📌 测试用例
PythonAPI/examples/draw_skeleton.py
行人骨骼（Skeleton）可视化示例，用于：
- 在仿真中生成一个行人（Pedestrian）
- 实时获取其骨骼关节点的 3D 世界坐标
- 将骨骼投影到 RGB 摄像头图像上，绘制骨架连线与关键点
- 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。
carla_draw_skeleton
🔑 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
- 自动管理
- 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）：
可扩展为实时保存带骨骼标注的视频帧# pool.apply_async(write_image, (snapshot.frame, "ped", buffer))
🎯 核心应用场景
| 应用 | 如何利用本脚本 |
|---|---|
| 2D 人体姿态估计 | 生成带精确 2D 关键点标注的图像数据集 |
| 3D 人体重建 | 结合深度图 + 3D 骨骼坐标训练模型 |
| 行人行为分析 | 分析blend_pose参数与动作的关系 |
| 虚拟试衣/AR | 将虚拟服装绑定到骨骼节点 |
⚠️ 技术点
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
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）
- 正确处理 CARLA 特有的
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：
- 如何获取高精度行人骨骼数据
- 如何实现鲁棒的 3D→2D 投影
- 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。
