sample.json

sample.json 文件詳細記錄了關鍵幀（Keyframe）的基礎核心信息。

• 每個關鍵幀均對應一個唯一的 sample_token，用於精確標識該幀數據。

• 開發者透過 scene_token 即可在 scene.json 文件中快速檢索到該樣本所隸屬的具體仿真場景。

• 文件內還提供了前一幀（prev）與後一幀（next）的 Token 指針，可用於構建連續的時序影格/幀關係（Continuous Frame Relations）。

sample_data.json

利用 sample_token，開發者可在 sample_data.json 中全面獲取對應幀的多傳感器數據詳情，具體包括：

• ego_pose_token：車輛自車位姿（Ego-pose）的引用，可在 ego_pose.json 中獲得該特定時刻的精確位姿信息（包括三維位置與朝向）。

• calibrated_sensor_token：對應傳感器的標定參數（Calibration Parameters），可在 calibrated_sensor.json 中查詢到該傳感器的精準內參（Intrinsic）與外參（Extrinsic）信息。

• filename：傳感器原始數據（Raw Data）的文件路徑。若該數據屬於相機，則還會額外包含圖像的高度（height）與寬度（width）。

• timestamp：時間戳（單位：微秒），用於多傳感器之間的時間硬同步（Time Synchronization）。

• is_key_frame：布爾值（Boolean），用以指示該特定影格是否為關鍵幀。

• next / prev：分別指向下一幀和前一幀的 Token，從而實現精準的時序關聯（Temporal Association）。

sample_annotation.json

sample_annotation.json 文件精確記錄了每個關鍵幀中檢測到的目標物體 3D 標註信息（Object Annotations），可完全透過 sample_token 進行跨表關聯。其包含的主要核心字段如下：

1. instance_token：目標實例（Object Instance）的唯一標識。 開發者可在 instance.json 中查詢到該實例對應的 category_token（類別信息）、以及該物體首次與最後出現的關鍵幀 Token。透過 category_token 則可進一步在 category.json 中獲取該實例的具體語意類別名稱（Category Name）。

2. visibility_token： 可見度等級標識（共分為四個級別，數值越大代表物體可見度越高），其具體定義可在 visibility.json 中進行查閱。

3. 目標物體的幾何與姿態信息（Geometry and Pose），這些位姿數據均精確定義在傳感器坐標系下：

   • 中心點位置 (translation)

   • 尺寸大小 (size)

   • 旋轉角度 (rotation)，以四元數（Quaternion）形式進行存儲。

4. 點雲統計信息（Point Cloud Statistics）： 檢測框（Bounding Box）內所包含的激光雷達點數（num_lidar_pts）與毫米波雷達點數（num_radar_pts）。

5. 前後幀關聯（Frame Association）： 分別精確記錄該目標實例在前一幀與後一幀中所對應的 Token 標識。