hongchen/one hundred_class

100 Class

环境安装

在先前 门的检测的Docker环境中 安装所需依赖：

pip install onnx onnxruntime fastapi uvicorn

启动服务器

python api_server_with_result.py --host 0.0.0.0 --port 8000

API 调用

curl -X POST http://192.168.9.52:8000/api/process \
  -H "Content-Type: application/json" \
  -d '{"scene_path": "/mnt/100_cls_data/SG-tB5UI1cuW87"}' \
  -o result.json

字段	说明
URL	http://192.168.9.52:8000/api/process
输入格式	JSON
输入参数	scene_path
结果保存	result.json

数据集准备

文件结构如下：

SG-tB5UI1cuW87/
├── images/
│   ├── 0.jpg
│   └── 1.jpg
├── depthmap/
│   ├── 0.png
│   └── 1.png
├── vision.txt
└── SG-tB5UI1cuW87.png

一个场景包含以下文件：

• images/ — 存放全景图
• depthmap/ — 存放深度图
• vision.txt — 位姿信息
• SG-tB5UI1cuW87.png — 场景的平面图

data_folder 目录下提供了三个场景示例。

输出说明

代码运行后会生成 out_detect_furniture 文件夹，其中的 JSON 文件与全景图文件名一一对应。例如全景图名为 0.jpg，则生成的 JSON 文件为 0.json。

每个 JSON 文件包含以下字段：

字段	说明
bbox	检测到的类别区域（四个顶点坐标）
category	类别的英文标签
name	类别的中文标签
belong_room	所属房间的英文标签
belong_room_cn	所属房间的中文标签