把这个作为自己学习的记录,鞭策自己努力推进任务,认真学习,保持更新。
train.py
已经大概理顺了,省略
model_concat_upsa.py
get_model
这里大概就是一些具体操作了,看上去比较烦人的是一大堆名称以及他们各自的dimension。
l0_xyz_f1 = point_cloud[:, :num_point, 0:3] # dim: b n 3
l0_points_f1 = point_cloud[:, :num_point, 3:] # dim: b n channel
l0_xyz_f2 = point_cloud[:, num_point:, 0:3] # dim: b n 3
l0_points_f2 = point_cloud[:, num_point:, 3:] # dim: b n channel
上面这一块代码是从最原始的数据(这所谓原始的数据还有待研究)建立的,l0_xyz_f1的意思就是第零层第一帧点云数据的坐标,它的维度也就是b n 3。
对于我所说的“原始数据”的研究:
point_cloud是传入的第一个参数,在train.py中,它的来源是下面的batch_data,简单来说,就是把TRAIN_DATASET里的pc1, pc2, color1, color2, flow, mask1进行拼接整合。
batch_data, batch_label, batch_mask = get_batch(TRAIN_DATASET, train_idxs, start_idx, end_idx)
在batch_data形成中比较关键的一步:第二个维度前半部分是pos1和color1(以第三个维度区分),后半部分是pos2和color2(以第三个维度区分)。
batch_data[i, :NUM_POINT, :3] = pc1[shuffle_idx]
batch_data[i, :NUM_POINT, 3:] = color1[shuffle_idx]
batch_data[i, NUM_POINT:, :3] = pc2[shuffle_idx]
batch_data[i, NUM_POINT:, 3:] = color2[shuffle_idx]
在get_model中对batch_data进行分割,再次将pos1和pos2区分开,并且把它们各自的xyz与其他channel区分开。
l0_xyz_f1 = point_cloud[:, :num_point, 0:3] # dim: b n 3
l0_points_f1 = point_cloud[:, :num_point, 3:] # dim: b n channel
l0_xyz_f2 = point_cloud[:, num_point:, 0:3] # dim: b n 3
l0_points_f2 = point_cloud[:, num_point:, 3:] # dim: b n channel
定义了几个半径,主要用来描述某一个点的附近有一个多大的邻域,这个在论文原文有提到。但具体哪一层用多大的邻域并不清楚其中原理。
RADIUS1 = 0.5
RADIUS2 = 1.0
RADIUS3 = 2.0
RADIUS4 = 4.0
下面就开始一层一层对数据进行处理了。
Layer 1
# Frame 1, Layer 1 # npoint是最远点采样的点的个数
# Frame 1, Layer 1 # npoint是最远点采样的点的个数
l1_xyz_f1, l1_points_f1, l1_indices_f1 = pointnet_sa_module(l0_xyz_f1, l0_points_f1, npoint=1024,
radius=RADIUS1, nsample=16, mlp=[32, 32, 64],
mlp2=None, group_all=False, is_training=is_training,
bn_decay=bn_decay, scope='layer1')
end_points['l1_indices_f1'] = l1_indices_f1
得到第一帧的第一层,
l1_xyz_f1的维度:b * npoint(1024) * 3;
l1_points_f1的维度:b * npoint(1024) * mlp[-1] (64);
l1_indices_f1的维度:batch_size, npoint, nsample(16)。
Layer 2
# Frame 1, Layer 2
l2_xyz_f1, l2_points_f1, l2_indices_f1 = pointnet_sa_module(l1_xyz_f1, l1_points_f1, npoint=256, radius=RADIUS2,
nsample=16, mlp=[64, 64, 128], mlp2=None,
group_all=False, is_training=is_training,
bn_decay=bn_decay, scope='layer2')
end_points['l2_indices_f1'] = l2_indices_f1
得到第一帧的第二层,
l2_xyz_f1的维度:b * npoint(256) * 3;
l2_points_f1的维度:b * npoint(256) * mlp[-1] = 128;
l2_indices_f1的维度:batch_size, npoint, nsample(16)。
类似对第二帧进行了相同操作,结果列出如下:
l1_xyz_f2的维度:b * npoint(1024) * 3;
l1_points_f2的维度:b * npoint(1024) * mlp[-1] = 64;
l1_indices_f2的维度:batch_size, npoint, nsample(16)。
l2_xyz_f2的维度:b * npoint(256) * 3;
l2_points_f2的维度:b * npoint(256) * mlp[-1] = 128;
l2_indices_f2的维度:batch_size, npoint, nsample(16)。
然后是embedding。
# 经过下面这一个embedding以后,就输入两帧得到的输出是 frame1的坐标与flow embedding
# batch_size, npoint, mlp[-1]
_, l2_points_f1_new = flow_embedding_module(l2_xyz_f1, l2_xyz_f2, l2_points_f1, l2_points_f2, radius=10.0,
