AirSim 无人机不同视角收罗不同场景的图片

无人机不同视角下收罗不同场景图片的代码如下：

1. import airsim
2. import os
3. import numpy as np
4. import pandas as pd
5. #连接airsim模拟器
6. client = airsim.MultirotorClient()
7. client.confirmConnection()
9. #获取图像路径
10. folder_path="D:/airsimpy/screen"
12. #保存位姿信息的空dataframe
13. poses_df=pd.DataFrame(columns=['index','x','y','z','yaw','pitch','roll'])
15. #设置随机采样的范围和数量
16. num_samples=10
17. x_min,x_max,y_min,y_max,z_min,z_max=-4,4,-4,4,-5,-2
18. yaw_min,yaw_max,pitch_min,pitch_max,roll_min,roll_max=-90,90,-45,45,-45,45
20. #相机列表
21. camera_list=["0","1","2","3","4"]
23. #随机采样并保存图像和位姿信息
24. pose_list=[]
25. for i in range(num_samples):
26.     #随机生成目标位置，并设置姿态朝向
27.     x=np.random.uniform(x_min,x_max)
28.     y=np.random.uniform(y_min,y_max)
29.     z=np.random.uniform(z_min,z_max)
30.     yaw=np.random.uniform(yaw_min,yaw_max)
31.     pitch=np.random.uniform(pitch_min,pitch_max)
32.     roll=np.random.uniform(roll_min,roll_max)
33.     pose=airsim.Pose(airsim.Vector3r(x,y,z),airsim.to_quaternion(pitch,roll,yaw))
34.     pose_list.append({'index':i,
35.                       'x':x,
36.                       'y':y,
37.                       'z':z,
38.                       'yaw':yaw,
39.                       'pitch':pitch,
40.                       'roll':roll,})
41.     #移动到目标位置
42.     client.simSetVehiclePose(pose,True)
43.     for j,camera_name in enumerate(camera_list):
44.         #获取相机图片
45.         responses=client.simGetImages([airsim.ImageRequest(camera_name,airsim.ImageType.Scene,False,False)])
46.         img_raw=responses[0]
47.         #将字节流转为PIL的image对象
48.         img1d=np.frombuffer(img_raw.image_data_uint8,dtype=np.uint8)
49.         img_rgb=img1d.reshape(img_raw.height,img_raw.width,3)
50.         #保存PNG格式的图像
51.         # img_filename="pose_{0}_x_{1:.2f}_y_{2:.2f}_z_{3:.2f}_yaw_{4:.2f}_pitch_{5:.2f}_roll_{6:.2f}_camera_{4}".format(i, x, y, z, yaw, pitch, roll, j)
52.         img_filename = "pose_{0}_x_{1:.2f}_y_{2:.2f}_z_{3:.2f}_yaw_{4:.2f}_pitch_{5:.2f}_roll_{6:.2f}_camera_{4}.png".format(
53.             i, x, y, z, yaw, pitch, roll, j)
55.         img_filepath = os.path.join(folder_path, img_filename)
56.         print("File path:", os.path.normpath(img_filepath))
57.         airsim.write_png(os.path.normpath(img_filepath), img_rgb)
58. print("all pictures and poses are saved: ",folder_path)
60. #将位姿信息保存到csv文件中
61. poses_df=pd.DataFrame(pose_list)
62. poses_df.to_csv(os.path.join(folder_path,"poses.csv"),index=False)

复制代码

团体流程为
毗连 AirSim 模拟器。
在指定范围内随机生成无人机的位置和姿态。
将无人机移动到目标位置。
使用多个相机拍摄图像，并生存为 PNG 文件。
生存无人机的位姿信息到 CSV 文件
一、毗连 AirSim 模拟器初始化

1. # 连接 AirSim 模拟器
2. client = airsim.MultirotorClient()
3. client.confirmConnection()

复制代码

创建airsim.MultirotorClient()类对象client， 用于控制多旋翼无人机。
client.confirmConnection()确认AirSim通信毗连。

1. # 获取图像保存路径
2. folder_path = "D:/airsimpy/screen"
4. # 保存位姿信息的空 DataFrame
5. poses_df = pd.DataFrame(columns=['index', 'x', 'y', 'z', 'yaw', 'pitch', 'roll'])

