企业官网建设流程全解析

简介：地面障碍物检测数据集面向自动驾驶、机器人导航、智能监控与计算机视觉研究等场景，提供栅栏、地面障碍物、岩石、树木、汽车、人物共6个类别的目标检测样本，可用于YOLO等主流框架的模型训练与算法验证。全量数据共626张JPEG原图及对应的YOLO格式TXT标注文件，另附类别配置YAML与说明文档，压缩包内共1254个文件，整体约35.98MB，目录结构清晰便于直接读取。数据集图片来自多样真实环境，覆盖不同光照与背景条件，标注边界框定位准确，有助于提升模型在复杂地形中的泛化能力与鲁棒性。已有127人学习浏览，适合需要多类别地面障碍物检测训练数据的研究者、竞赛选手及智能系统开发人员使用。

1. 地面障碍物检测数据集：巡检与AGV项目里的第一道坎

做厂区巡检和AGV导航的人，大概率被同一个问题卡过：摄像头把地面拍得很清楚，但模型就是认不出施工锥桶、散落木箱、水马和坑洞。公开数据集偏重交通场景，换到车间、园区、工地里，迁移效果明显缩水。这份“地面障碍物检测数据集”就是用来补齐这个空白的：标注按多类别目标检测组织，同时兼容实例分割和关键点检测的扩展需求，可以直接喂给YOLO训练检测模型，也能拿去跑分割和关键点任务。适合正在做智慧巡检、移动机器人避障的算法工程师，拿到手就能开始清洗、转换并训练第一版模型。转换脚本和训练配置我会在后面逐步展开，按着走一遍就能出可用的权重。

2. 拆目录与标注格式：先摸清每类障碍物标了什么

2.1 目录结构与文件规模：下载后先摸一遍再动手

我拿到这类数据集的第一件事，不是解压就开训，而是先把目录结构摸清楚。常见做法是解压之后用tree命令把顶层结构打出来，确认图片和标注放在哪里，再决定后面的转换路径。

unzip 地面障碍物检测数据集_20251123_025931.zip -d ground_obstacle_data cd ground_obstacle_data tree -L 2 -d

解压到ground_obstacle_data之后，主要看顶层有没有train、val这类划分目录，或者是否统一把图片放在images目录下、标注集中放annotations。tree -L 2 -d只列目录不列文件，能快速确认布局。此时不要急着看图片，先确认数据组织方式——不同组织方式对应完全不同的转换脚本，看错一步后面全得返工。

统计图片数量和尺寸分布是第二步。地面障碍物数据通常来自固定机位或移动平台采集，如果图像尺寸不统一，训练阶段就需要额外做resize策略，这会影响后续YOLO输入分辨率的设定。

find images -type f | wc -l find annotations -type f | wc -l file images/*.jpg | sed 's/.*: //' | sort | uniq -c

第一行统计图片总数，第二行统计标注文件数，第三行快速看每个文件的格式和位深。如果annotations下是COCO格式，大概率是一个或几个JSON文件；如果每张图对应一个txt或json，那就是单文件标注。判断清楚这两点，才能决定转换脚本怎么写。我一般还会顺手用python批量读一遍图像尺寸，确认是否存在混合分辨率的情况，因为这会直接影响第3章坐标归一化时的分母选择。

还有一个值得养成的习惯：数据下载后先做一次“快照”。把目录结构、文件数量、类别清单、图像尺寸记在一个README里，后面训练和复用的时候随时能查。不要相信自己的记忆，地面障碍物数据集经常用着用着就忘了初始状态，特别是多轮增补之后，原始标注和转换后标注很容易混在一起。

2.2 标注格式与类别定义：检测、分割、关键点各看什么

地面障碍物数据集在标注格式上有个显著特点：同一份数据往往同时提供检测框、分割掩码、关键点三种标注形态，对应不同的下游需求。AGV避障只需要知道“前方两米有一个木箱”，一个矩形框就够；但要做精密绕行评估，则需要实例分割的像素级掩码；而坑洞、裂缝这类目标，需要关键点来定位端点或测量宽度。

下面这张表是我整理类似数据集时常用的对照表，也可以用来快速确认手上这份数据的标注覆盖范围。不同数据集的类别命名可能有差异，例如“barricade”也可能叫“water_horse”或“fence”，看JSON里的类别清单为准。