nsample=64, mlp=[128, 128, 128], is_training=is_training,
bn_decay=bn_decay, scope='flow_embedding', bn=True, pooling='max',
knn=True, corr_func='concat')
pointnet_util.py
pointnet_sa_module
pointnet_sa_module 这个方法应该是进行下采样的,论文中写的三个部分(上采样,flow embedding,下采样),我想大概是为了进行对于原始点集的特征学习。
在不仔细看代码之前,可以得知,这个方法改变了输入点集的点的个数(比较明显),因为算法里使用了最远点采样,npoint就是这个采样方法得到的输出的点的个数。
这一层主要经过了以下几个步骤:
(1) sampling and grouping: 作用是将整个点云分散成局部的group,对每一个group都可以用PointNet单独的提取局部的全局特征
(2) Point Feature Embedding: 2维卷积
(3) Pooling in Local Regins: 池化
在代码下方进行详细解释。
def pointnet_sa_module(xyz, points, npoint, radius, nsample, mlp, mlp2, group_all, is_training, bn_decay, scope, bn=True, pooling='max', knn=False, use_xyz=True, use_nchw=False):
''' PointNet Set Abstraction (SA) Module
Input:
xyz: (batch_size, ndataset, 3) TF tensor
points: (batch_size, ndataset, channel) TF tensor
npoint: int32 -- #points sampled in farthest point sampling
radius: float32 -- search radius in local region
nsample: int32 -- how many points in each local region
mlp: list of int32 -- output size for MLP on each point
mlp2: list of int32 -- output size for MLP on each region
group_all: bool -- group all points into one PC if set true, OVERRIDE
npoint, radius and nsample settings
use_xyz: bool, if True concat XYZ with local point features, otherwise just use point features
use_nchw: bool, if True, use NCHW data format for conv2d, which is usually faster than NHWC format
Return:
new_xyz: (batch_size, npoint, 3) TF tensor
new_points: (batch_size, npoint, mlp[-1] or mlp2[-1]) TF tensor
idx: (batch_size, npoint, nsample) int32 -- indices for local regions
'''
(感谢良心注释)
第一部分 Sample and Grouping
# Sample and Grouping
if group_all:
nsample = xyz.get_shape()[1].value
new_xyz, new_points, idx, grouped_xyz = sample_and_group_all(xyz, points, use_xyz)
else:
new_xyz, new_points, idx, grouped_xyz = sample_and_group(npoint, radius, nsample, xyz, points, knn, use_xyz)
所有作者用到这个方法的地方group_all都是false,即不把所有的点当成一个group。
在这里使用了sample_and_group方法:
文章中使用到的knn与use_xyz都是采用默认值,即knn = false, use_xyz = true。
这是sampling&Grouping的重要函数。
def sample_and_group(npoint, radius, nsample, xyz, points, knn=False, use_xyz=True):
'''
Input:
npoint: int32
radius: float32
nsample: int32
xyz: (batch_size, ndataset, 3) TF tensor
points: (batch_size, ndataset, channel) TF tensor, if None will just use xyz as points
knn: bool, if True use kNN instead of radius search
use_xyz: bool, if True concat XYZ with local point features, otherwise just use point features
Output:
new_xyz: (batch_size, npoint, 3) TF tensor
new_points: (batch_size, npoint, nsample, 3+channel) TF tensor
idx: (batch_size, npoint, nsample) TF tensor, indices of local points as in ndataset points
grouped_xyz: (batch_size, npoint, nsample, 3) TF tensor, normalized point XYZs
