参考自知乎大佬https://www.zhihu.com/column/multiUAV。讲的非常好！
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z3e4ntQj-1666056221172)(img/image-20220721163931368.png)]](https://img-blog.csdnimg.cn/b3fc3237841e48b489b349a871d652a8.png)
pitch是俯仰角，是“点头“
yaw是偏航角，是‘摇头’
roll是旋转角，是“翻滚”
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ywXj8QdJ-1666056221174)(img/v2-0db1efd128c753853931a229a2e47d63.jpg)]](https://img-blog.csdnimg.cn/b753b9f65c5d40889b633101ca7fe5a5.jpeg)
四旋翼参数：C:\AirSim\AirLib\include\vehicles\multirotor\firmwares\mavlink\ArduCopterSoloParams.hpp
螺旋桨电机参数：C:\AirSim\AirLib\include\vehicles\multirotor\RotorParams.hpp
C:\AirSim\AirLib\include\vehicles\multirotor\firmwares\simple_flight\firmware\Params.hpp AirSim API 使用的是 TCP/IP 中的 msgpack-rpc 协议，这是一种网络通信协议。当 AirSim 开始仿真的时候，会打开 41451 端口，并监听这个端口的需求。python 程序使用 msgpack serialization 格式向这个端口发送 RPC 包，就可以与AirSim进行通信了。可以通过 settings 文件改变AirSim使用的端口号。使用这种网络通信协议的方式，可以将 AirSim 和 python程序隔离，互不干扰。即使python程序中断了，AirSim 的仿真也可以继续进行。
import airsim # 导入airsim包
client = airsim.MultirotorClient() # 与airsim建立连接，并返回句柄
client.confirmConnection()
client.enableApiControl(True) # 获取控制权
client.enableApiControl(False) # 释放控制权
client.armDisarm(True) # 解锁
client.armDisarm(False) # 上锁
client.takeoffAsync().join() #起飞 .join()等待任务执行完毕
# client.landAsync().join() # 降落
client.hoverAsync().join()
很多无人机或者汽车控制的函数都有 Async 作为后缀，这些函数在执行的时候会立即返回，这样的话，虽然任务还没有执行完，但是程序可以继续执行下去，而不用等待这个函数的任务在仿真中有没有执行完。
如果你想让程序在这里等待任务执行完，则只需要在后面加上.join()。本例子就是让程序在这里等待无人机起飞任务完成，然后再执行降落任务。
新的任务会打断上一个没有执行完的任务，如果不加.join()后缀，则不用等待任务是否完成，函数直接返回，程序继续往下执行。所以如果takeoff函数没有加 .join()，则最后的表现是无人机还没有起飞就降落了，无人机是不会起飞的。
.join()就是需要等上一个任务执行完再执行，Async则是函数执行立即返回读下一条任务。
当四旋翼低速飞行时，其底层飞控可以解耦为3个通道：
这3个通道可以分别控制，可以理解为通道之间相互不会影响。水平通道可以控制四旋翼的水平位置、水平速度、水平姿态角；高度通道可以控制垂直高度、垂直速度、垂直加速度；偏航通道可以控制偏航角度、偏航角速度、偏航角加速度。
本文例子程序中的 x,y 是水平通道的指令，控制四旋翼水平方向的飞行；z 是高度通道指令，控制四旋翼的高度。本文例子程序中没有偏航通道指令，默认的偏航是 0，也就是四旋翼自身不会水平旋转，其朝向始终朝向前方。
首先是一个高度控制的API
client.moveToZAsync(-3, 1).join() # 高度控制
参数分别是高度和速度。-3是因为Airsim中使用的NED坐标系，右手系。
client.moveToPositionAsync(5, 0, -3, 1).join()
水平控制APImoveToPositionAsync(x, y, z, velocity)，xyz是全局坐标系，v是速度。表示的是以v的速度飞到（x,y,z）这个点。
函数的定义：
def moveToPositionAsync(
self,
x, # 位置坐标（北东地坐标系）
y,
z,
velocity, # 速度
timeout_sec=3e38, # 如果没有响应，超时时间
drivetrain=DrivetrainType.MaxDegreeOfFreedom,
yaw_mode=YawMode(), # 设置飞行朝向模式和yaw角控制模式
