qing
cd4d512ecd
- robot：_find_imus/_read_imus 按脚本块行序收集拼接 ≤4 个 MPU6050，_pad_imu 对齐 predictor.imu_dim - recorder/imu_norm/dataset/config：imu.npy 宽度 8×N，归一化除数按传感器数平铺 - 测试：双传感器闭环拼接/pad/truncate、宽布局录制、16 维归一化加载
49 lines
1.9 KiB
Python
49 lines
1.9 KiB
Python
"""IMU 姿态归一化 —— 训练（dataset）与推理（predict / hailo_infer）共用
|
||
|
||
量纲差异大（pybot MPU6050 原始输出，见 pybot/hd/mpu6050.py）：
|
||
roll/pitch 角度制，±180°
|
||
ax/ay/az 加速度计原始 int16（±8g 量程，1g≈4096 LSB）
|
||
gx/gy/gz 陀螺仪原始 int16（±500°/s 量程）
|
||
|
||
按物理量程做固定缩放归一化（不依赖数据统计文件，部署链零状态）：
|
||
索引 0,1 /180 → ≈[-1, 1]
|
||
索引 2..7 /32768 → ≈[-1, 1]
|
||
|
||
单传感器键序与 pybot robot.IMU_KEYS / recorder 一致：
|
||
[roll, pitch, ax, ay, az, gx, gy, gz]
|
||
多传感器（最多 4 个）按 pybot 脚本 @MPU6050_BIND 行顺序拼接，
|
||
每传感器占 8 槽，imu_dim = 8×N，归一化除数按 8 槽模式平铺。
|
||
|
||
仅依赖 numpy，保证 hailo_infer.py（HAT 部署环境无 torch）可直接复用。
|
||
"""
|
||
|
||
import numpy as np
|
||
|
||
# 各索引归一化除数（单传感器 8 槽；多传感器用 imu_scales() 平铺）
|
||
IMU_SCALES = np.array([180.0, 180.0,
|
||
32768.0, 32768.0, 32768.0,
|
||
32768.0, 32768.0, 32768.0], dtype=np.float32)
|
||
|
||
|
||
def imu_scales(imu_dim: int) -> np.ndarray:
|
||
"""归一化除数向量：8 槽模式按传感器数平铺（imu_dim = 8×N，N≤4）
|
||
|
||
imu_dim ≤ 8 时等价 IMU_SCALES 前缀（roll/pitch 子集仍可用）。
|
||
"""
|
||
reps = (imu_dim + len(IMU_SCALES) - 1) // len(IMU_SCALES)
|
||
return np.tile(IMU_SCALES, reps)[:imu_dim]
|
||
|
||
|
||
def normalize_imu(imu, imu_dim: int = 8) -> np.ndarray:
|
||
"""原始姿态向量 → 归一化向量（pad/truncate 到 imu_dim）
|
||
|
||
imu: list/np.ndarray，长度任意（None 等价全零）。
|
||
返回 (imu_dim,) float32。
|
||
"""
|
||
vec = np.zeros(imu_dim, dtype=np.float32)
|
||
if imu is not None:
|
||
src = np.asarray(imu, dtype=np.float32).ravel()
|
||
n = min(len(src), imu_dim)
|
||
vec[:n] = src[:n]
|
||
return vec / imu_scales(imu_dim)
|