伯维网站建设,网站备案年限查询,学做包子馒头的网站,运营是做什么的vis_dataset.py 主要作用在于点云数据的可视化#xff0c;并可以做一些简单的预处理
关键参数基本都在 vis_dataset.sh 中定义了#xff0c;需要改动的仅以下两点#xff1a;
1. 点云图像保存位置#xff0c;因为 dataset_path 被设置为了绝对路径#xff0c;因此需要相…vis_dataset.py 主要作用在于点云数据的可视化并可以做一些简单的预处理
关键参数基本都在 vis_dataset.sh 中定义了需要改动的仅以下两点
1. 点云图像保存位置因为 dataset_path 被设置为了绝对路径因此需要相应修改
save_dir f{dataset_path}/{episode_idx} # 设置当前集的保存目录
2. 点云视频保存位置对应修改 if vis_cloud:# 将图像序列转换为视频os.system(fffmpeg -r 10 -i {save_dir}/%d.png -vcodec mpeg4 -y {dataset_path}/{episode_idx}.mp4)
运行生成 更详细解释如下 目录
1 库函数调用
2 创建 ArgumentParser 对象解析命令行参数
3 打开指定路径 Zarr 数据集并获取数据
4 分割数据、处理并保存
5 回放图像和点云数据
6 将点云图像存为视频 1 库函数调用
import zarr # 导入 zarr 库用于处理 zarr 格式的数据
import cv2 # 导入 OpenCV 库用于图像处理
from termcolor import cprint # 从 termcolor 库导入 cprint 函数用于彩色打印输出
import time # 导入 time 库用于时间相关操作
from tqdm import tqdm # 导入 tqdm 库用于显示进度条
import visualizer # 导入自定义的 visualizer 模块用于点云可视化
import os # 导入 os 库用于操作系统相关功能
import argparse # 导入 argparse 库用于解析命令行参数
import numpy as np # 导入 numpy 库用于数值计算
除了 visualizer 为自定义库函数其余均为标准库 2 创建 ArgumentParser 对象解析命令行参数
# 创建 ArgumentParser 对象用于解析命令行参数
parser argparse.ArgumentParser()
parser.add_argument(--dataset_path, typestr, defaultdata/box_zarr) # 添加 dataset_path 参数默认值为 data/box_zarr
parser.add_argument(--use_img, typeint, default0) # 添加 use_img 参数默认值为 0不使用图像数据
parser.add_argument(--vis_cloud, typeint, default0) # 添加 vis_cloud 参数默认值为 0不可视化点云数据
parser.add_argument(--use_pc_color, typeint, default0) # 添加 use_pc_color 参数默认值为 0不使用点云颜色
parser.add_argument(--downsample, typeint, default0) # 添加 downsample 参数默认值为 0不下采样# 解析命令行参数
args parser.parse_args()
use_img args.use_img
dataset_path args.dataset_path
vis_cloud args.vis_cloud
use_pc_color args.use_pc_color
downsample args.downsample
命令行参数均在 vis_dataset.sh 中定义若未定义则会使用默认参数 3 打开指定路径 Zarr 数据集并获取数据
# 使用 zarr 打开指定路径的数据集
with zarr.open(dataset_path) as zf:print(zf.tree()) # 打印数据集的树状结构# 获取数据if use_img:all_img zf[data/img] # 获取图像数据all_point_cloud zf[data/point_cloud] # 获取点云数据all_episode_ends zf[meta/episode_ends] # 获取集结束标记
打开 dataset_path 位置数据集并获取对应数据 4 分割数据、处理并保存 # 根据 episode_ends 划分每一集的数据for episode_idx, episode_end in enumerate(all_episode_ends):if episode_idx 0:if use_img:img_episode all_img[:episode_end] # 获取第一集的图像数据point_cloud_episode all_point_cloud[:episode_end] # 获取第一集的点云数据else:if use_img:img_episode all_img[all_episode_ends[episode_idx-1]:episode_end] # 获取当前集的图像数据point_cloud_episode all_point_cloud[all_episode_ends[episode_idx-1]:episode_end] # 获取当前集的点云数据save_dir fvisualizations/{dataset_path}/{episode_idx} # 设置当前集的保存目录if vis_cloud:os.makedirs(save_dir, exist_okTrue) # 创建保存目录如果需要可视化点云cprint(freplay episode {episode_idx}, green) # 打印当前集的重放信息使用绿色字体 5 回放图像和点云数据 # 回放每一帧的数据for i in range(point_cloud_episode.shape[0]):pc point_cloud_episode[i] # 获取当前帧的点云数据# 如果需要下采样if downsample:num_points 4096 # 设置下采样点数idx np.random.choice(pc.shape[0], num_points, replaceFalse) # 随机选择点pc pc[idx] # 获取下采样后的点云数据if use_img:img img_episode[i] # 获取当前帧的图像数据img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 将图像从 BGR 转换为 RGBcv2.imshow(img, img) # 显示图像cv2.waitKey(1) # 等待 1 毫秒time.sleep(0.05) # 暂停 0.05 秒if vis_cloud:if not use_pc_color:pc pc[:, :3] # 如果不使用点云颜色只保留前三个维度XYZvisualizer.visualize_pointcloud(pc, img_pathf{save_dir}/{i}.png) # 可视化点云并保存图像print(fvis cloud saved to {save_dir}/{i}.png) # 打印保存路径print(fframe {i}/{point_cloud_episode.shape[0]}) # 打印当前帧的处理进度 6 将点云图像存为视频 if vis_cloud:# 将图像序列转换为视频os.system(fffmpeg -r 10 -i {save_dir}/%d.png -vcodec mpeg4 -y {dataset_path}/{episode_idx}.mp4)
使用 ffmpeg 命令将保存在{save_dir}目录下的一系列PNG图片按序号命名转换为帧率为10帧每秒的MPEG-4格式视频
并保存到 {dataset_path}/{episode_idx}.mp4如果输出文件已存在则会直接覆盖