表格里有一个容易被忽略的点：同一目标在不同标注格式下类别编号必须一致。比如约定“锥桶=0”，那COCO JSON里的category_id、YOLO txt里的第一个数字、分割掩码对应的类别，必须是同一个编号。这个对应关系最好单独存一个category_map.json，或者直接写死在转换脚本顶部，避免后续反复核对翻车。

另外要确认JSON里有没有segmentation字段。如果这份数据集面向实例分割，annotations里除了bbox还会有polygon或RLE编码的多边形；如果只做目标检测，yaml里不涉及分割格式即可。这类多类别目标检测数据集最常见的坑是“一张图里同时出现七八个类别，但某个类别的样本只有几十张”，类别不平衡会直接体现在mAP曲线上，后面第5章会细讲。

2.3 关键点标注约定：可见性标志别忽略

如果数据集包含关键点标注，首先要搞清楚可见性标志（visibility）的约定。COCO格式里每个关键点通常带一个vis值：0表示未标注、1表示被遮挡但位置可推断、2表示完全可见。这份数据如果面向坑洞和裂缝标注，坑洞边缘关键点会有大量被阴影或杂物遮挡的情况。转换时直接无视vis标志，YOLO关键点损失就会在不可见点上反复震荡，loss曲线看着很焦虑，指标却始终上不去。

我一般会在转换脚本里把vis=0的样本直接过滤掉，或者把所有关键点统一按vis=1处理并由损失函数权重承担。前者更干净，适合大多数场景；后者适合标注本身比较稀疏的情况。第5.4节会给出具体的现象和排查方式，这里先记住一件事：关键点不是“有坐标就行”，可见性标志决定损失计算是否合理。

3. 把COCO标注转成YOLO格式：坐标归一化与三类坑

3.1 COCO转YOLO：检测框与分割掩码的转换脚本

COCO的bbox是[x, y, width, height]绝对像素值，以图像左上角为原点；YOLO的bbox是[x_center, y_center, width, height]，全部除以图像宽高得到0到1之间的相对坐标。看起来只是数学变换，但真正落地时至少有三个坑：坐标原点约定搞错、分割坐标没有归一化、类别编号和data.yaml对不上。最常见做法是写一个转换脚本，一次性把检测框和分割掩码都转好。

import json import os CATEGORY_MAP = {'cone': 0, 'barricade': 1, 'crate': 2, 'obstacle': 3, 'pothole': 4, 'crack': 5, 'person': 6} def convert_coco(coco_json, img_dir, out_label_dir): with open(coco_json) as f: data = json.load(f) os.makedirs(out_label_dir, exist_ok=True) img_id_to_info = {img['id']: img for img in data['images']} cat_id_to_new = {cat['id']: CATEGORY_MAP[cat['name']] for cat in data['categories']} for ann in data['annotations']: img = img_id_to_info[ann['image_id']] w, h = img['width'], img['height'] if w == 0 or h == 0: continue x, y, bw, bh = ann['bbox'] cx = (x + bw / 2) / w cy = (y + bh / 2) / h bw_n = bw / w bh_n = bh / h cls = cat_id_to_new[ann['category_id']] line = f"{cls} {cx:.6f} {cy:.6f} {bw_n:.6f} {bh_n:.6f}\n" txt_path = os.path.join(out_label_dir, img['file_name'].replace('.jpg', '.txt')) with open(txt_path, 'a') as out: out.write(line) convert_coco('annotations/instances.json', 'ground_obstacle_data/images', 'ground_obstacle_data/labels')

脚本的逻辑不复杂，但参数值得留意。cx、cy、bw_n、bh_n计算时全部除以w和h，这是YOLO格式的核心要求；类别编号通过CATEGORY_MAP映射，保证和后面data.yaml完全对齐。如果某一类在标注里叫obstacle_rock，而转换脚本把它映射成了3，那训练出来的模型永远把石块识别成第3类，后面排查时非常头疼。

instances.json里除了检测框还可能有segmentation字段。只训练检测模型时，直接忽略seg即可；如果要跑实例分割，则需把COCO的多边形坐标归一化后写入YOLO分割格式。YOLO分割格式每一行首字符同样是类别编号，后面跟的是多边形顶点坐标对，注意顶点之间用空格分隔，坐标同样归一化到0到1。

还有一类地面障碍物数据是视频抽帧采集，分割掩码很多用RLE压缩存储。转polygon需要先解RLE再转坐标，用pycocotools的segmentationToPolygon可以完成。这一段的工作量比检测框大，但原理仍然是“绝对像素转相对坐标”，没有本质差异。

