物体の三次元姿勢推定 CenterSnap -ShapeNetCoreの作成- 【Python】

AI
2024.01.03
スポンサーリンク
スポンサーリンク

はじめに

前回は、オブジェクトのモデル情報を作成しました。

404: ページが見つかりませんでした | フードテックブログ
Nutrition x Food x AI x Robot
nutritionfoodtech.com

今回は、点群データの再構成に必要な ShapeNetCore を作成していきます。

前提条件

前提条件は以下の通りです。

object-deformnet の準備

output_data/bop_data/lm/models_obj が存在していない場合は、output_data/bop_data/lm/models を output_data/bop_data/lm/models_obj に変更してください。

まずは、ShapeNetCore の作成に必要な github リポジトリを取得します。

cd maskeNOCS
git clone https://github.com/mentian/object-deformnet.git
cd object-deformnet
touch preprocess/shape_data_custom.py
ROOT=/path/to/object-deformnet
cd $ROOT/lib/nn_distance
python setup.py install --user
python3 -m pip install -U matplotlib
python3 -m pip install tqdm
touch ../makeNOCS/output_data/bop_data/lm/models_obj/obj_000001.txt
touch ../makeNOCS/output_data/bop_data/lm/models_obj/obj_000001_norm.txt

obj_000001.txt の編集

前回作成した models_info.json を参考に、min_x, min_y, min_z を記入

7.236944e-02 3.276254e-02 5.148739e-03          ← min_x, min_y, min_z に -0.001 をかけたもの
-7.236944e-02 -3.276254e-02 -5.148739e-03       ← min_x, min_y, min_z に  0.001 をかけたもの

obj_000001_norm.txt の編集

CloudCompare でオブジェクトの ply ファイルを開いて、左中段あたりに記載されている Box Dimensionsを記入

1.06827e-01
7.15721e-02
4.81386e-02

ここの x, y, z の順番は、もしかしたら異なるかもしれません。

ShapeNetCore の作成

今作成した shape_data_custom.py を以下のように変更してください。

import os
import sys
import h5py
import glob
import numpy as np
import _pickle as cPickle
sys.path.append('../lib')
from lib.utils import sample_points_from_mesh


def save_nocs_model_to_file(obj_model_dir):
    """ Sampling points from mesh model and normalize to NOCS.
        Models are centered at origin, i.e. NOCS-0.5

    """

    # CAMERA dataset
    data_list = [
        "000001"
    ]
    for subset in ['train', 'val']:
        camera = {}
        for synsetId in data_list:
            path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(synsetId))
            model_points = sample_points_from_mesh(path_to_mesh_model, 1024, fps=True, ratio=3)
            # flip z-axis in CAMERA
            model_points = model_points * np.array([[1.0, 1.0, -1.0]])
            camera[synsetId] = model_points
        with open(os.path.join(obj_model_dir, 'camera_{}.pkl'.format(subset)), 'wb') as f:
            cPickle.dump(camera, f)

    # Real dataset
    for subset in ['real_train', 'real_test']:
        real = {}
        inst_list = glob.glob(os.path.join(obj_model_dir, '*.obj'))
        for inst_path in inst_list:
            instance = os.path.basename(inst_path).split('.')[0]
            bbox_file = inst_path.replace('.obj', '.txt')
            bbox_dims = np.loadtxt(bbox_file)
            scale = np.linalg.norm(bbox_dims)
            model_points = sample_points_from_mesh(inst_path, 1024, fps=True, ratio=3)
            model_points /= scale
            real[instance] = model_points
        with open(os.path.join(obj_model_dir, '{}.pkl'.format(subset)), 'wb') as f:
            cPickle.dump(real, f)


def save_model_to_hdf5(obj_model_dir, n_points, fps=False, include_distractors=False, with_normal=False):
    """ Save object models (point cloud) to HDF5 file.
        Dataset used to train the auto-encoder.
        Only use models from ShapeNetCore.
        Background objects are not inlcuded as default. We did not observe that it helps
        to train the auto-encoder.

