入手blenderproc

使用原因

目标： 需要构建用于深度学习的虚拟数据集
考虑使用blender的一个渲染器blenderproc

注意事项：

1. 不需要提前下载blender软件，运行blenderproc官方测试demo的过程中会下载各个包和blender，（自己在blender官网下载了最新版的，现在在想着如何卸载了；不清楚ubuntu中同时有两个版本的blender会不会导致系统问题）
2. blenderproc的导航网址
3. 描述blenderproc的论文原文
4. blenderproc的源码链接，这个下载，方便安装配置blenderproc

Blenderproc的安装环境配置

主要是跟着源码链接中的主页介绍一步步来的。

构建虚拟环境

为了方便日后的环境管理，我们在anaconda新建一个虚拟环境进行Blenderproc的安装，anaconda安装过程略，新环境命令如下：

conda create -n blender python = 3.7  # blender处为你的虚拟环境名称
conda activate blender

安装Blenderproc（这一步直接按github官方教程走）

blenderproc的安装有两种方式。

1. 在虚拟环境下直接pip执行

pip install Blenderproc

2. 通过github安装

git clone https://github.com/DLR-RM/BlenderProc

cd BlenderProc

pip install -e .

测试demo

安装结束后我们根据官方文档，先编写一个quickstart.py的python脚本，内容如下：

import blenderproc as bproc
import numpy as np

bproc.init()

# Create a simple object:
obj = bproc.object.create_primitive("MONKEY")

# Create a point light next to it
light = bproc.types.Light()
light.set_location([2, -2, 0])
light.set_energy(300)

# Set the camera to be in front of the object
cam_pose = bproc.math.build_transformation_mat([0, -5, 0], [np.pi / 2, 0, 0])
bproc.camera.add_camera_pose(cam_pose)

# Render the scene
data = bproc.renderer.render()

# Write the rendering into an hdf5 file
bproc.writer.write_hdf5("output/", data)

之后终端执行命令：

blenderproc run quickstart.py

第一次运行会安装blender和所需要的一些库，包括Imageio库（不用管），运行之后在目录下会有.hdf5的文件生成，可视化该文件：

blenderproc vis hdf5 output/0.hdf5

到这一步，blenderproc的环境安装配置也就完成了，更多的基础示例可以下载github项目工程并参照示例进行。

blenderproc的运行模式

1. 一种是通过设置python脚本运行（github项目工程主目录下运行）（建议这个）

blenderproc run examples/basics/basic/main.py examples/resources/camera_positions examples/resources/scene.obj examples/basics/basic/output

2. 另一种则是通过配置yaml文件进行运行

blenderproc run examples/basics/basic/config.yaml examples/resources/camera_positions examples/resources/scene.obj examples/basics/basic/output

参考资料

除了上面出现的网址链接，还包括以下：
https://blog.csdn.net/weixin_49521551/article/details/121573334