3.2 训练集与验证集划分：按采集序列切分而不是随机打散

转换完成之后，另一个容易出问题的步骤是train/val划分。很多人习惯直接random.shuffle然后按比例切，但地面障碍物数据常常来自同一场景的连续视频帧，随机划分会让模型在验证阶段“见过”相邻帧，导致验证指标虚高，实际部署时立刻露出原形。我一般会按采集来源或视频序列来划分，确保同一镜头的连续帧只出现在同一分区。

import os import random import shutil base_dir = 'ground_obstacle_data' sequences = [d for d in os.listdir(base_dir) if os.path.isdir(os.path.join(base_dir, d))] random.seed(42) random.shuffle(sequences) split = int(len(sequences) * 0.8) train_seqs = sequences[:split] val_seqs = sequences[split:] train_img_dir = os.path.join(base_dir, 'train', 'images') train_lbl_dir = os.path.join(base_dir, 'train', 'labels') val_img_dir = os.path.join(base_dir, 'val', 'images') val_lbl_dir = os.path.join(base_dir, 'val', 'labels') for d in (train_img_dir, train_lbl_dir, val_img_dir, val_lbl_dir): os.makedirs(d, exist_ok=True) for seq in train_seqs: for sub in ('images', 'labels'): src = os.path.join(base_dir, seq, sub) dst = train_img_dir if sub == 'images' else train_lbl_dir for name in os.listdir(src): shutil.move(os.path.join(src, name), os.path.join(dst, name))

这段代码的核心不是shutil，而是按序列切分、让同镜头的连续帧不进不同分区。random.shuffle前先固定seed，保证每次划分结果一致，这也是一个容易忽略的细节。如果数据集没有显式的seq目录名，可以按文件名前缀分组，比如巡检车一天跑下来，文件名常有日期前缀，按前缀分组等效于按采集时段分组，效果类似。

划分完毕后记得再做一次统计，确认train和val里每个类别都有样本。如果验证集中某个类别只有一两张，mAP会忽高忽低，这就是另一种“数据总量充足但指标不可信”的陷阱。常见做法是把划分后的两个目录分别跑一遍cat统计，类别分布写在README里。

3.3 转换完成后先自查：坐标范围与类别编号一次验完

转换结束后，强烈建议做一次自动化自检，先看坐标是否越界，再看类别编号是否和yaml对应。不要省略这一步，坐标问题发现是小修，等训练完发现类别错位就是大改。我吃过一次亏：转换脚本里高度变量写错，所有y坐标都除以了宽度，坐标严重越界，但YOLO训练时只给出Warning不报错，整个训练过程看上去一切正常，mAP却一直停在0附近。

import glob label_files = glob.glob('ground_obstacle_data/labels/*.txt') cat_set = set() for lf in label_files: with open(lf) as f: for line in f: parts = line.strip().split() if len(parts) < 5: print('坐标缺失:', lf) continue cat_set.add(parts[0]) vals = [float(v) for v in parts[1:]] assert min(vals) >= 0, lf assert max(vals) <= 1, lf print('类别编号:', sorted(cat_set, key=int)) print('坐标范围检查通过')

这里assert了所有坐标在0到1之间，一旦转换脚本里混入未归一化坐标，训练时YOLO只会给出警告，但训练完mAP往往异常。提前拦截，省得后面花两小时Debug。类别编号的打印也有用——如果发现输出里出现了预期之外的数字，比如6之外出现了7，那就是映射表写错了。

4. 训练配置与调参：从yaml到loss曲线的落地

4.1 数据yaml与模型选择：小目标与多类别是主要矛盾

转换脚本跑完，第一步是把data.yaml写好。Ultralytics YOLO的data.yaml只需要三块信息：训练图片路径、验证图片路径、类别名字。下面给一个常见写法。

path: /home/user/datasets/ground_obstacle train: images/train val: images/val nc: 7 names: ['cone', 'barricade', 'crate', 'obstacle', 'pothole', 'crack', 'person']

path用绝对路径，不要用相对路径。YOLO在不同操作系统下对相对路径的解析结果不一致，跑训练命令时最容易在这里翻车。nc是类别数，names对应转换脚本里的CATEGORY_MAP，两者顺序必须一字不差，否则就是典型的“模型能训练、指标很好看、部署全错”场景。names顺序错了，预测出来的类别名和实际目标对不上，可视化检查时会发现所有框的标签都偏了一位。