    """
    catId_to_synsetId = {
        1: '000001'
    }
    distractors_synsetId = [
        "00000001"
    ]
    # read all the paths to models
    print('Sampling points from mesh model ...')
    if with_normal:
        train_data = np.zeros((3000, n_points, 6), dtype=np.float32)
        val_data = np.zeros((500, n_points, 6), dtype=np.float32)
    else:
        train_data = np.zeros((3000, n_points, 3), dtype=np.float32)
        val_data = np.zeros((500, n_points, 3), dtype=np.float32)
    train_label = []
    val_label = []
    train_count = 0
    val_count = 0
    # CAMERA
    for subset in ['train', 'val']:
        for catId in [1]:
            path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(catId_to_synsetId[catId]))
            model_points = sample_points_from_mesh(path_to_mesh_model, n_points, with_normal, fps=fps, ratio=2)
            model_points = model_points * np.array([[1.0, 1.0, -1.0]])

            if subset == 'train':
                train_data[train_count] = model_points
                train_label.append(catId)
                train_count += 1
            else:
                val_data[val_count] = model_points
                val_label.append(catId)
                val_count += 1
        # distractors
        if include_distractors:
            for synsetId in distractors_synsetId:
                path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(synsetId))
                model_points = sample_points_from_mesh(path_to_mesh_model, n_points, with_normal, fps=fps, ratio=2)
                # TODO: check whether need to flip z-axis, currently not used
                model_points = model_points * np.array([[1.0, 1.0, -1.0]])
                if subset == 'train':
                    train_data[train_count] = model_points
                    train_label.append(0)
                    train_count += 1
                else:
                    val_data[val_count] = model_points
                    val_label.append(0)
                    val_count += 1
    # Real
    for subset in ['real_train', 'real_test']:
        path_to_mesh_models = glob.glob(os.path.join(obj_model_dir, '*.obj'))
        for inst_path in sorted(path_to_mesh_models):
            instance = os.path.basename(inst_path).split('.')[0]
            catId_txt = instance[-2:]
            catId = int(catId_txt)
            print(instance, catId_txt, catId)
            
            # if instance.startswith('bottle'):
            #     catId = 1
            # elif instance.startswith('bowl'):
            #     catId = 2
            # elif instance.startswith('camera'):
            #     catId = 3
            # elif instance.startswith('can'):
            #     catId = 4
            # elif instance.startswith('laptop'):
            #     catId = 5
            # elif instance.startswith('mug'):
            #     catId = 6
            # elif instance.startswith('obj'):
            #     catId = 1
            # else:
            #     raise NotImplementedError
            model_points = sample_points_from_mesh(inst_path, n_points, with_normal, fps=fps, ratio=2)
            bbox_file = inst_path.replace('.obj', '.txt')
            bbox_dims = np.loadtxt(bbox_file)
            model_points /= np.linalg.norm(bbox_dims)
            # if catId == 6:
            #     shift = mug_meta[instance][0]
            #     scale = mug_meta[instance][1]
            #     model_points = scale * (model_points + shift)
            if subset == 'real_train':
                train_data[train_count] = model_points
                train_label.append(catId)
                train_count += 1
            else:
                val_data[val_count] = model_points
                val_label.append(catId)
                val_count += 1

    num_train_instances = len(train_label)
    num_val_instances = len(val_label)
    assert num_train_instances == train_count
    assert num_val_instances == val_count
    train_data = train_data[:num_train_instances]
    val_data = val_data[:num_val_instances]
    train_label = np.array(train_label, dtype=np.uint8)
    val_label = np.array(val_label, dtype=np.uint8)
    print('{} shapes found in train dataset'.format(num_train_instances))
    print('{} shapes found in val dataset'.format(num_val_instances))

