1. 预测的3D轨迹和实际轨迹的动画图，同时动态更新
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from matplotlib.animation import FuncAnimation, PillowWriter # 假设您有两组连续平滑的姿势数据集，一组表示预测值，一组表示真值 # 每个数据点包含姿势信息 [x, y, z, roll, pitch, yaw] # 这里使用一些示例数据，您需要替换为您的实际数据 num_poses = 200 # 增加轨迹点数 t = np.linspace(0, 20, num_poses) # 时间点，使轨迹变得更长 # 生成示例数据来表示预测值轨迹 x_pred = np.sin(t) y_pred = np.cos(t) z_pred = np.linspace(0, 10, num_poses) # 生成示例数据来表示真值轨迹 x_true = np.sin(t) + 0.5 # 真值轨迹稍微偏移 y_true = np.cos(t) + 0.5 z_true = np.linspace(0, 10, num_poses) # 创建一个 3D 图形 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 创建空的轨迹线，一个红色表示预测值，一个蓝色表示真值 line_pred, = ax.plot([], [], [], marker='o', linestyle='-', markersize=4, color='red', label='Predicted Trajectory') line_true, = ax.plot([], [], [], marker='o', linestyle='-', markersize=4, color='green', label='True Trajectory') # 设置图形标题和轴标签 ax.set_title('Pose Trajectories (Predicted vs. True)') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 添加图例 ax.legend(loc='upper right') # 初始化函数，用于绘制空轨迹线 def init(): line_pred.set_data([], []) line_pred.set_3d_properties([]) line_true.set_data([], []) line_true.set_3d_properties([]) return line_pred, line_true # 更新函数，用于更新轨迹线的数据 def update(frame): line_pred.set_data(x_pred[:frame], y_pred[:frame]) line_pred.set_3d_properties(z_pred[:frame]) line_true.set_data(x_true[:frame], y_true[:frame]) line_true.set_3d_properties(z_true[:frame]) # 扩大坐标范围，以包围轨迹 ax.set_xlim(min(x_true) - 1, max(x_true) + 1) ax.set_ylim(min(y_true) - 1, max(y_true) + 1) ax.set_zlim(min(z_true) - 1, max(z_true) + 1) return line_pred, line_true # 创建动画对象 ani = FuncAnimation(fig, update, frames=num_poses, init_func=init, blit=True) # 创建一个文件名为animation.gif的视频文件，使用PillowWriter ani.save('animation_gt.gif', writer=PillowWriter(fps=30)) # 显示动画 plt.show()
2 真值轨迹设置为静态的，预测轨迹不断更新
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from matplotlib.animation import FuncAnimation, PillowWriter # 假设您有两组连续平滑的姿势数据集，一组表示预测值，一组表示真值 # 每个数据点包含姿势信息 [x, y, z, roll, pitch, yaw] # 这里使用一些示例数据，您需要替换为您的实际数据 num_poses = 200 # 增加轨迹点数 t = np.linspace(0, 20, num_poses) # 时间点，使轨迹变得更长 # 生成示例数据来表示预测值轨迹 x_pred = np.sin(t) y_pred = np.cos(t) z_pred = np.linspace(0, 10, num_poses) # 生成示例数据来表示真值轨迹 x_true = np.sin(t) + np.random.uniform(-0.2, 0.3) # 真值轨迹稍微偏移 y_true = np.sin(t) + np.random.uniform(-0.2, 0.3) # 真值轨迹稍微偏移 z_true = np.linspace(0, 10, num_poses) # 创建一个 3D 图形 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 创建空的轨迹线，一个红色表示预测值，一个绿色表示真值 line_pred, = ax.plot([], [], [], marker='o', linestyle='-', markersize=4, color='red', label='Predicted Trajectory') line_true, = ax.plot(x_true, y_true, z_true, marker='o', linestyle='-', markersize=4, color='green', label='True Trajectory') # 设置图形标题和轴标签 ax.set_title('Pose Trajectories (Predicted vs. True)') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 添加图例 ax.legend(loc='upper right') # 设置轨迹显示范围 ax.set_xlim(-2, 2) # X轴范围 ax.set_ylim(-2, 2) # Y轴范围 ax.set_zlim(0, 12) # Z轴范围 # 初始化函数，用于绘制空轨迹线 def init(): line_pred.set_data([], []) line_pred.set_3d_properties([]) return line_pred, line_true # 更新函数，用于更新预测轨迹的数据 def update(frame): line_pred.set_data(x_pred[:frame], y_pred[:frame]) line_pred.set_3d_properties(z_pred[:frame]) return line_pred, line_true # 创建动画对象 ani = FuncAnimation(fig, update, frames=num_poses, init_func=init, blit=True) # 创建一个文件名为animation.gif的视频文件，使用PillowWriter ani.save('animation_1.gif', writer=PillowWriter(fps=30)) # 显示动画 plt.show()
3 网格的三维坐标系有旋转运动，以此全方位展示预测轨迹和真值轨迹之间的空间关系
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from matplotlib.animation import FuncAnimation, PillowWriter # 假设您有两组连续平滑的姿势数据集，一组表示预测值，一组表示真值 # 每个数据点包含姿势信息 [x, y, z, roll, pitch, yaw] # 这里使用一些示例数据，您需要替换为您的实际数据 num_poses = 200 # 增加轨迹点数 t = np.linspace(0, 20, num_poses) # 时间点，使轨迹变得更长 # 生成示例数据来表示预测值轨迹 x_pred = np.sin(t) y_pred = np.cos(t) z_pred = np.linspace(0, 10, num_poses) # 生成示例数据来表示真值轨迹 x_true = np.sin(t) + 0.5 # 真值轨迹稍微偏移 y_true = np.cos(t) + 0.5 z_true = np.linspace(0, 10, num_poses) # 创建一个 3D 图形 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 创建空的轨迹线，一个红色表示预测值，一个蓝色表示真值 line_pred, = ax.plot([], [], [], marker='o', linestyle='-', markersize=4, color='red', label='Predicted Trajectory') line_true, = ax.plot(x_true, y_true, z_true, marker='o', linestyle='-', markersize=4, color='blue', label='True Trajectory') # 设置图形标题和轴标签 ax.set_title('Pose Trajectories (Predicted vs. True)') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 添加图例 ax.legend(loc='upper right') # 设置轨迹显示范围 ax.set_xlim(-2, 2) # X轴范围 ax.set_ylim(-2, 2) # Y轴范围 ax.set_zlim(0, 12) # Z轴范围 # 初始化函数，用于绘制空轨迹线 def init(): line_pred.set_data([], []) line_pred.set_3d_properties([]) return line_pred, line_true # 更新函数，用于更新预测轨迹的数据和整体的旋转运动 def update(frame): line_pred.set_data(x_pred[:frame], y_pred[:frame]) line_pred.set_3d_properties(z_pred[:frame]) # 添加整体的旋转运动 ax.view_init(elev=20, azim=frame) # 调整视角，azim控制旋转 return line_pred, line_true # 创建动画对象 ani = FuncAnimation(fig, update, frames=num_poses, init_func=init, blit=True) # 创建一个文件名为animation.gif的视频文件，使用PillowWriter ani.save('animation.gif', writer=PillowWriter(fps=30)) # 显示动画 plt.show()
更新函数中使用了ax.view_init来控制整体的旋转运动，elev参数用于调整仰角，azim参数用于控制旋转。您可以根据需要调整elev和azim的值来实现所需的旋转效果。
