企业官网建设流程全解析

📌 测试用例

PythonAPI/examples/draw_skeleton.py

行人骨骼（Skeleton）可视化示例，用于：

1. 在仿真中生成一个行人（Pedestrian）
2. 实时获取其骨骼关节点的 3D 世界坐标
3. 将骨骼投影到 RGB 摄像头图像上，绘制骨架连线与关键点
4. 摄像机围绕行人做环绕运动，展示动态效果

适用于人体姿态估计、动作捕捉、行人行为分析等研究。

🔑 主要模块解析

1.CarlaSyncMode：同步模式上下文管理器

• 功能：封装 CARLA 同步模式的开启/关闭逻辑
• 优势：
  • 自动管理world.tick()与传感器数据对齐
  • 确保每帧只处理同一仿真时刻的摄像头图像和行人状态
• 使用方式：

  withCarlaSyncMode(world,camera,fps=30)assync_mode:snapshot,image_rgb=sync_mode.tick(timeout=5.0)

✅ 这是 CARLA多传感器同步的最佳实践。

2.行人骨骼获取与处理

bones=ped.get_bones()# 获取骨骼结构fori,boneinenumerate(bones.bone_transforms):boneIndex[bone.name]=i points.append(bone.world.location)# 3D 世界坐标

• get_bones()返回包含68 个骨骼节点的层级结构（含名称、局部/世界坐标）
• 常见节点命名如：
  • crl_hips__C（臀部中心）
  • crl_spine__C（脊柱）
  • crl_hand__L（左手）
  • crl_Head__C（头部）

💡 这些名称对应CARLA 内置行人模型的骨骼绑定。

3.3D→2D 投影管线

defget_screen_points(camera,K,image_w,image_h,points3d):# 1. 构建世界→相机变换矩阵world_2_camera=np.array(camera.get_transform().get_inverse_matrix())# 2. 将 3D 点转为齐次坐标 (x,y,z,1)points=np.array([...]).reshape(-1,4).T# 3. 变换到相机坐标系points_camera=np.dot(world_2_camera,points)# 4. CARLA 坐标系 → 标准 CV 坐标系: (x,y,z) → (y, -z, x)points=np.array([points_camera[1],-points_camera[2],points_camera[0]])# 5. 相机内参投影 + 归一化points_2d=np.dot(K,points)points_2d=[x/z,y/z,z]

• 完整实现从世界坐标到像素坐标的转换
• 正确处理CARLA 左手坐标系与计算机视觉右手坐标系的差异

4.骨骼可视化绘制

• draw_skeleton()：
  根据预定义的骨骼连接关系（如hips → spine,spine → neck），调用draw_line_on_buffer绘制绿色骨架线
• draw_points_on_buffer()：
  在关节点位置绘制红色圆点（除根节点外）
• 自定义光栅化：
  未使用 Pygame 高级绘图，而是直接操作NumPy 图像缓冲区，确保与原始图像融合

✅ 支持任意骨骼拓扑，只需修改boneIndex映射关系。

5.动态场景控制

• 行人动画：

  ped.blend_pose(math.sin(blending))# 混合行走/站立姿态controller.go_to_location(...)# AI 控制器导航

• 环绕摄像机：

  x=math.cos(turning)*-3y=math.sin(turning)*3trans.location=ped.location+(x,y,2)trans.rotation.yaw=-360*(turning/(2π))# 保持面向行人camera.set_transform(trans)

• 效果：摄像机以 3 米半径绕行人旋转，同时俯视 16°

6.图像处理与显示

• get_image_as_array()：
  将 CARLA 图像转为可写的 NumPy 数组（BGR → RGB）
• draw_image()：
  使用 Pygame 显示叠加骨骼的图像
• 多进程保存（注释掉）：

  # pool.apply_async(write_image, (snapshot.frame, "ped", buffer))

  可扩展为实时保存带骨骼标注的视频帧

🎯 核心应用场景

⚠️ 技术点

1. 完整的骨骼拓扑定义

   • 手动编码了60+ 条骨骼连接（从手指到脚趾）
   • 覆盖全身细节，支持高精度姿态可视化

2. 坐标系无缝转换

   • 正确处理 CARLA 特有的(x,y,z) → (y,-z,x)转换
   • 避免常见投影错误（如左右颠倒、上下翻转）

3. 纯客户端渲染

   • 所有绘制在 Python/NumPy 完成，不依赖 CARLA 渲染管线
   • 可轻松修改为保存标注文件（JSON/PNG）

✅ 总结

该脚本是 CARLA行人骨骼可视化的标杆示例，展示了：

1. 如何获取高精度行人骨骼数据
2. 如何实现鲁棒的 3D→2D 投影
3. 如何在动态场景中实时绘制骨架

它是构建人体姿态估计数据集或行人交互系统的理想起点，尤其适合需要精确关节标注的计算机视觉任务。