从KITTI到YOLO：轻松转换目标检测数据集标签格式的终极指南

前言

在计算机视觉领域，数据标注是模型训练中不可或缺的一部分。不同的深度学习框架和算法通常要求特定的标签格式。KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）数据集是一个广泛用于自动驾驶研究的数据集，其标签文件是以文本形式保存的，并包含有关目标位置、类别等信息。YOLO（You Only Look Once）系列的目标检测算法因其快速性和准确性而备受青睐，但其所需的标签格式与KITTI不同。因此，在使用YOLO训练KITTI数据集时，我们需要将标签从KITTI格式转换为YOLO格式。

一、KITTI 标签格式

KITTI数据集中的每个标签文件都以纯文本格式存储，每行对应一个物体，字段之间用空格分隔。每一行的格式如下：

<class> <truncated> <occluded> <alpha> <bbox_left> <bbox_top> <bbox_right> <bbox_bottom> <dim_height> <dim_width> <dim_length> <location_x> <location_y> <location_z> <rotation_y>

其中：

• <class>：物体类别（例如Car, Pedestrian等）
• <truncated>：被裁剪程度（0 = non-truncated, 1 = truncated），指目标是否被图像边缘截断
• <occluded>：遮挡级别（0 = fully visible, 1 = partly occluded, 2 = largely occluded, 3 = unknown）
• <alpha>：观察角度
• <bbox_left>，<bbox_top>，<bbox_right>，<bbox_bottom>：边界框的位置（像素坐标）
• <dim_height>，<dim_width>，<dim_length>：物体三维尺寸（米）
• <location_x>，<location_y>，<location_z>：物体中心在相机坐标系下的位置（米）
• <rotation_y>：绕Y轴旋转角度（弧度）

二、YOLO 标签格式

YOLO的标签文件也是以纯文本格式保存，但结构更为简单。对于每个物体，一行表示如下：

<class_id> <x_center> <y_center> <width> <height>

所有数值均为相对于图片宽度和高度的归一化值，范围在0到1之间。<class_id>是整数，表示物体所属类别的索引。

三、KITTI标签格式转YOLO的TXT数据集格式代码

既然我们已知kitti与yolo数据格式，接下来就是一些逻辑来构建方法了，我也不想再解读了，我直接给出代码，如下：

import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
import shutil
from tqdm import tqdm
def show_img(img):

    plt.imshow(img)
    plt.show()
# 转换kitti数据标签labels
def build_dir(root):
    if not os.path.exists(root):
        os.makedirs(root)
    return root
def read_label(label_filename):
    lines = [line.rstrip() for line in open(label_filename)]
    labels, boxes = [], []
    for line in lines:
        data = line.split(" ")
        label = data[0]
        xmin, ymin, xmax, ymax = float(data[4]), float(data[5]), float(data[6]), float(data[7])
        box2d = np.array([xmin, ymin, xmax, ymax])
        labels.append(label)
        boxes.append(box2d)

    return labels, boxes