复制代码

设置生存路径和生存位姿信息的DataFrame，这是pandas的格式，包罗位置坐标 (x, y, z) 和姿态信息 (yaw, pitch, roll)。
DataFrame 是 Pandas 提供的二维数据结构。
二、随机采样设置

1. # 设置随机采样的范围和数量
2. num_samples = 10
3. x_min, x_max, y_min, y_max, z_min, z_max = -4, 4, -4, 4, -5, -2
4. yaw_min, yaw_max, pitch_min, pitch_max, roll_min, roll_max = -90, 90, -45, 45, -45, 45
6. # 相机列表
7. camera_list = ["0", "1", "2", "3", "4"]

复制代码

num_samples: 指定采样的次数（共 10 次）
之后设置范围
x, y, z 范围，限定无人机的飞行坐标范围。
yaw, pitch, roll 范围，限定无人机的姿态角范围。
生成一个相机列表camera_list， 包含 5 个相机的索引，用于收罗图像。
三、随机采样、图像收罗与生存

1.随机生成位姿信息

1. pose_list = []
2. for i in range(num_samples):
3.     # 随机生成目标位置和姿态朝向
4.     x = np.random.uniform(x_min, x_max)
5.     y = np.random.uniform(y_min, y_max)
6.     z = np.random.uniform(z_min, z_max)
7.     yaw = np.random.uniform(yaw_min, yaw_max)
8.     pitch = np.random.uniform(pitch_min, pitch_max)
9.     roll = np.random.uniform(roll_min, roll_max)
10.     pose = airsim.Pose(airsim.Vector3r(x, y, z), airsim.to_quaternion(pitch, roll, yaw))
11.     pose_list.append({'index': i,
12.                       'x': x,
13.                       'y': y,
14.                       'z': z,
15.                       'yaw': yaw,
16.                       'pitch': pitch,
17.                       'roll': roll})

复制代码

首先初始化一个空的列表pose_list，每次生成的位姿数据都会被存储为一个字典，并追加到 pose_list 中。
之后进入for循环，迭代生成随机样本。

1. x = np.random.uniform(x_min, x_max)
2. y = np.random.uniform(y_min, y_max)
3. z = np.random.uniform(z_min, z_max)
4. yaw=np.random.uniform(yaw_min,yaw_max)
5. pitch=np.random.uniform(pitch_min,pitch_max)
6. roll=np.random.uniform(roll_min,roll_max)

复制代码

在我们之前设定的范围内，随机生成了目标的位置和姿态朝向。
然后我们根据这些位置和姿态生成了airsim.Pose对象

1. pose=airsim.Pose(airsim.Vector3r(x,y,z),airsim.to_quaternion(pitch,roll,yaw))

复制代码

airsim.Pose(position, orientation)的构造函数要传入位置朝向两个参数。
位置使用airsim.Vector3r(x,y,z)用于表示一个 三维坐标向量，即物体的位置。
朝向使用airsim.to_quaternion(pitch,roll,yaw)，用四元数表示朝向，传入三个欧拉角转为四元数。

1. pose_list.append({'index': i,
2.                   'x': x,
3.                   'y': y,
4.                   'z': z,
5.                   'yaw': yaw,
6.                   'pitch': pitch,
7.                   'roll': roll})

复制代码

这行代码将每次生成的位置信息和姿态朝向存储为一个字典，使用append将字典添加到pose_list列表中，即列表的元素是一个字典。
2.移动无人机并收罗图像

1.     # 移动到目标位置
2.     client.simSetVehiclePose(pose, True)
3.     for j, camera_name in enumerate(camera_list):
4.         # 获取相机图片
5.         responses = client.simGetImages([airsim.ImageRequest(camera_name, airsim.ImageType.Scene, False, False)])
6.         img_raw = responses[0]
8.         # 将字节流转换为 RGB 图像
9.         img1d = np.frombuffer(img_raw.image_data_uint8, dtype=np.uint8)
10.         img_rgb = img1d.reshape(img_raw.height, img_raw.width, 3)
12.         # 保存 PNG 格式的图像
13.         img_filename = "pose_{0}_x_{1:.2f}_y_{2:.2f}_z_{3:.2f}_yaw_{4:.2f}_pitch_{5:.2f}_roll_{6:.2f}_camera_{7}.png".format(
14.             i, x, y, z, yaw, pitch, roll, j)
15.         img_filepath = os.path.join(folder_path, img_filename)
16.         print("File path:", os.path.normpath(img_filepath))
17.         airsim.write_png(os.path.normpath(img_filepath), img_rgb)