lookahead=-1,
adaptive_lookahead=1, # 置路径飞行的时候的yaw角控制模式
vehicle_name="",
)
x, y, z, velocity 这四个参数是必须要设置的量，指示四旋翼以多大的速度飞往哪个坐标点。后面的几个参数都有其默认值，不用设置也可以。
lookahead 和 adaptive_lookahead 这两个参数是设置当四旋翼飞轨迹的时候的朝向。
drivetrain 和 yaw_mode 这两个参数的组合可以设置四旋翼的偏航角控制模式。
client.moveByVelocityZAsync(vx, vy, z, duration).join()
速度控制函数，让四旋翼在z的高度，以vx, vy的速度，飞行duration秒。.join()是程序在这里等待任务执行完成。
函数定义：
def moveByVelocityZAsync(
self,
vx,
vy,
z,
duration,
drivetrain=DrivetrainType.MaxDegreeOfFreedom,
yaw_mode=YawMode(),
vehicle_name="",
)
还有另一个与之很相近的函数：
client.moveByVelocityAsync(vx, vy, vz, duration, drivetrain = DrivetrainType.MaxDegreeOfFreedom, yaw_mode = YawMode(), vehicle_name = '')
这里面vz表示的是z轴方向的速度
四旋翼是一个非线性系统，给一个速度指令，它是不可能瞬时达到的，而且这个速度指令与当前的速度之差越大，到达这个速度指令的调节时间就越长。
F 按键：FPVB 按键：跟随/FlyWithMe\ 按键：地面观察者/GroundObserver/ 按键：弹性机臂跟随/SpringArmChaseM 按键：手动/Manualdrivetrain 参数可以设置为两个量：
airsim.DrivetrainType.ForwardOnly： 始终朝向速度方向airsim.DrivetrainType.MaxDegreeOfFreedom：手动设置yaw角度yaw_mode 必须设置为 YawMode() 类型的变量，这个结构体类型包含两个属性：
情况1 (不允许)：
drivetrain = airsim.DrivetrainType.ForwardOnly
yaw_mode = airsim.YawMode(True, 0)
client.moveToPositionAsync(x, y, z, velocity, drivetrain=drivetrain, yaw_mode=yaw_mode).join()
当drivetrain = airsim.DrivetrainType.ForwardOnly 时，四旋翼始终朝向其飞行的方向，这时 yaw_mode 不允许设置为 YawMode().is_rate = True。因为前面的参数要求四旋翼朝向运动方向，而 yaw_mode 要求四旋翼以一定的角速度旋转，这是矛盾的。
情况2：
drivetrain = airsim.DrivetrainType.ForwardOnly
yaw_mode = airsim.YawMode(False, 90)
client.moveToPositionAsync(x, y, z, velocity, drivetrain=drivetrain, yaw_mode=yaw_mode).join()
这种情况下，四旋翼的朝向始终与前进方向相差90度，也就是四旋翼始终向左侧方向运动。例如：当四旋翼在绕着一个圆心转圈时，其朝向始终指向圆心（这种飞行状态的代码在下一篇文章中给出）。这里的90度可以任意设置。
情况3：
drivetrain = airsim.DrivetrainType.MaxDegreeOfFreedom
yaw_mode = airsim.YawMode(False, 0)
client.moveToPositionAsync(x, y, z, velocity, drivetrain=drivetrain, yaw_mode=yaw_mode).join()
这种情况下，不管速度方向是什么，四旋翼的yaw角始终等于0， 也就是其朝向始终指向正北方向。如果是90度，则始终指向正东方向，而-90度，则始终指向正西方向。
情况4：
drivetrain = airsim.DrivetrainType.MaxDegreeOfFreedom
yaw_mode = airsim.YawMode(True, 10)
client.moveToPositionAsync(x, y, z, velocity, drivetrain=drivetrain, yaw_mode=yaw_mode).join()
这种情况下，四旋翼不管速度方向是什么，yaw角以10度/秒的速度旋转。
简而言之，当drivetrain设置为始终朝向速度方向时，yaw_mode就不可以设置角速度。
AirSim 提供的轨迹跟踪 API 是基于位置控制的，所以严格意义上并不能算是轨迹跟踪，而应该称之为连续航路点飞行。无人机会依次飞过多个航路点，形成特定的飞行轨迹，其调用格式如下。
# 航路点轨迹飞行控制
client.moveOnPathAsync(path, velocity,