(subtracted by seed point XYZ) in local regions
'''
new_xyz = gather_point(xyz, farthest_point_sample(npoint, xyz)) # (batch_size, npoint, 3)
if knn: # 没有用可以不看
_,idx = knn_point(nsample, xyz, new_xyz)
else:
# idx:[B, npoint, nsample]
idx, pts_cnt = query_ball_point(radius, nsample, xyz, new_xyz)
grouped_xyz = group_point(xyz, idx) # (batch_size, npoint, nsample, 3)
grouped_xyz -= tf.tile(tf.expand_dims(new_xyz, 2), [1,1,nsample,1]) # translation normalization
if points is not None:
grouped_points = group_point(points, idx) # (batch_size, npoint, nsample, channel)
if use_xyz:
new_points = tf.concat([grouped_xyz, grouped_points], axis=-1) # (batch_size, npoint, nample, 3+channel)
else:
new_points = grouped_points
else:
new_points = grouped_xyz
return new_xyz, new_points, idx, grouped_xyz
- 先使用gather_point函数得到最远点采样的new_xyz。
- 再通过query_ball_point函数得到每个样本(以new_xyz作为球形邻域的中心)的每个球形领域的nsample个采样点集的索引idx。(此部分末尾有详细介绍)
idx: [B, npoint, nsample] 代表npoint个球形区域中每个区域的nsample个采样点的索引。 - 再通过group_point(xyz, idx) 得到grouped_points,也就是每一个batch的每一个npoint的每一个nsample的坐标。# (batch_size, npoint, nsample, 3)
- 接下来是注释说叫translation normalization的东西,就是下面这一行代码,它的目的就是在grouped_xyz中减去中心的点(最远点采样得到的new_xyz)。
grouped_xyz -= tf.tile(tf.expand_dims(new_xyz, 2), [1,1,nsample,1]) # translation normalization
#new_xyz:(b, npoint, 3) --> (b, npoint, 1, 3) --> (b, npoint, nsample, 3)
- 最后是如果每个点上面有新的特征的维度,则用新的特征与旧的特征拼接,否则直接返回旧的特征。这里因为use_xyz是true,所以拼接 XYZ三维坐标和channel个local point features。
参考
-
有关tf.tile与tf.expand_dims
关于tf.tile与tf.expand_dims
其中tf.expand_dims对tensor进行了维度扩展,第一个参数是处理的tensor,第二个参数是在原tensor的哪里增加一个维度。
tf.tile对当前张量内的数据进行一定规则的复制。最终的输出张量维度不变。
-
有关query_ball_point
query_ball_point函数,参考下面:
感谢xd的介绍
这个感觉很详细
大概就是:
这一层使用Ball query方法生成N’个局部区域,根据论文中的意思,这里有两个变量 ,一个是每个区域中点的数量K,另一个是球的半径。这里半径应该是占主导的,会在某个半径的球内找点,上限是K。球的半径和每个区域中点的数量都是人指定的。
query_ball_point函数用于寻找球形领域中的点。输入中radius为球形领域的半径,nsample为每个领域中要采样的点,new_xyz为S个球形领域的中心(由最远点采样在前面得出),xyz为所有的点云;输出为每个样本的每个球形领域的nsample个采样点集的索引[B, S, nsample][B,S,nsample],详细的解析都在备注里。
第二部分 Point Feature Embedding
# Point Feature Embedding
if use_nchw: new_points = tf.transpose(new_points, [0,3,1,2])
for i, num_out_channel in enumerate(mlp):
new_points = tf_util.conv2d(new_points, num_out_channel, [1,1],
padding='VALID', stride=[1,1],
bn=bn, is_training=is_training,
scope='conv%d'%(i), bn_decay=bn_decay,
data_format=data_format)
if use_nchw: new_points = tf.transpose(new_points, [0,2,3,1])
这里主要使用了tf_util.conv2d。
use_nchw的默认值是false,作者没有传入,使用默认值。
mlp三维,每次调用的时候传入,以Frame 1, Layer 1为例,mlp=[32, 32, 64]。
输入的new_points: (batch_size, npoint, nsample, 3+channel)
def conv2d(inputs,
num_output_channels,
kernel_size,
scope,
stride=[1, 1],
padding='SAME',
data_format='NHWC',
use_xavier=True,
stddev=1e-3,
weight_decay=None,
activation_fn=tf.nn.relu,
bn=False,
bn_decay=None,
is_training=None):
""" 2D convolution with non-linear operation.
