forked from Dan4ick/Lidar_Muxa
b8e95eccbe
Ретина, ламина, медулла, лобула, грибовидное тело, веерное тело, центральный комплекс, нисходящие нейроны. Обучение памяти тоннеля и считывания MBON, оценка leave-one-bag-out, полигон дальности, 24 теста. Реальный объект на 55 м — 98.9 % кадров, ложных 7.5 трека на км, кадр обрабатывается за 33 мс на CPU.
111 lines
5.1 KiB
Python
111 lines
5.1 KiB
Python
"""Что попадает внутрь габарита в нормальном тоннеле.
|
||
|
||
Накапливает по многим кадрам занятость плоскости (поперёк, высота) в разных
|
||
поясах дальности и устойчивость плоскости пути. Нужно, чтобы выбрать границы
|
||
габарита и пороги, а не угадывать их.
|
||
|
||
python tools/analyze_gauge.py --bag data/for_hackathon/roundT_doubleT --frames 60
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import argparse
|
||
|
||
import matplotlib
|
||
matplotlib.use("Agg")
|
||
import matplotlib.pyplot as plt # noqa: E402
|
||
import numpy as np # noqa: E402
|
||
|
||
import _bootstrap as B # noqa: F401,E402
|
||
from flyguard.bag import Bag # noqa: E402
|
||
from flyguard.geometry import RailPlane, TrackFrame, fit_rail_plane # noqa: E402
|
||
from flyguard.retina import ScanLayout # noqa: E402
|
||
|
||
BANDS = [(5, 20), (20, 50), (50, 90), (90, 150), (150, 250)]
|
||
U_EDGES = np.arange(-4.0, 4.01, 0.05)
|
||
H_EDGES = np.arange(-1.0, 4.01, 0.05)
|
||
|
||
|
||
def main() -> None:
|
||
ap = argparse.ArgumentParser(description=__doc__)
|
||
ap.add_argument("--bag", required=True)
|
||
ap.add_argument("--frames", type=int, default=60)
|
||
ap.add_argument("--stride", type=int, default=3)
|
||
ap.add_argument("--fov", type=float, default=25.0)
|
||
args = ap.parse_args()
|
||
|
||
bag = Bag(args.bag)
|
||
layout = ScanLayout.calibrate([pc for _, pc in bag.frames(start=2, stop=14)])
|
||
cols = layout.column_slice(args.fov)
|
||
lay = layout.sub(cols)
|
||
|
||
hist = [np.zeros((U_EDGES.size - 1, H_EDGES.size - 1), np.int64) for _ in BANDS]
|
||
planes: list[RailPlane] = []
|
||
deficits: list[np.ndarray] = []
|
||
prev = None
|
||
|
||
for _, pc in bag.frames(stop=args.frames * args.stride, stride=args.stride):
|
||
img = layout.project(pc).crop(cols)
|
||
plane = fit_rail_plane(img, lay, prev=prev)
|
||
prev = plane
|
||
planes.append(plane)
|
||
tf = TrackFrame(img, lay, plane)
|
||
|
||
for k, (lo, hi) in enumerate(BANDS):
|
||
m = tf.valid & (tf.d >= lo) & (tf.d < hi)
|
||
if m.any():
|
||
hh, _, _ = np.histogram2d(tf.u[m], tf.h[m], bins=(U_EDGES, H_EDGES))
|
||
hist[k] += hh.astype(np.int64)
|
||
|
||
# дефицит до пола: луч должен был дойти до полотна внутри коридора
|
||
fr = tf.floor_r
|
||
uf = fr * lay.dirs[..., 0]
|
||
hit_in = np.isfinite(fr) & (np.abs(uf) < 1.7) & (fr > 10) & (fr < 200)
|
||
m = hit_in & tf.valid
|
||
if m.any():
|
||
deficits.append((fr[m] - tf.r[m]).astype(np.float32))
|
||
|
||
a = np.array([p.a for p in planes]); b = np.array([p.b for p in planes])
|
||
hgt = np.array([p.height for p in planes]); rms = np.array([p.rms for p in planes])
|
||
print(f"=== {bag.path.name}: {len(planes)} кадров")
|
||
print(f" высота сенсора над путём: {hgt.mean():.3f} ± {hgt.std():.3f} м "
|
||
f"(разброс {hgt.min():.3f}…{hgt.max():.3f})")
|
||
print(f" тангаж: {np.degrees(np.arctan(a)).mean():+.3f}° ± {np.degrees(np.arctan(a)).std():.3f}°")
|
||
print(f" крен: {np.degrees(np.arctan(b)).mean():+.3f}° ± {np.degrees(np.arctan(b)).std():.3f}°")
|
||
print(f" невязка плоскости rms: {rms.mean():.3f} м, инлайеров {np.mean([p.inliers for p in planes]):.0f}")
|
||
|
||
if deficits:
|
||
dd = np.concatenate(deficits)
|
||
print(f" дефицит до пола внутри коридора, м: "
|
||
+ " ".join(f"p{q}={np.percentile(dd, q):+.2f}" for q in (1, 50, 90, 99, 99.9))
|
||
+ f" доля > 1 м: {np.mean(dd > 1.0):.3%}")
|
||
|
||
fig, axes = plt.subplots(2, len(BANDS), figsize=(4 * len(BANDS), 8), dpi=110)
|
||
fig.suptitle(f"{bag.path.name}: занятость (поперёк, высота) по поясам дальности; "
|
||
f"красное — габарит 3.4 × 2.2 м", fontsize=12)
|
||
for k, (lo, hi) in enumerate(BANDS):
|
||
hh = hist[k].T
|
||
tot = hh.sum()
|
||
for row, norm in enumerate(("log", "col")):
|
||
ax = axes[row, k]
|
||
if tot == 0:
|
||
ax.set_title(f"{lo}–{hi} м: пусто"); continue
|
||
show = np.log10(1 + hh) if norm == "log" else hh / np.maximum(hh.sum(0, keepdims=True), 1)
|
||
ax.imshow(show, origin="lower", aspect="auto", cmap="inferno",
|
||
extent=[U_EDGES[0], U_EDGES[-1], H_EDGES[0], H_EDGES[-1]])
|
||
ax.add_patch(plt.Rectangle((-1.7, 0.05), 3.4, 2.15, fill=False, ec="r", lw=1.2))
|
||
ax.axhline(0, color="c", lw=0.6)
|
||
ax.set_title(f"{lo}–{hi} м, n={tot/1e3:.0f}k" + ("" if row == 0 else " (норм. по столбцу)"),
|
||
fontsize=9)
|
||
ax.set_xlabel("поперёк, м")
|
||
if k == 0:
|
||
ax.set_ylabel("высота над рельсом, м")
|
||
|
||
B.FIGURES.mkdir(parents=True, exist_ok=True)
|
||
out = B.FIGURES / f"gauge_{bag.path.name}.png"
|
||
fig.tight_layout(rect=(0, 0, 1, 0.95))
|
||
fig.savefig(out)
|
||
print(" сохранено:", out)
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|