drivetrain = DrivetrainType.MaxDegreeOfFreedom,
yaw_mode = YawMode(),
lookahead = -1, adaptive_lookahead = 1,
vehicle_name = '')
参数说明：
参数 path 包含了多个航路点的全局位置坐标， 也就是说无人机要飞过 path 中包含的每一个坐标点（也就是航路点）。将 path 中的航路点依次连接起来，就会组成一条路径，无人机依次飞过航路点，就像是沿着特定路径飞行一样，形成路径跟踪的效果。
“moveOnPathAsync” 中使用的算法是 “Carrot Chasing Algorithm”，这是一个非常经典的路径跟踪算法，其中需要设置 “lookahead” 参数，这个参数的意义是设置在路径上向前看的距离。“lookahead” 设置的越大，在路径拐弯的时候，无人机就越提前转弯；如果 “lookahead” 参数设置的过小，则可能会出现超调，无人机会飞跃航路点，然后才拐弯。
无人机位置读取时使用的是全局坐标系，这里的全局坐标系定义是北东地（NED），全局坐标系的原点是无人机的初始位置。
state = client.getMultirotorState(vehicle_name = '')
其中无人机的状态变量 state 包含如下：
class MultirotorState(MsgpackMixin):
collision = CollisionInfo() # 碰撞信息
kinematics_estimated = KinematicsState() # 状态信息
gps_location = GeoPoint() # GPS 信息
timestamp = np.uint64(0) # 时间戳
landed_state = LandedState.Landed # 是否是降落状态
rc_data = RCData() # 遥控器数据
ready = False
ready_message = ""
can_arm = False
读取方式如下：
state_multirotor.collision # 碰撞信息
state_multirotor.kinematics_estimated # 运动信息
state_multirotor.gps_location # GPS经纬度信息
state_multirotor.timestamp # 时间戳 仿真开始后的时间 单位为纳秒
state_multirotor.landed_state # 降落信息 0为在地面，1为在空中
state_multirotor.rc_data # 遥控器信息
碰撞信息的定义：
class CollisionInfo(MsgpackMixin):
has_collided = False
normal = Vector3r()
impact_point = Vector3r()
position = Vector3r()
penetration_depth = 0.0
time_stamp = 0.0
object_name = ""
object_id = -1
状态信息的定义：
class KinematicsState(MsgpackMixin):
position = Vector3r() # 位置
orientation = Quaternionr() # 姿态角
linear_velocity = Vector3r() # 速度
angular_velocity = Vector3r() # 机体角速率
linear_acceleration = Vector3r() # 加速度
angular_acceleration = Vector3r() # 机体角加速度
读取方式：
# 无人机运动信息的估计值的6个属性
state_multirotor.kinematics_estimated.position # 位置信息估计值
state_multirotor.kinematics_estimated.linear_velocity # 速度信息估计值
state_multirotor.kinematics_estimated.linear_acceleration # 加速度信息估计值
state_multirotor.kinematics_estimated.orientation # 姿态信息估计值
state_multirotor.kinematics_estimated.angular_velocity # 姿态角速率信息估计值
state_multirotor.kinematics_estimated.angular_acceleration # 姿态角加速度信息估计值
GPS 信息包含：
class GeoPoint(MsgpackMixin):
latitude = 0.0
longitude = 0.0
altitude = 0.0
kinematics_state_groundtruth = client.simGetGroundTruthKinematics(vehicle_name = '')
其中返回值 kinematic_state_groundtruth包含6个属性：
# state_groundtruth 的6个属性
kinematic_state_groundtruth.position # 位置信息
