全国大学生智能车竞赛智慧医疗机器人惯导与避障思路分享

除了画出障碍物作为辅助，我们还加了几个按键来辅助任务之间的切换以及调用 API。

def keyboard_thread(self):
    while True:
        time.sleep(0.05)
        if keyboard.is_pressed('b') or keyboard.is_pressed('B'):
            self.sign4return_pub.publish(self.sign4return_data)
            time.sleep(0.5)
        if keyboard.is_pressed('r') or keyboard.is_pressed('R'):
            self.sign4return_data['data'] = 5
            self.sign4return_pub.publish(self.sign4return_data)
            self.sign4return_data['data'] = 0
            time.sleep(0.5)
        if keyboard.is_pressed('p') or keyboard.is_pressed('P'):
            self.sign4return_data['data'] = 6
            self.sign4return_pub.publish(self.sign4return_data)
            self.sign4return_data['data'] = 0
            time.sleep(0.5)
        if keyboard.is_pressed('j') or keyboard.is_pressed('J'):
            self.llm_data['data'] = 1
            self.llm_pub.publish(self.llm_data)
            time.sleep(1)

半场扫码

小粉和小橙前面的 USB 相机拍出来的照片较模糊。小橙的优势在于深度相机，不仅能获取深度信息，成像清晰度也远高于 USB 相机。

图 3 深度相机扫码

图 4 USB 相机扫码

扫码节点不要一直开启，特别耗 CPU。扫码条件是：任务状态为任务一，且小车过了半场（全局坐标 x 超过 2m）。

import rclpy
from rclpy.node import Node
import cv2
import numpy as np
from sensor_msgs.msg import Image
from std_msgs.msg import String, Int32
from nav_msgs.msg import Odometry
from origincar_msg.msg import Sign
from cv_bridge import CvBridge

TASK1 = 1
TASK2_WAITFOR_CMD = 2
TASK2 = 3
TASK3 = 4
TASK_STOP = 5

class QrCodeDetection(Node):
    def __init__(self):
        super().__init__('QRcodeSub')
        self.Sign4ReturnSub = self.create_subscription(Int32, 'sign4return', self.sign4return_callback, 10)
        self.ImageSub = self.create_subscription(Image, '/aurora/rgb/image_raw', self.image_callback, 10)
        self.OdomSub = self.create_subscription(Odometry, '/odom_combined', self.Odom_callback, 10)
        self.qrcode_publisher = self.create_publisher(String, "/qrcode_information", 10)
        self.info_result = String()
        self.sign_publisher = self.create_publisher(Sign, '/sign_switch', 10)
        self.sign_msg = Sign()
        self.detector = cv2.wechat_qrcode_WeChatQRCode(
            "/userdata/WorkSpace/codes/src/qrcode/qrcode/model/detect.prototxt",
            "/userdata/WorkSpace/codes/src/qrcode/qrcode/model/detect.caffemodel",
            "/userdata/WorkSpace/codes/src/qrcode/qrcode/model/sr.prototxt",
            "/userdata/WorkSpace/codes/src/qrcode/qrcode/model/sr.caffemodel"
        )
        self.bridge = CvBridge()
        self.node_run = False
        self.task = TASK1

    def image_callback(self, msg):
        if self.node_run and (self.task == TASK1 or self.task == TASK2):
            cv2_image = self.bridge.imgmsg_to_cv2(msg, desired_encoding='mono8')[155:, :]
            res = self.detector.detectAndDecode(cv2_image)[0]
            if res:
                self.node_run = False
                for r in res:
                    self.info_result.data = str(r)
                    self.qrcode_publisher.publish(self.info_result)
                    self.get_logger().info("\033[94m{}\033[0m".format(self.info_result.data))
                    if self.info_result.data == "AntiClockWise":
                        self.sign_msg.sign_data = 4
                    elif self.info_result.data == "ClockWise":
                        self.sign_msg.sign_data = 3
                    else:
                        try:
                            data = int(r)
                            if data % 2:
                                self.sign_msg.sign_data = 3
                            else:
                                self.sign_msg.sign_data = 4
                        except:
                            pass
                    self.sign_publisher.publish(self.sign_msg)
                    self.info_result.data = "None"
                    self.sign_msg.sign_data = 0
            else:
                return

    def sign4return_callback(self, msg):
        if msg.data == 0 or msg.data == -1:
            self.task = TASK1
            self.node_run = False
        elif msg.data == 5:
            self.task = TASK2
        elif msg.data == 6:
            self.task = TASK3

    def Odom_callback(self, msg):
        if self.task == TASK1 and msg.pose.pose.position.x > 2:
            self.node_run = True

def main(args=None):
    rclpy.init(args=args)
    qrCodeDetection = QrCodeDetection()
    while rclpy.ok():
        rclpy.spin(qrCodeDetection)
    qrCodeDetection.destroy_node()
    rclpy.shutdown()

if __name__ == '__main__':
    main()