复制代码

client.simSetVehiclePose(pose, True)将无人机移动到指定位置，第一个参数是我们之宿世成的pose，代表无人机的位置和姿态，第二个参数 True 表示该位置和姿态更新会 立即生效，即该指令会同步执行。

1. for j, camera_name in enumerate(camera_list):

复制代码

之后遍历相机列表，j 是相机的索引，camera_name 是相机的名称。
使用client.simGetImages()方法获得图像，传入参数为request列表，每个元素是包含对相机名称，图像类别，是否浮点数和是否压缩的列表。
 img_raw = responses[0]将原始图像的字节数据赋值给img_raw。

1. # 将字节流转换为 RGB 图像
2. img1d = np.frombuffer(img_raw.image_data_uint8, dtype=np.uint8)
3. img_rgb = img1d.reshape(img_raw.height, img_raw.width, 3)

复制代码

这里首先使用frombuffer函数，将原始字节数据转为numpy的一维元素，传入的是原始的图像字节数据，以 uint8 范例存储img_raw.image_data_uint8，转换后的范例为uint8。
再使用reshape将一维的数据转为三维的图像numpy数组，分别对应RGB。
四、生存图像

1. # 保存 PNG 格式的图像
2. img_filename = "pose_{0}_x_{1:.2f}_y_{2:.2f}_z_{3:.2f}_yaw_{4:.2f}_pitch_{5:.2f}_roll_{6:.2f}_camera_{7}.png".format(
3.     i, x, y, z, yaw, pitch, roll, j)
4. img_filepath = os.path.join(folder_path, img_filename)
5. print("File path:", os.path.normpath(img_filepath))
6. airsim.write_png(os.path.normpath(img_filepath), img_rgb)

复制代码

首先设置了生存文件的名称：{0}_x_{1:.2f}_y_{2:.2f}_z_{3:.2f}_yaw_{4:.2f}_pitch_{5:.2f}_roll_{6:.2f}_camera_{7}.png"
是字符串格式化的方式，{} 中的数字表示位置参数，用于添补位姿和相机的信息。
.format(i, x, y, z, yaw, pitch, roll, j) 是将 i, x, y, z, yaw, pitch, roll, 和 j 等变量添补到文件名中，如：

1. os.path.join(folder_path, img_filename)

复制代码

将文件夹路径和文件名毗连起来，得到完整的图像文件路径，赋值给img_filepath。

1. os.path.normpath(img_filepath)

复制代码

规范化文件路径，确保路径格式符合操纵系统的要求。

1. airsim.write_png(os.path.normpath(img_filepath), img_rgb)

复制代码

调用 AirSim 的 write_png 函数，将 RGB 图像生存为 PNG 格式，生存到指定路径 img_filepath。
五、生存位姿

1. #将位姿信息保存到csv文件中
2. poses_df=pd.DataFrame(pose_list)
3. poses_df.to_csv(os.path.join(folder_path,"poses.csv"),index=False)

复制代码

pose_list包含了我们的位置和姿态信息，列表中每一个元素是一个字典。
pd.DataFrame(pose_list)：将 pose_list 转换为一个 Pandas DataFrame。DataFrame 是 Pandas 中的重要数据结构，它雷同于一个表格，可以或许方便地举行数据分析和操纵。

1. poses_df.to_csv(os.path.join(folder_path, "poses.csv"), index=False)

复制代码

os.path.join(folder_path, "poses.csv")：这行代码生成了生存 CSV 文件的完整路径。folder_path 是你盼望生存 CSV 文件的目次路径，"poses.csv" 是文件名，os.path.join 将这两个部分合并成一个完整的文件路径。
poses_df.to_csv()：这是 Pandas 中的一个函数，将 DataFrame 对象生存为 CSV 文件。参数 index=False 表示不将 DataFrame 的索引写入 CSV 文件，因为通常我们不需要生存 DataFrame 的索引列。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。