kinematic_state_groundtruth.linear_velocity # 速度信息
kinematic_state_groundtruth.linear_acceleration # 加速度信息
kinematic_state_groundtruth.orientation # 姿态信息
kinematic_state_groundtruth.angular_velocity # 姿态角速率信息
kinematic_state_groundtruth.angular_acceleration # 姿态角加速度信息
以上6个属性中，除了 orientation 其他每个都包含了 x_val、y_val和z_val三个属性，分别代表x,y,z3个方向的值。例如位置真值的读取如下：
# 无人机全局位置坐标真值
x = kinematic_state_groundtruth.position.x_val # 全局坐标系下，x轴方向的坐标
y = kinematic_state_groundtruth.position.y_val # 全局坐标系下，y轴方向的坐标
z = kinematic_state_groundtruth.position.z_val # 全局坐标系下，z轴方向的坐标
同理，速度、加速度、姿态角速度、姿态角加速度真值的读取如下：
# 无人机全局速度真值
vx = kinematic_state_groundtruth.linear_velocity.x_val # 无人机 x 轴方向 (正北) 的速度大小真值
vy = kinematic_state_groundtruth.linear_velocity.y_val # 无人机 y 轴方向 (正东) 的速度大小真值
vz = kinematic_state_groundtruth.linear_velocity.z_val # 无人机 z 轴方向 (垂直向下) 的速度大小真值
# 无人机全局加速度真值
ax = kinematic_state_groundtruth.linear_acceleration.x_val # 无人机 x 轴方向 (正北) 的加速度大小真值
ay = kinematic_state_groundtruth.linear_acceleration.y_val # 无人机 y 轴方向 (正东) 的加速度大小真值
az = kinematic_state_groundtruth.linear_acceleration.z_val # 无人机 z 轴方向 (垂直向下) 的加速度大小真值
# 机体角速率
kinematic_state_groundtruth.angular_velocity.x_val # 机体俯仰角速率
kinematic_state_groundtruth.angular_velocity.y_val # 机体滚转角速率
kinematic_state_groundtruth.angular_velocity.z_val # 机体偏航角速率
# 机体角加速度
kinematic_state_groundtruth.angular_acceleration.x_val # 机体俯仰角加速度
kinematic_state_groundtruth.angular_acceleration.y_val # 机体滚转角加速度
kinematic_state_groundtruth.angular_acceleration.z_val # 机体偏航角加速度
而对于姿态的读取，姿态信息是用四元数表示的，而AirSim同时也提供了四元数转换为欧拉角的接口：
# 无人机姿态真值的四元数表示
kinematic_state_groundtruth.orientation.x_val
kinematic_state_groundtruth.orientation.y_val
kinematic_state_groundtruth.orientation.z_val
kinematic_state_groundtruth.orientation.w_val
# 四元数转换为欧拉角，单位rad
(pitch, roll, yaw) = airsim.to_eularian_angles(kinematic_state_groundtruth.orientation)
simGetImage接口simGetImage接口的调用方式如下：
# 一次获取一张图片
response = client.simGetImage(camera_name, image_type, vehicle_name='')
参数说明：
其中 camera_name和 image_type 是必须要设置的输入参数，用于指定使用无人机上的哪个相机和拍摄的图像类型，vehicle_name指定使用哪一架无人机。
返回值response是 bytes格式，是PNG格式图像的内容，其中不包含如相机等其他信息。所以使用simGetImage接口仅能拍摄PNG格式的图像。
simGetImages接口simGetImages接口可以以一种更灵活的方式拍摄图像，它可以一次获取多张不同类型的图片，同时也包含了拍摄信息和图片信息。此接口的调用格式如下：
# 同时获取多张图片（包括拍摄信息和图片信息）
responses = client.simGetImages(requests, vehicle_name= '')
