机器人持续学习基准LIBERO系列5—

机器人持续学习基准LIBERO系列5——获取显示深度图

本文主要是介绍机器人持续学习基准LIBERO系列5——获取显示深度图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

0.前置

机器人持续学习基准LIBERO系列1——基本介绍与安装测试
机器人持续学习基准LIBERO系列2——路径与基准基本信息
机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新
机器人持续学习基准LIBERO系列4——robosuite最基本demo

1.更改环境设置

LIBERO-master/libero/libero/envs/env_wrapper.py，第37行camera_depths=False改为True

2.获取归一化后的深度图

robosuite里面直接获取到的是三维的归一化到[0,1]区间的深度图
其中第三个维度为通道数1

agentview_depth = (obs["agentview_depth"])
robot0_eye_in_hand_depth =  (obs["robot0_eye_in_hand_depth"])

3.调整显示深度图

要把第三个维度去掉，再把值扩大到0-255，化为整数才能显示(参考)

agentview_depth = (agentview_depth.squeeze() * 255) .astype(np.uint8)
robot0_eye_in_hand_depth = (robot0_eye_in_hand_depth.squeeze() * 255) .astype(np.uint8)

显示

display(Image.fromarray(agentview_depth))
display(Image.fromarray(robot0_eye_in_hand_depth))

4.同时可视化彩色图和深度图

前置代码:机器人持续学习基准LIBERO系列1——基本介绍与安装测试, 机器人持续学习基准LIBERO系列2——路径与基准基本信息

env_args = {"bddl_file_name": os.path.join(os.path.join(get_libero_path("bddl_files"), task.problem_folder, task.bddl_file)),"camera_heights": 128,"camera_widths": 128
}env = OffScreenRenderEnv(**env_args)
#设置种子
env.seed(0)
#环境重置
env.reset()
#初始化
env.set_init_state(init_states[0])import numpy as np
#运动机械臂更新环境
obs, _, _, _ = env.step([0.] * 7)
#获取手外相机视角图片
agentview_image = (obs["agentview_image"])
robot0_eye_in_hand_image = (obs["robot0_eye_in_hand_image"])
agentview_depth = (obs["agentview_depth"])
robot0_eye_in_hand_depth =  (obs["robot0_eye_in_hand_depth"])
#深度图第三个维度是1，还是归一化后的，所以要把第三个维度去掉，再把值扩大到0-255，化为整数才能显示
#https://www.coder.work/article/7752795
agentview_depth = (agentview_depth.squeeze() * 255) .astype(np.uint8)
robot0_eye_in_hand_depth = (robot0_eye_in_hand_depth.squeeze() * 255) .astype(np.uint8)
display(Image.fromarray(agentview_image))
display(Image.fromarray(agentview_depth))
display(Image.fromarray(robot0_eye_in_hand_image))
display(Image.fromarray(robot0_eye_in_hand_depth))