Args:
inputs: 4-D tensor variable BxHxWxC
num_output_channels: int
kernel_size: a list of 2 ints
scope: string
stride: a list of 2 ints
padding: 'SAME' or 'VALID'
data_format: 'NHWC' or 'NCHW'
use_xavier: bool, use xavier_initializer if true
stddev: float, stddev for truncated_normal init
weight_decay: float
activation_fn: function
bn: bool, whether to use batch norm
bn_decay: float or float tensor variable in [0,1]
is_training: bool Tensor variable
Returns:
Variable tensor
"""
with tf.variable_scope(scope) as sc:
kernel_h, kernel_w = kernel_size
assert (data_format == 'NHWC' or data_format == 'NCHW')
# 根据不同的数据类型得到输入图像的通道数
# 输出图像的通道数由mlp[i]决定
if data_format == 'NHWC':
num_in_channels = inputs.get_shape()[-1].value
elif data_format == 'NCHW':
num_in_channels = inputs.get_shape()[1].value
kernel_shape = [kernel_h, kernel_w,
num_in_channels, num_output_channels]
kernel = _variable_with_weight_decay('weights',
shape=kernel_shape,
use_xavier=use_xavier,
stddev=stddev,
wd=weight_decay)
stride_h, stride_w = stride
# inputs: batch * npoint * nsample * 3+channel
# kenel: 1 * 1 * 3+channel * mlp[i]
# outputs: batch * npoint-2 * nsample-2 * mlp[i]
outputs = tf.nn.conv2d(inputs, kernel,
[1, stride_h, stride_w, 1],
padding=padding,
data_format=data_format)
# 给outputs每个点的mlp[i]channnels加上biases
biases = _variable_on_cpu('biases', [num_output_channels],
tf.constant_initializer(0.0))
outputs = tf.nn.bias_add(outputs, biases, data_format=data_format)
# 输出batch方向的归一化tensor
if bn:
outputs = batch_norm_for_conv2d(outputs, is_training,
bn_decay=bn_decay, scope='bn',
data_format=data_format)
if activation_fn is not None:
outputs = activation_fn(outputs)
return outputs
使用tf_util.conv2d更新了new_points(整合了每一个邻域采样的点的坐标与channel)。
- 首先根据传入的2维kernel确定kernel的长和宽,再根据输入的具体格式找到输入的通道数,这里用的是NHWC,所以num_in_channels = inputs.get_shape()[-1].value,在构造四维的kernel(h, w, 输入的通道,输出的通道)
- 使用variable_with_weight_decay来进行一些处理,作用是返回一个weight的tensor,不改变kernel的大小,目的是为了保障不同layer的weight近乎相同,具体啥意思我目前也不是很清楚。
- 设置步长是1,1
- 进行核心操作:二维卷积tf.nn.conv2d,stride虽然是四维的,但是第一维(对应input的batch是1,第四维也是1)。卷积核的大小是11,步长是11,padding是VALID。outputs的维度是()
- 给outputs每个点的mlp[i]channnels加上biases偏差,我也不知道在干嘛。
- 输出batch方向的归一化tensor,我也不知道在干嘛。
- 激励函数
参考
_variable_with_weight_decay
写的很好很透彻:tf.nn.cov
batch_norm_for_conv2d
别人的很全面的详细的讲解
第三部分 Pooling in Local Regions
采取了最大池化,由于axis = [2],所以在new_point的第三维进行最大池化,new_points的维度变化:(batch, npoint, nsample, mlp) -> ((batch, npoint, mlp),但由于keep_dims = true,所以保留第三个维度,大小为1,new_points的最终维度:(batch, npoint, 1, mlp)