参数说明：
参数 ImageRequest是AirSim的自定义类型，需要设置的参数包括：
# ImageRequest 初始化
airsim.ImageRequest(camera_name, image_type, pixels_as_float=False, compress=True)
参数说明：
针对3种图片形式，需要设置的参数总结如下表所示。
| 图像类型 | compress | pixels_as_float | 适合保存的图片类型 |
|---|---|---|---|
| PNG 格式 | True | False | 彩色图、分割图、表面法线图、红外图 |
| Array 格式 | False | False | 彩色图、分割图、表面法线图、红外图 |
| 浮点型格式 | False | True | 深度图 |
函数的返回值 responses 是list[ImageResponse]格式，ImageResponse是AirSim的自定义类型，其中包含的属性有：
# ImageResponse 包含的属性
ImageResponse.image_data_uint8 # (list[uint8])int型存储的图片数据
ImageResponse.image_data_float # (list[float])浮点型存储的图片数据
ImageResponse.camera_position # (Vector3r)拍摄图片时相机的全局位置
ImageResponse.camera_orientation # (Quaternionr)拍摄图片时相机的姿态信息
ImageResponse.time_stamp # (uint64)时间戳
ImageResponse.message # (string)传输的信息
ImageResponse.pixels_as_float # (bool)是否以浮点型保存图片数据
ImageResponse.compress # (bool)是否压缩图片
ImageResponse.width # (int)图片宽的像素个数
ImageResponse.height # (int)图片高的像素个数
ImageResponse.image_type # (ImageType)图片的类型
其中，图片的原始数据保存在image_data_uint8和image_data_float中。如果拍摄的是 PNG或 Array格式的图片，则图片数据以bytes格式保存在 ImageResponse.image_data_uint8 中，如果拍摄的是浮点型格式的图片，则数据保存在 ImageResponse.image_data_float 中。
可以看到返回的ImageResponse中包含了很多其他信息，例如：拍摄照片时的相机位置和姿态、时间戳、图片格式、图片分辨率、图片类型等，这对于后续的图片处理有很大的帮助。所以使用simGetImages接口可以获得更加丰富的信息。
使用APIs获取到的图像是保存在变量中的，程序运行结束后就会释放掉，为了将图像保留下来，需要将图像保存到文件中。不同格式的图像保存的方式不同，保存的目标文件格式也不同，本节分别介绍保存图像的步骤，并举例说明。
使用 simGetImage 接口可以直接得到以PNG协议保存的 bytes 格式图像数据。使用 simGetImages 接口通过手动设置输入参数，也可以得到以PNG协议保存的 bytes 格式图像数据。彩色图、分割图、红外图、表面法线图都支持获取PNG格式的图像。
PNG格式的图像保存比较简单，因为使用APIs读取到的图像就已经是以PNG协议形式存储的 bytes 格式，只需要将获取到的数据按照二进制格式写入文件中即可，同时文件后缀名要保存成.png格式。下面通过代码举例说明如何保存。
**举例1：**使用simGetImage获取PNG格式的彩色图，并保存成 .png 格式的图片文件：
# 获取PNG格式的彩色图，并保存到文件中
client = airsim.MultirotorClient()
response = client.simGetImage("front_center", airsim.ImageType.Scene)
f = open('scene.png', 'wb')
f.write(response)
f.close()
其中 f = open('1.png', 'wb') 的scene.png 表示文件路径和命名，如果没有此文件则创建文件； w 表示文件可写入；b表示以二进制 (bytes)格式读写文件。其中的response 是 bytes 格式，保存的是以PNG协议的图像内容。最后的 f.close() 必须执行，不然会出现错误。
**举例2：**使用 simGetImages 获取PNG格式的分割图，并保存成 .png 格式的图片文件。
client = airsim.MultirotorClient()
responses = client.simGetImages([
airsim.ImageRequest(0, airsim.ImageType.Segmentation, pixels_as_float=False, compress=True)])
f = open('seg.png', 'wb')
f.write(responses[0].image_data_uint8)
