思路索引
- 1、通过yolov8预测出image中的2d目标框和mask；
- 2、过滤出位于图像范围内的激光雷达点；
- 3、基于单个深度相机估算出2D框在ego坐标系下的的W和H;
- 4、融合2D图像框和3D激光点（使用mask还是使用box ）
- 5、融合之后的激光点进行聚类（因为纵向的长度（虽然在二维画面上看起来像素点距离很近，但实际每个点到相机的距离不一样，有的点会很远或者很近，所以进行聚类）
大致思路如上，先看坐标系转换；
待整理。。。
1、通过yolov8预测出image中的2d目标框和mask；
2、过滤出位于图像范围内的激光雷达点；
3、基于单个深度相机估算出2D框在ego坐标系下的的W和H;