    # write to HDF5 file
    print('Writing data to HDF5 file ...')
    if with_normal:
        filename = 'ShapeNetCore_{}_with_normal.h5'.format(n_points)
    else:
        filename = 'ShapeNetCore_{}.h5'.format(n_points)
    hfile = h5py.File(os.path.join(obj_model_dir, filename), 'w')
    train_dataset = hfile.create_group('train')
    train_dataset.attrs.create('len', num_train_instances)
    train_dataset.create_dataset('data', data=train_data, compression='gzip', dtype='float32')
    train_dataset.create_dataset('label', data=train_label, compression='gzip', dtype='uint8')
    val_dataset = hfile.create_group('val')
    val_dataset.attrs.create('len', num_val_instances)
    val_dataset.create_dataset('data', data=val_data, compression='gzip', dtype='float32')
    val_dataset.create_dataset('label', data=val_label, compression='gzip', dtype='uint8')
    hfile.close()


if __name__ == '__main__':
    obj_model_dir = '/path/to/makeNOCS/output_data/bop_data/lm/models_obj'
    # Save ground truth models for training deform network
    save_nocs_model_to_file(obj_model_dir)
    # Save models to HDF5 file for training the auto-encoder.
    save_model_to_hdf5(obj_model_dir, n_points=4096, fps=False)
    # Save nmodels to HDF5 file, which used to generate mean shape.
    save_model_to_hdf5(obj_model_dir, n_points=2048, fps=True)

上記を実行します。

cd makeNOCS/object-deformnet
python3 -m preprocess.shape_data_custom

実行が完了すると、makeNOCS/output_data/bop_data/lm/models_obj に ShapeNetCore_2048.h5, ShapeNetCore_4096.h5 が作成されます。

cd makeNOCS/output_data/bop_data/lm/models_obj
mkdir external
mv ShapeNetCore_2048.h5 external/

external フォルダを作成して、ShapeNetCore_2048.h5 を移動しておきます。

プログラム説明

shape_data_custom.py について説明していきます。

import os
import sys
import h5py
import glob
import numpy as np
import _pickle as cPickle
sys.path.append('../lib')
from lib.utils import sample_points_from_mesh


def save_nocs_model_to_file(obj_model_dir):
    """ Sampling points from mesh model and normalize to NOCS.
        Models are centered at origin, i.e. NOCS-0.5
    """

object-deformnet の lib フォルダを path に追加して import しています。

save_nocs_model_to_file 関数について説明していきます。

# CAMERA dataset
data_list = [
    "000001"
]

data_list は、対象となるオブジェクトの番号を記載します。今回は obj_000001.ply のみなので、”000001″ のみとなります。

for subset in ['train', 'val']:
    camera = {}
    for synsetId in data_list:
        path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(synsetId))
        model_points = sample_points_from_mesh(path_to_mesh_model, 1024, fps=True, ratio=3)
        # flip z-axis in CAMERA
        model_points = model_points * np.array([[1.0, 1.0, -1.0]])
        camera[synsetId] = model_points
    with open(os.path.join(obj_model_dir, 'camera_{}.pkl'.format(subset)), 'wb') as f:
        cPickle.dump(camera, f)

object-deformnet の学習には train, val が必要なので、両方のデータを作成していきます。
今回は簡単化のために train も val も同じデータを使用します。

メッシュファイルを pointcloud に変換し、z方向のカメラを反転させてからpkl ファイルに変換することで、学習時のロード時間を短縮できるようにします。(なぜ flip するのか分かってないです…)

# Real dataset
for subset in ['real_train', 'real_test']:
    real = {}
    inst_list = glob.glob(os.path.join(obj_model_dir, '*.obj'))
    for inst_path in inst_list:
        instance = os.path.basename(inst_path).split('.')[0]
        bbox_file = inst_path.replace('.obj', '.txt')
        bbox_dims = np.loadtxt(bbox_file)
        scale = np.linalg.norm(bbox_dims)
        model_points = sample_points_from_mesh(inst_path, 1024, fps=True, ratio=3)
        model_points /= scale
        real[instance] = model_points
    with open(os.path.join(obj_model_dir, '{}.pkl'.format(subset)), 'wb') as f:
        cPickle.dump(real, f)

