CARLA自动驾驶数据集采集及格式转换

在构建高效的汽车问答系统过程中，数据的采集与处理是至关重要的一步。CARLA作为自动驾驶领域的强大工具，其数据集的准备和转换过程精细且严谨。以下是关于CARLA数据集采集及格式转换的深入解析。

数据收集篇

在CARLA中，数据的采集始于精心编写的.h和.cpp文件，通过集成传感器模块，捕捉实时的驾驶环境数据。开发者可以选择不同版本的城市地图，如0.9.13的Town01至Town07，为后续的数据集提供更多样性和复杂性。

为了记录这些数据，执行启动和录制指令在两个不同的窗口中进行，生成的.bag数据集包含了丰富多样的天气条件，总计达77.9G的巨大容量。

数据转换与处理

数据格式转换是数据处理的关键环节。将原始的.bag文件转换为.pcd格式，指定的主题为“/carla/ego_vehicle/fmcw_lidar”，确保信息的完整性和一致性。转换后的.pcd文件将被保存在“pcd”文件夹中，以便后续的处理。

使用rename1.py脚本，对生成的000000.pcd文件进行序列化重命名，以便后续文件管理的顺畅。rename2.py脚本则负责将这些重命名后的文件编号转换为统一的、易于识别的格式。

继续进行数据转换，bin2ascii.sh脚本被修改以生成ASCII格式的文件，这一步骤有助于提高数据处理的效率和便于后续分析。

最后，pedestrian的宽度信息需要特别处理。由于CARLA软件存在一个bug，pedestrian的宽度w被暂时设置为0，但通过Pedestrian_w.py脚本，我们可以将其更正为0.5，以确保数据的准确性。

去除非关键背景车辆，只保留地图上的真实元素，这一步确保了数据的纯净度和真实性。

通过这些步骤，CARLA的数据集被精心准备和处理，为后续的自动驾驶技术研发提供了坚实的基础。