if pooling=='max':
new_points = tf.reduce_max(new_points, axis=[2], keep_dims=True, name='maxpool')
第四部分 [Optional] Further Processing
如果传入了第二个mlp参数,就进行第二次卷积。
第五部分
最后进行维度的修正,删除在池化中被改为1的第三个维度。
new_points: (batch, npoint, 1 , mlp) -> ((batch, npoint , mlp))
# tf.squeeze删除了指定的那一个维度,但要求这一维度一定是1
new_points = tf.squeeze(new_points, [2]) # (batch_size, npoints, mlp2[-1])
return new_xyz, new_points, idx
flow_embedding_module
输入是经过两层下采样的frame1和frame2点集,输出是大小没有变化的新frame1点集。
"""
Input:
xyz1: (batch_size, npoint, 3)
xyz2: (batch_size, npoint, 3)
feat1: (batch_size, npoint, channel)
feat2: (batch_size, npoint, channel)
Output:
xyz1: (batch_size, npoint, 3)
feat1_new: (batch_size, npoint, mlp[-1])
"""
![](https://i-blog.csdnimg.cn/blog_migrate/601bdc57242bf974465a24de1568cb49.jpeg)
通过这一层得到两帧之间点云的关系,得到场景流。
关于这一层到底做了什么,文章中这么描述:
对于 frame1 中的某一个给定点 pi , 在 frame2 中找到 pi 给定半径内邻域内的所有点 qj(图中蓝色的点)。如果我们能知道 frame1 点云中 pi 点对应于 frame2 点云中的哪一点,那么场景流很容易得到,但是我们不知道,所以采取一个神经网络,用对半径内每个点进行投票的方式来确定最大可能是哪个点。
原论文中,主要是投入两个点的特征,以此希望得到一些weights来获取点集之间的对应关系。
we input two point features to h, expecting it to learn to compute the “weights” to aggregate all potential flow vectors dij=yj−xi.
- 首先得到frame2中在 frame1 的点邻域中的点 的坐标,即xyz2_grouped, xyz-diff是所有的距离。
if knn:
# 由论文倒退,我觉得这里是在 找可能与xyz1中的点有关系的xyz2中的点
_, idx = knn_point(nsample, xyz2, xyz1) # npooint = 256 nsample = 64
else:
# 如果不用knn,这里在找到xyz1的radius半径内的nsample个xyz2点
idx, cnt = query_ball_point(radius, nsample, xyz2, xyz1)
_, idx_knn = knn_point(nsample, xyz2, xyz1)
cnt = tf.tile(tf.expand_dims(cnt, -1), [1, 1, nsample])
idx = tf.where(cnt > (nsample - 1), idx, idx_knn) # 如果cnt > (nsample - 1) 那么返回idx,否则,相反
# xyz2_grouped就是那些蓝色的点
xyz2_grouped = group_point(xyz2, idx) # batch_size, npoint, nsample, 3
xyz1_expanded = tf.expand_dims(xyz1, 2) # batch_size, npoint, 1, 3
# 相当于找了xyz2中蓝色的点到xyz1的店(中心点)的距离
xyz_diff = xyz2_grouped - xyz1_expanded # batch_size, npoint, nsample, 3
- 再得到相应的各自feature, 如论文中所说,直接把各自的feature投入网络,这样的效果最好,所以代码中采用了tf.concat拼接两帧点云的feature。
# 找到这些操作点的feature
feat2_grouped = group_point(feat2, idx) # batch_size, npoint, nsample, channel
feat1_expanded = tf.expand_dims(feat1, 2) # batch_size, npoint, 1, channel
# TODO: change distance function
# 选择了这一个,我不能理解的点是,原文中明明说了把两个特征的距离差投进去效果不好,不如直接投入两个各自的特征,但这里依然是投入了两个的差
# 好像明白了,虽然这里是叫做diff,但其实它只是concat了而已。
elif corr_func == 'concat':
