2. 5 个远程雷达传感器 （Continental ARS 408-21）
      3. 6 个相机 （Basler acA1600-60gc）
      4. 1个 IMU & GPS （高级导航空间版）

   2. Sensor(传感器)校准 - 内外参

      1. LIDAR extrinsics
      2. 相机 extrinsics
      3. RADAR extrinsics
      4. 相机 intrinsic 校准

   3. Sensor(传感器)同步

      实现跨模态数据对齐：当顶部 LIDAR 扫描相机 FOV 的中心时，会触发相机的曝光