模型选择方面，地面障碍物兼具“目标小”和“多类别”两个特点。目标是锥桶、坑洞这类小物体时，不建议一上来就选最小的YOLOv8n，模型容量太小对极小目标召回率偏低；如果显存有限，我宁可选YOLOv8s加高分辨率输入，也不选YOLOv8n加低分辨率。常见做法是先用YOLOv8m，输入分辨率640起步，跑通链路后再针对小目标做增强。

4.2 训练命令与参数说明：batch、imgsz和早停怎么设

yaml就绪后，直接跑训练命令。以Ultralytics框架为例，命令如下。

yolo train \ model=yolov8m.pt \ data=data.yaml \ imgsz=640 \ batch=16 \ epochs=200 \ patience=50 \ workers=4 \ device=0 \ project=runs \ name=obstacle_exp1

参数里值得说道的是batch和patience。batch=16是在普通单卡下的折中值，显存紧张时可以降到8，但降低batch后初始学习率最好同步下调，否则前几个epoch的loss会非常“暴躁”。patience=50意味着验证指标连续50个epoch不提升就自动停止，地面障碍物这类类别差异大的数据集，早停能省下大量训练时间。workers=4表示开4个数据加载进程，要注意Windows下workers大于0偶尔会触发子进程问题，这时改成workers=0最省事。

训练过程中重点盯两条曲线：box_loss和cls_loss。box_loss持续下降，说明定位在收敛；cls_loss在epoch 30之后还在反复横跳，常见原因不是模型菜，而是类别本身难分。比如水马和锥桶在远处长得像，或者坑洞和阴影的纹理相似，这类情况再提高epoch数也不会改善，需要回到数据层面补样本或者做针对性数据增强。

另一个常见场景是loss稳定在0.02附近不动了，但验证集的mAP50还停留在0.4左右。这时优先检查两件事：一是val集是否混进了标注错误的数据，可以随机抽几十张验证图人工看一眼；二是确认输入图像里目标是否太小。我在处理小目标时有个习惯：在不爆显存的前提下把imgsz从640拉到1280，配合cache=True，对地面小物体的召回往往比加任何增强都直接。YOLO在1280输入下会把原图切块推理，对小目标的检测提升尤为明显，代价是前向时间拉长，部署前要重新评估推理速度。

4.3 关键点训练分支：kpt_shape与损失观察

如果这份数据集的坑洞和裂缝标注带关键点，需要额外配置关键点分支。Ultralytics的pose模型在data.yaml里多两行配置：kpt_shape和flip_idx。kpt_shape形如[4, 3]，表示4个关键点、每个点3个值（x、y、vis）。针对坑洞边缘关键点，真正需要的是点之间的相对位置约束，flip_idx可以不设，但kpt_shape一定要写对。

关键点训练时，损失除了box_loss和cls_loss还会多一个关键点损失。观察它的时候要看是否持续下降，而不是只看mAP。如果关键点loss在第20个epoch之后开始反弹，优先怀疑vis标志处理不对，或者真值坐标有错位。这里有个先后的经验：先解决关键点坐标本身的问题，再调学习率，否则你会在错误的坐标上反复调参，纯属浪费生命。

5. 训练避坑记录：五个真实翻车现场与排查方式

5.1 现象：loss正常收敛但mAP一直为0

有一次训练结束，box_loss和cls_loss都正常下降，验证曲线的mAP50停在0附近。排查了大半天，最后发现是转换脚本里坐标归一化只用了图像宽度，高度变量写错，所有y坐标越界。YOLO遇到坐标越界时不会直接报错，只会给个警告然后继续训练，于是整个训练过程看上去一切正常，实际上模型学到的坐标信息全是错的。

解决方式就是第3.3节那个坐标范围检查脚本，转换完先跑一遍，所有坐标在0到1之间才算通过。从那以后，我再也没有绕过这一步，无论数据集多小多简单，坐标自查都是必备流程。血泪经验说一句：坐标越界这类问题，在loss曲线上几乎看不出痕迹，你的第一道防线永远是转换脚本的自查逻辑。

5.2 现象：验证mAP很高，部署后连续漏检

这是连续帧数据最常见的坑。数据集来自一段连续视频，随机划分train和val后，相邻帧大量同时出现在两边。模型在val上看到了几乎一样的画面，mAP自然高到接近0.85；但部署到新场景、新角度，模型没见过的画面一多，召回率立刻掉下来，锥桶和坑洞接连漏检。