feat_diff = tf.concat(axis=-1, values=[feat2_grouped, tf.tile(feat1_expanded, [1, 1, nsample,
1])]) # batch_size, npoint, sample, channel*2
- 接下来就是mlp部分,非线性函数来进行一些操作。以及最后的max池化操作,由于keep_dims = False,所以经过池化之后直接四维变成三维。
# TODO: move scope to outer indent
with tf.variable_scope(scope) as sc:
for i, num_out_channel in enumerate(mlp):
feat1_new = tf_util.conv2d(feat1_new, num_out_channel, [1, 1],
padding='VALID', stride=[1, 1],
bn=True, is_training=is_training,
scope='conv_diff_%d' % (i), bn_decay=bn_decay)
if pooling == 'max':
feat1_new = tf.reduce_max(feat1_new, axis=[2], keep_dims=False, name='maxpool_diff')
elif pooling == 'avg':
feat1_new = tf.reduce_mean(feat1_new, axis=[2], keep_dims=False, name='avgpool_diff')
return xyz1, feat1_new
set_upconv_module
主要的作用是把学习到的部分点的场景流放大,推出所有点的场景流。
flying_things_dataset.py
和数据集有关的一个类,其间有各种路径,所以我会觉得有一点困难。
因为我觉得这个部分的代码比较简短易理解,主要就是很多储备知识不足,所以先搞一点背景知识。(正文在背景知识后面)
背景知识
glob
glob模块是python自己带的一个文件操作相关模块,用它可以查找符合自己目的的文件。
glob的主要方法就是glob。该方法返回所有匹配的文件路径列表(list),该方法需要一个参数用来指定匹配的路径字符串(字符串可以为绝对路径也可以为相对路径,其返回的文件名只包括当前目录里的文件名,不包括子文件夹里的文件。
比如:
glob.glob(r’c:*.txt’)
获得C盘下的所有txt文件
glob.glob(r’E:\pic**.jpg’)
获得指定目录下的所有jpg文件
详细的例子
.npz文件的读写
首先介绍.npy文件,它是Numpy专用的二进制格式,使用时,数组会以未压缩的原始二进制格式保存在扩展名为.npy的文件中。
npz文件是一种压缩文件,可以将多个数组保存到同一个文件中。
对于.npz,使用的主要函数是:
- np.savez() - 将多个数据保存到一个文件中
- np.load() - 读取文件,返回的是一个类似于字典的对象
import numpy as np
# 将多个数组保存到磁盘
a = np.arange(5)
b = np.arange(6)
c = np.arange(7)
np.savez('test', a, b, c_array=c) # c_array是数组c的命名
# 读取数组
data = np.load('test.npz') #类似于字典{‘arr_0’:a,’arr_1’:b,’c_array’:c}
print('arr_0 : ', data['arr_0'])
print('arr_1 : ', data['arr_1'])
print('c_array : ', data['c_array'])
--------------------------------------------------------------------------------
arr_0 : [0 1 2 3 4]
arr_1 : [0 1 2 3 4 5]
c_array : [0 1 2 3 4 5 6]
numpy 中的 shape 方法
numpy 中的 shape 方法返回的是一个数组的大小。
- a.shape()
- a.shape.[i] 返回a的第i维的大小
from numpy import *
a = array([[1, 2], [3, 4], [5, 6], [7, 8]])
print(a)
print(a.shape)
print(a.shape[0])
------------------------------------------------------
[[1 2]
[3 4]
[5 6]
[7 8]]
(4, 2)
4
np.random.choice
numpy.random.choice(a, size=None, replace=True, p=None)
从a(只要是ndarray都可以,但必须是一维的)中随机抽取数字,并组成指定大小(size)的数组
replace:True表示可以取相同数字,False表示不可以取相同数字
数组p:与数组a相对应,表示取数组a中每个元素的概率,默认为选取每个元素的概率相同。
cr: np.random.choice
为什么要对color的RGB归一化
在神经网络里,输入RGB图片的时候,通常要除以255,把像素值对应到0和1之间。
参考:深度学习中图像为什么要归一化?