CenterSnap や三次元姿勢推定のデータには、シミュレーション上のデータとリアルデータがあります。

リアルデータに関してはファインチューニングで使用します。

real_train, real_test がリアルデータとなります。

今回は obj_000001.txt を読み込んで、法線ベクトルを計算し、オブジェクトの点群をスケーリングします。

train, val と同様に pkl ファイルに保存しておくことでデータローダーを高速化します。

def save_model_to_hdf5(obj_model_dir, n_points, fps=False, include_distractors=False, with_normal=False):
    """ Save object models (point cloud) to HDF5 file.
        Dataset used to train the auto-encoder.
        Only use models from ShapeNetCore.
        Background objects are not inlcuded as default. We did not observe that it helps
        to train the auto-encoder.

    """
    catId_to_synsetId = {
        1: '000001'
    }
    distractors_synsetId = [
        "00000001"
    ]

save_model_to_hdf5 について説明していきます。

catId_to_synsetId はカテゴリの ID です。今回は 1 つだけなので、000001 を入力しておきます。

distractors_synsetId は使用しませんので、無視して大丈夫です。

# read all the paths to models
print('Sampling points from mesh model ...')
if with_normal:
    train_data = np.zeros((3000, n_points, 6), dtype=np.float32)
    val_data = np.zeros((500, n_points, 6), dtype=np.float32)
else:
    train_data = np.zeros((3000, n_points, 3), dtype=np.float32)
    val_data = np.zeros((500, n_points, 3), dtype=np.float32)
train_label = []
val_label = []
train_count = 0
val_count = 0

with_normal は特に指定しない限り False ですので無視します。

その他、必要な変数を初期化しておきます。

# CAMERA
for subset in ['train', 'val']:
    for catId in [1]:

まずはシミュレーションデータの train, val を作成していきます。
catId は [1] のみとなっていますが、使用するオブジェクトの種類に応じて [1, 2, 3, …] のように変更してください。

path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(catId_to_synsetId[catId]))
model_points = sample_points_from_mesh(path_to_mesh_model, n_points, with_normal, fps=fps, ratio=2)
model_points = model_points * np.array([[1.0, 1.0, -1.0]])

catId に対応する ply ファイルを読込みます。
メッシュファイルから点群に変更し、z軸のカメラを反転します。

if subset == 'train':
    train_data[train_count] = model_points
    train_label.append(catId)
    train_count += 1
else:
    val_data[val_count] = model_points
    val_label.append(catId)
    val_count += 1

train, val それぞれでデータセットの数をカウントします。

# distractors
if include_distractors:
    for synsetId in distractors_synsetId:
        path_to_mesh_model = os.path.join(obj_model_dir, "obj_{}.obj".format(synsetId))
        model_points = sample_points_from_mesh(path_to_mesh_model, n_points, with_normal, fps=fps, ratio=2)
        # TODO: check whether need to flip z-axis, currently not used
        model_points = model_points * np.array([[1.0, 1.0, -1.0]])
        if subset == 'train':
            train_data[train_count] = model_points
            train_label.append(0)
            train_count += 1
        else:
            val_data[val_count] = model_points
            val_label.append(0)
            val_count += 1

include_distractors はデフォルトでは False なので無視します。

# Real
for subset in ['real_train', 'real_test']:
    path_to_mesh_models = glob.glob(os.path.join(obj_model_dir, '*.obj'))
    for inst_path in sorted(path_to_mesh_models):

リアルデータに関して処理していきます。

処理していきますとは書きましたが、NOCSのリアルデータなど手作業で用意できるわけもないので、実際はシミュレーションデータを処理していきます。

instance = os.path.basename(inst_path).split('.')[0]
catId_txt = instance[-2:]
catId = int(catId_txt)
print(instance, catId_txt, catId)