解决方式就是按采集序列切分，而不是按图像切分。如果文件名本身不带序列信息，用采集时间戳作为分组依据。这一点建议在转换阶段就处理好，不要等模型训练完再去补验证集，那是把简单问题复杂化。检测类任务吃的就是数据分布差异，训练集和验证集分布越接近，验证指标就越有欺骗性。

5.3 现象：大目标全中、小目标全丢，mAP被拉低

同一个模型里，木箱和人员的检测效果尚可，但锥桶和小石块几乎全部漏掉。原因是地面环境中目标尺寸差距太大：一个大木箱占图像百分之二十的面积，一个锥桶在远处只占几十个像素。YOLO在640输入下对占屏比小于1%的目标，召回率天然偏低，这不是调参能解决的问题。

解决思路有两个：一是微调数据增强，把Cutout、Mosaic里的小目标增强强度提高，让模型多“看到”小目标；二是用切片推理，训练时imgsz先用640，验证推理时切块看局部细节。我后来更倾向于直接imgsz=1280训练小目标版本，虽然训练时间快翻倍，但地面障碍物检测的mAP50回升非常明显。如果显存不够，切片推理几乎是唯一选择。

5.4 现象：关键点loss不降反升

坑洞关键点检测训练时，loss在第20个epoch后开始反弹，看起来很不稳定。排查后发现是转换脚本没有过滤vis=0的点，大量坑洞边缘被阴影遮挡，标注点根本没有有效坐标，模型被迫去预测那些未标注的位置，梯度自然难以收敛。关键点head会对所有关键点同时计算损失，不管这个点是否可见。

解决方式是转换时过滤vis=0的样本，只保留有坐标且可见的点。如果数据集本身标注稀疏，可以把vis=1和vis=2合并处理，但vis=0一定要扔掉或者单独给一组权重。这个坑在普通目标检测里不会触发，只有做实例分割或关键点检测时才会遇到，处理过一次之后，每次拿到新数据集我都会先查vis分布。

5.5 现象：训练到一半显存OOM

训练到epoch 43时突然显存OOM，前面的box_loss一直正常，没有任何预兆。原因是batch和imgsz同时拉得比较高，PyTorch在训练中期会缓存更多激活值，峰值显存超过显卡容量时直接崩溃。直觉上小事一桩，但训练中途OOM意味着前面所有epoch全部白跑，时间成本很高。

解决方式有两个：一是让Ultralytics自动探测batch，把batch减半，通常会降到能跑的水平；二是用梯度累积模拟更大的batch，显存占用不增加，但训练步数要相应调整。显存不够时不要死磕batch，梯度累积是更体面的方案，代价只是训练时间变长一点。另外可在训练脚本里加一句export CUDA_VISIBLE_DEVICES="0"，避免环境变量混乱导致的无关OOM。

6. 验证与单图推理：把指标落回画面再收工

6.1 用val脚本确认检测与分割指标

训练完成后，常规验证是用val脚本输出指标，与训练日志里的曲线核对。val脚本默认会输出mAP50和mAP50-95两种指标，前者看总体命中率，后者看框质量。区分使用场景：AGV避障更看重mAP50，因为只要框位置大致正确就能绕行；而精密对接或面积估算场景，mAP50-95更值得关注。

yolo detect val \ model=runs/obstacle_exp1/weights/best.pt \ data=data.yaml \ imgsz=640

这个命令跑完，会生成一个results.csv和若干验证可视化图。我一般会顺手看一眼混淆矩阵，重点看哪些类别互相混淆。水马被识别成木箱、坑洞被识别成阴影，这类错误在混淆矩阵里一目了然，比单纯看mAP有信息量得多。

6.2 单图推理与逐类可视化检查

指标落完，我从不直接收工，会拿几张训练时没见过的现场图跑单图推理，确认模型在真实场景下的表现。

yolo detect predict model=runs/obstacle_exp1/weights/best.pt \ source=samples/field_0921.jpg \ conf=0.35 \ save=True \ save_conf=True

conf=0.35是经验值，太低会冒出大量误检，太高会把远处的锥桶过滤掉。地面障碍物场景调研时，我一般用0.3到0.4之间找一个平衡点。保存出来的图片要放大逐类看，重点确认三类问题：哪类目标被频繁误检、远处小目标是否完全无框、水马和锥桶的标签是否混用。每次训练完，我都会强制自己先跑一遍最难的五张样本，再谈任何调参动作。这个习惯帮我省下的时间远比多花的多——数据集的最终价值，永远体现在实际画面里而不只是指标文件里。希望帮到你。

本文还有配套的精品资源，点击获取