灰度数据表示(为什么要除255)
正文
这样,这一部分的代码意思比较明朗了,npoints表示从原始数据中保留的点数,root表示data存放文件夹的目录,datapath表示从数据文件夹中找到所有的TRAIN.npz或者TEST.npz,使用datapath[index]来表示第几个npz文件。
import os
import os.path
import json
import numpy as np
import sys
import pickle
import glob
class SceneflowDataset():
def __init__(self, root='data_preprocessing/data_processed_maxcut_35_both_mask_20k_2k', npoints=2048, train=True):
self.npoints = npoints
self.train = train
self.root = root
if self.train:
self.datapath = glob.glob(os.path.join(self.root, 'TRAIN*.npz')) # 读取文件
else:
self.datapath = glob.glob(os.path.join(self.root, 'TEST*.npz'))
self.cache = {}
self.cache_size = 30000
###### deal with one bad datapoint with nan value
self.datapath = [d for d in self.datapath if 'TRAIN_C_0140_left_0006-0' not in d] # ???
######
def __getitem__(self, index):
if index in self.cache:
pos1, pos2, color1, color2, flow, mask1 = self.cache[index]
else:
fn = self.datapath[index]
# 'rb': 以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头
with open(fn, 'rb') as fp:
data = np.load(fp)
pos1 = data['points1']
pos2 = data['points2']
# 这里对RGB的值进行了归一化处理
color1 = data['color1'] / 255
color2 = data['color2'] / 255
flow = data['flow']
mask1 = data['valid_mask1']
if len(self.cache) < self.cache_size:
self.cache[index] = (pos1, pos2, color1, color2, flow, mask1)
# 所以cache[index]的值是上面这样一个元组
# cache = {index: (pos1, pos2, color1, color2, flow, mask1)}
# 如果这一个是训练数据
if self.train:
# n1是pos1第一维的大小
n1 = pos1.shape[0]
# 从n1中不放回地随机抽取npoints个数字
sample_idx1 = np.random.choice(n1, self.npoints, replace=False)
n2 = pos2.shape[0]
sample_idx2 = np.random.choice(n2, self.npoints, replace=False)
# 进行采样之后的一组新的数据
pos1_ = np.copy(pos1[sample_idx1, :])
pos2_ = np.copy(pos2[sample_idx2, :])
color1_ = np.copy(color1[sample_idx1, :])
color2_ = np.copy(color2[sample_idx2, :])
flow_ = np.copy(flow[sample_idx1, :])
mask1_ = np.copy(mask1[sample_idx1])
# 如果不是训练数据,直接取出前npoints个点
else:
pos1_ = np.copy(pos1[:self.npoints, :])
pos2_ = np.copy(pos2[:self.npoints, :])
color1_ = np.copy(color1[:self.npoints, :])
color2_ = np.copy(color2[:self.npoints, :])
flow_ = np.copy(flow[:self.npoints, :])
mask1_ = np.copy(mask1[:self.npoints])
return pos1_, pos2_, color1_, color2_,![在这里插入图片描述](https://img-blog.csdnimg.cn/aa991b8d9cc94705bdc022d7e968d77e.jpg?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Lqm5b61,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
flow_, mask1_
def __len__(self):
return len(self.datapath)
写了一个简单的脚本,具体感受一下这个类。
作为原始数据文件夹的data中有6个TRAIN.npz文件,3个TEST.npz。
如下图所示:
if __name__ == '__main__':
# import mayavi.mlab as mlab
d = SceneflowDataset(npoints=2048)
print("length of d: ", len(d)) # 看看datapath里面有多少个TRAIN.npz
# 输出:6
print("d.cache: ", d.get_cache()) # 这个时候cache是空的
# 输出:{}
print("length of d[1]: ", len(d[1])) # cache字典的第一个 是一个长度为6的元组
# 输出:6
pos1_, pos2_, color1_, color2_, flow_, mask1_ = d[1]
print("pos1: ", pos1_.shape)
# 输出: pos1: (2048, 3)
print("pos2: ", pos2_.shape)
# 输出: pos2: (2048, 3)
print("color1_: ", color1_.shape)
# 输出: color1_: (2048, 3)
print("color2_: ", color2_.shape)
# 输出: color2_: (2048, 3)
print("flow: ", flow_.shape)
# 输出: flow: (2048, 3)
print("mask: ",mask1_.shape)
# 输出: mask: (2048,)