场景坐标可视化scene coordinate to RGB color space ，python 实现

最近在研究相机定位，我们采用的方式是用卷积神经网络来回归场景坐标可视化，于是就涉及到一个小问题，就是可视化场景坐标，简单找了一些方法可视化，虽然觉得还有些不完美，但是已经能够可视化场景座标了。所以写个博客记录一下给需要的朋友分享一下，如果有人有更好的建议，可以给我留言。

首先在SLAM中，有世界坐标系和相机坐标系，他们都是三维坐标，场景坐标是空间中某个点在世界坐标系下的点，因此它也是三维的，有x,y,z三个值，有了深度信息，就可以求得他们的坐标值。

现在假设我们已经有了一张图像对应的场景坐标，

图片大小为，640x480,3个通道（RGB）

那么对应的，场景坐标也有640x480个，每一个有x,y,z三个值。

因此，图像和场景坐标都有3x640x480个值。现在把它按照顺序组成三维数组就是int a[3][640][480]

我们现在假设已经把这个a数组按照numpy的方式存储到scenes_coordinate1.npy文件中了。现在执行下面的代码即可得到可视化的图像：

import numpy as np
import scipy.misc
import matplotlib
import matplotlib.image as img

# Python3用,因为2对中文注释支持不友好.
# 这是一个可视化场景坐标的代码.读取的npy文件里面是np数组保存的场景坐标值.
# 可视化两种方式都可以,
'''
1, img.imsave('outfile'+str(i)+'.jpg', numpy_array)
2, scipy.misc.toimage(numpy_array.astype(np.uint8)).save('outfile'+str(i)+'.jpg')
'''
#注意导入之后最好把坐标值统一放大一下，这里是100,这样看得比较清楚.
numpy_array =(np.load('scenes_coordinate1.npy').reshape(3,480,640)*100).astype(np.uint8).transpose(1,2,0)
#方法一,
# img.imsave('outfile'+str(i)+'.jpg', numpy_array)
#方法二,
scipy.misc.toimage(numpy_array.astype(np.uint8)).save('outfile'+str(i)+'.jpg')

这是在7scenes数据集上可视化的效果，虽然有点奇怪，但是还是可以看的，放大的倍数决定了颜色的明亮程度。