オブジェクトの ply のファイル名を取得します。

色々コメントアウトされている部分からの変更点となります。

model_points = sample_points_from_mesh(inst_path, n_points, with_normal, fps=fps, ratio=2)
bbox_file = inst_path.replace('.obj', '.txt')
bbox_dims = np.loadtxt(bbox_file)
model_points /= np.linalg.norm(bbox_dims)

点群データを法線ベクトルでスケーリングします。

if subset == 'real_train':
    train_data[train_count] = model_points
    train_label.append(catId)
    train_count += 1
else:
    val_data[val_count] = model_points
    val_label.append(catId)
    val_count += 1

real_train, val_train のデータをカウントします。

num_train_instances = len(train_label)
num_val_instances = len(val_label)
assert num_train_instances == train_count
assert num_val_instances == val_count
train_data = train_data[:num_train_instances]
val_data = val_data[:num_val_instances]
train_label = np.array(train_label, dtype=np.uint8)
val_label = np.array(val_label, dtype=np.uint8)
print('{} shapes found in train dataset'.format(num_train_instances))
print('{} shapes found in val dataset'.format(num_val_instances))

カテゴリ数と画像データの数が同じだと、エラーで終了します。

カテゴリの数をターミナルに出力します。

# write to HDF5 file
print('Writing data to HDF5 file ...')
if with_normal:
    filename = 'ShapeNetCore_{}_with_normal.h5'.format(n_points)
else:
    filename = 'ShapeNetCore_{}.h5'.format(n_points)

ShapeNetCore の h5 ファイルのファイル名を作成します。

hfile = h5py.File(os.path.join(obj_model_dir, filename), 'w')
train_dataset = hfile.create_group('train')
train_dataset.attrs.create('len', num_train_instances)
train_dataset.create_dataset('data', data=train_data, compression='gzip', dtype='float32')
train_dataset.create_dataset('label', data=train_label, compression='gzip', dtype='uint8')

h5py を使用して新規の HDF5 ファイルをオープンします。

train グループを作成して、len, data, label の項目にデータを追加します。

val_dataset = hfile.create_group('val')
val_dataset.attrs.create('len', num_val_instances)
val_dataset.create_dataset('data', data=val_data, compression='gzip', dtype='float32')
val_dataset.create_dataset('label', data=val_label, compression='gzip', dtype='uint8')
hfile.close()

同様に、val グループを作成して、len, data, label の項目にデータを追加します。

if __name__ == '__main__':
    obj_model_dir = '/path/to/makeNOCS/output_data/bop_data/lm/models_obj'
    # Save ground truth models for training deform network
    save_nocs_model_to_file(obj_model_dir)
    # Save models to HDF5 file for training the auto-encoder.
    save_model_to_hdf5(obj_model_dir, n_points=4096, fps=False)
    # Save nmodels to HDF5 file, which used to generate mean shape.
    save_model_to_hdf5(obj_model_dir, n_points=2048, fps=True)

最後に、メイン関数です。

コメントに書いてある通り、n_points=4096 を AutoEncoder の学習に使用し、n_points=2048 を mean_shape の計算に使用します。

おわりに

今回はここまでとします。

まだまだこれから object-deformnet 関係の処理が続きます。

次回は、AutoEncoder の計算に必要なもうひとつの前処理について説明していきます。

もしかしたら、単純な形状であれば、この AutoEncoder の学習は不要なのかもしれません。

物体の三次元姿勢推定 CenterSnap -AE学習用中間ファイルの作成- 【Python】
物体の三次元姿勢推定 CenterSnap -学習用中間ファイルの作成- 【Python】 今回は、学習用に中間ファイルを作成していきます。
nutritionfoodtech.com
2024.01.07
スポンサーリンク

コメント

タイトルとURLをコピーしました