np.unique()函数及其应用(VoxelNet)
- 用于从lidar点云生成无重复的体素
对于一维数组或者列表，去除其中重复的元素 ，并由小到大返回返回新数组或列表；
numpy.unique(arr, return_index, return_inverse, return_counts)
arr：输入数组，如果不是一维数组则会展开
return_index：如果为 true，返回新列表元素在旧列表中的位置（下标），并以列表形式存储。
return_inverse：如果为true，返回旧列表元素在新列表中的位置（下标），并以列表形式存储。
return_counts：如果为 true，返回去重数组中的元素在原数组中的出现次数。、
- 简单的例子：
>>> b
array([[ 1. , 0.63512393, 1. ],
[ 1. , 0.87220436, 0.82533101],
[ 0.04865729, -0.83059518, 1.51482085],
[-1.26829021, 0.121988 , -0.24346367]])
>>> c, i, v = np.unique(b, axis=0, return_inverse=True, return_counts=True)
>>> c
array([[-1.26829021, 0.121988 , -0.24346367],
[ 0.04865729, -0.83059518, 1.51482085],
[ 1. , 1. , 1. ]])
>>> i
array([2, 2, 1, 0])
>>> v
array([1, 1, 2])
- 源码中例子：
def preprocess(self, lidar):
# shuffling the points
np.random.shuffle(lidar)
# pts在voxel中的坐标,在preprocess之前已经进行范围滤波，排除规定距离外的点云
voxel_coords = ((lidar[:, :3] - np.array([self.xrange[0], self.yrange[0], self.zrange[0]])) / (
self.vw, self.vh, self.vd)).astype(np.int32) # 转换成int整数类型
# convert to (D，W，H)也就是在voxel坐标系中的坐标
voxel_coords = voxel_coords[:,[2,1,0]]
# compute pts belongs to same x,y coords,由小到大排序D值，去除在axis=0，也就是[x,y,z]三个xyz坐标完全重复的体素
voxel_coords, inv_ind, voxel_counts = np.unique(voxel_coords, axis=0, \
return_inverse=True, return_counts=True)
# 这里生成的inv-ind是以索引的形式，从0～不重复的点云总量-1，以[2,0,0,...1,1,1]这种形式排列
voxel_features = []
# 遍历每一个voxel，并聚合其包含在内的所有原始点云特征
for i in range(len(voxel_coords)):
voxel = np.zeros((self.T, 7), dtype=np.float32) # [35, 7]
pts = lidar[inv_ind == i] # 包含在体素内的点云
if voxel_counts[i] > self.T: # if pts > max buffer, reduce to max-num:T
pts = pts[:self.T, :]
voxel_counts[i] = self.T
# augment the points: concatenate pts with means offset
voxel[:pts.shape[0], :] = np.concatenate((pts, pts[:, :3] - np.mean(pts[:, :3], 0)), axis=1)
voxel_features.append(voxel)
return np.array(voxel_features), voxel_coords # 每个voxel对应[35, 7]的点云，为3D数据[voxel_nums, 35, 7],缺少的以0补齐，多的则剔除
参考：https://blog.csdn.net/weixin_44211968/article/details/123772201