f.close()
**举例3：**使用 simGetImages 同时获取PNG格式的红外图和表面法线图，并保存成2个.png格式的图片文件。
client = airsim.MultirotorClient()
responses = client.simGetImages([
airsim.ImageRequest(0, airsim.ImageType.Infrared, pixels_as_float=False, compress=True),
airsim.ImageRequest(0, airsim.ImageType.SurfaceNormals, pixels_as_float=False, compress=True)])
# 保存红外图
f = open('infrared.png', 'wb')
f.write(responses[0].image_data_uint8)
f.close()
# 保存表面法线图
f = open('surface.png', 'wb')
f.write(responses[1].image_data_uint8)
f.close()
Array 格式的图像数据是图像最原始的保存形式，其意义很直观，大部分的图像处理如目标检测都需要 Array 格式。numpy库中提供了 array 相关的操作，所以在程序开头要导入 numpy 模块，为了方便，一般习惯性写成import numpy as np。
使用 OpenCV库中的 imwrite可以将 Array 格式的图像保存成任意格式的图像文件。所以使用python程序需要导入 OpenCV 库，需要在程序开头写上 import cv2。
实例代码如下。
import airsim
import numpy as np
import cv2
client = airsim.MultirotorClient()
# 读取图像数据，array格式
responses = client.simGetImages([
airsim.ImageRequest(0, airsim.ImageType.Scene, pixels_as_float=False, compress=False)])
# 将bytes格式转换为 array格式
img_1d = np.frombuffer(responses[0].image_data_uint8, dtype=np.uint8)
img_bgr = img_1d.reshape(responses[0].height, responses[0].width, 3)
# 保存为图片文件
cv2.imwrite('scene.png', img_bgr) # 保存为.png格式的图像文件
cv2.imwrite('scene.jpg', img_bgr) # 保存为.jpg格式的图像文件
cv2.imwrite('scene.tif', img_bgr) # 保存为.tif格式的图像文件
cv2.imwrite('scene.bmp', img_bgr) # 保存为.bmp格式的图像文件
其中在使用 simGetImages接口读取图像时，将 compress 设置为 False，即可得到 array格式的图像数据。此数据以 bytes 格式保存在 responses[i].image_data_uint8中，所以首先需要将其转换为 Array 格式的数据。
转换过程分为2步，使用 np.frombuffer 可以将bytes 格式的数据转换为1维的array格式，再使用reshape 复原成 height\times width \times 3 维的array格式的图像数据。使用 AirSim APIs 接口读到的 Array 格式图像数据的三个通道顺序是 BGR（蓝绿红），所以我们在程序中将读到的 Array 格式的图像数据命名为 img_bgr，便于后续的处理。
使用 OpenCV库中的 cv2.cvtColor()接口可以进行BGR Array和 RGB Array的相互转换。具体代码如下：
# 使用OpenCv库，进行BGR Array和 RGB Array的相互转换
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # BGR到RGB的转换
img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR) # BGR到RGB的转换
将 array格式的图像数据保存到图像文件中，需要用到cv2.imwrite()接口，此接口的调用格式如下：
import cv2
cv2.imwrite(img_path, img_src, [params])
参数说明：
cv2.imwrite()接口可以保存不同格式的图像文件，如上面的例子所示，可以保存.png、.jpg、.tif和.bmp等格式的图像文件。其中 [params]可以设置一些压缩率、图片质量等参数，其中.jpg格式的图片是有损压缩的图片。例如设置.jpg图像文件的质量为 10%，则代码为：
cv2.imwrite('scene_lowQuality.jpg', img_bgr, [cv2.IMWRITE_JPEG_QUALITY， 10])
使用opencv 中的encode 和 decode可以转换不同格式的图像数据。从PNG格式的图像数据转换为 Array格式叫做解码 (decode)，反过来叫做编码 (encode)。这其实很好理解，因为 Array 格式的图像数据是最原始的图像数据，而 PNG 格式是根据协议压缩后的数据，所以叫做编码。OpenCV库中提供了相应的接口，可以很方便的相互转换。
下面的代码举例说明了如何将 PNG 格式的图像数据转换为 Array 格式的图像数据。
# PNG 格式的图像数据转换为 Array 格式的图像数据
# 使用AirSim API 读取PNG格式的图像数据
responses = client.simGetImages([
airsim.ImageRequest(0, airsim.ImageType.Scene,
pixels_as_float=False, compress=True)])
# 1. 将PNG格式的图像数据，从bytes格式转换为 numpy.ndarray 格式
img_png = np.frombuffer(responses[0].image_data_uint8, np.uint8)
# 2. 转换为 Array 格式的图像数据，BGR顺序
img_bgr = cv2.imdecode(img_png, cv2.IMREAD_COLOR)
# 最终可以将Array格式的图像数据保存为 .png 格式的文件
cv2.imwrite('scene.png', img_bgr)
同样的，使用cv2.imencode()可以将 Array 格式的图像数据转换为 PNG 格式，下面的例子比较详细地说明了如何将 Array 格式的图像数据转换为 PNG 格式，并保存为 .png 格式的图片文件。
# 将 Array 格式的图像数据转换为 PNG 格式, 并保存为 `.png` 格式的图片文件
# 使用AirSim API 读取Array格式的图像数据
responses = client.simGetImages([
airsim.ImageRequest(0, airsim.ImageType.Scene,
pixels_as_float=False, compress=False)])
img_1d = np.frombuffer(responses[0].image_data_uint8, np.uint8)
img_bgr = img_1d.reshape(responses[0].height, responses[1].width, 3)
# 将 Array 格式的图像数据转换为 PNG 格式
img_png = cv2.imencode('.png', img_bgr)[1].tobytes()
# 将 PNG 格式的图像数据写入文件，即可保存为 `.png`格式的图片文件
f = open('1.png', 'wb')
f.write(img_png)
f.close()
另外 cv2.imencode() 还将 Array 格式的图像数据编码为其他的图像数据格式，详细内容请参考OpenCV 官网，下面的代码是转换为 JPG 格式。
# 转换为 JPG 格式的图像数据
img_jpg = cv2.imencode('.jpg', img_bgr)[1].tobytes()
有时候我们需要使用和保存灰度图，例如在深度图的处理中，通常为了观察方便会将原始深度图进行一些处理，例如将纯白色表示距离为100米或更远，纯黑色表示距离为0米。
因为灰度图仅有一个通道，所以 Array 格式灰度图的大小和维度为 height \times width。使用OpenCV库中的接口可以方便地将彩色图转换为灰度图。
# BGR顺序的Array彩色图转换为灰度图
img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
# RGB顺序的Array彩色图转换为灰度图
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RBG2GRAY)
# 灰度图保存为图片文件
cv2.imwrite('scene_gray.png', img_gray)
(img_png)
f.close()
另外 cv2.imencode() 还将 Array 格式的图像数据编码为其他的图像数据格式，详细内容请参考OpenCV 官网，下面的代码是转换为 JPG 格式。
# 转换为 JPG 格式的图像数据
img_jpg = cv2.imencode('.jpg', img_bgr)[1].tobytes()
有时候我们需要使用和保存灰度图，例如在深度图的处理中，通常为了观察方便会将原始深度图进行一些处理，例如将纯白色表示距离为100米或更远，纯黑色表示距离为0米。
因为灰度图仅有一个通道，所以 Array 格式灰度图的大小和维度为 height \times width。使用OpenCV库中的接口可以方便地将彩色图转换为灰度图。
# BGR顺序的Array彩色图转换为灰度图
img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
# RGB顺序的Array彩色图转换为灰度图
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RBG2GRAY)
# 灰度图保存为图片文件
cv2.imwrite('scene_gray.png', img_gray)