我们没有把整张照片丢给微信的扫码模型，而是裁掉了一部分。例如，先取最近的扫码距离，把红线上面的部分去掉，这样图像就小了很多。

图 5 裁掉一部分图片

准确返回 P 点

我们准确返回 P 点的思路有 3 个，其中一个是另一队学弟分享的。他们的思路是任务二停车对准 P 点，然后退出遥操作，这样 P 点就在车的正前方，加上 YOLO 识别 P 点，也可以回去，但这很看机师的操作。

我的思路是：校准 P 点的坐标。

思路 1——使用地图的固定元素来校准

这个思路要重置里程计，每次都在通道重置，相当于把原点设在了这里，计算出来的相对坐标可以直接用作全局坐标。

如果小车每次从任务二出来都停在同一个位置，然后重置里程计，那么一定会有一个终点可以让小车回去。比如每次都停在这个位置，那么一定有个坐标是可以回去的（以车头方向为 x+，车左边为 y+）。

图 6 固定小橙的位置，终点是 (1.9m, -1.5m)

但是正式比赛时，机师是最紧张的，很难做到每次都停得这么准确，所以得想办法校准，用地图的固定元素。

通道出来有什么是一定可以识别到的？很明显，前面有线。线在地图的位置绝对是固定的，接下来的操作就是在线上了。

有了线，那就先求线的相对位置（相对于小车的，因为重置了里程计）。求线的相对位置可以参考逆透视变换的文章。

基于透视变换的单目摄像头单一平面障碍物深度信息获取算法

我们先把车固定在一个位置，比如图 6 的位置，用小橙的 USB 相机拍一张照片，然后给终点让小橙跑过去，多试几次，每次都要放回原来的位置跑过去，小橙正好回去的点就是 (1.9m, -1.5m)（记得清空里程计之后再跑）。

图 8 固定位置的视角

这个 (1.9m, -1.5m) 是关键。有了一个点，接下来就是用逆透视变换求前面 2 根线的相对位置（必须是最近的 2 根）。

这样，我们就有了 3 个点的坐标，分别是 A，B，P。有了这 3 个点，我们再任意摆放车，比如图 7 的位置，再用逆透视变换计算图 7 视角下最近的 2 根线的相对位置。这样就又有了 2 个点，分别是 A'，B'，一共有了 5 个点，现在就是用这 5 个点来计算 P'。

问题简化一下：在原来坐标系下，我知道 A，B，P 3 个点。原坐标系经过变换之后，我可以知道 A'，B'，接下来我想求 P'。

要求 P'，那就得先知道前后 2 个坐标系是怎么变换的，也就是前后 2 个坐标系之间的旋转矩阵 R 和平移变量 t。

利用已知的两个对应点对 (A, A') 和 (B, B') 来求解 R 和 t。

对于点 A 和 A'：

A′ = RA + t (1)

对于点 B 和 B'：

B′ = RB + t (2)

将方程 (1) 和 (2) 相减：

A′ − B′ = R( A − B )

令：

ΔAB = A − B ΔA′B′ = A′ − B′

则：

ΔA′B′ = RΔAB

因此，旋转矩阵 R 可以这样求解：

R = ΔA′B′ ΔAB^(-1)

一旦得到 R，可以通过任一对点求解 t。比如，用 A 和 A'：

t = A′ − RA

最后，对于 P，其在新坐标系中的坐标 P′ 为：

P′ = RP + t

这就是校准的所有步骤了，用 2 根线的坐标去校准 P 点的坐标。

实际情况是二维平面，操作可以更简单：

大家把 C 换成 P 来看就可以了。

最后计算出来这个 P 点是非常准确的，用 Python 写的代码（有些参数是固定的，大家可以先离线计算）：

def end_point(x1, y1, x2, y2, x3, y3, x1_, y1_, x2_, y2_):
    delta_x = x1 - x2
    delta_y = y1 - y2
    delta_x_ = x1_ - x2_
    delta_y_ = y1_ - y2_
    den = delta_x ** 2 + delta_y ** 2
    a = (delta_x * delta_x_ + delta_y * delta_y_) / den
    b = (delta_x * delta_y_ - delta_y * delta_x_) / den
    tx = x1_ - a * x1 + b * y1
    ty = y1_ - b * x1 - a * y1
    x3_ = a * x3 - b * y3 + tx
    y3_ = b * x3 + a * y3 + ty
    print(f"(x1, y1): ({x1, y1}), (x2, y2): ({x2, y2}), (x3, y3): ({x3, y3}) delta x: {delta_x}, delta y: {delta_y}, den: {den}")
    return x3_, y3_

print(f"end': {end_point(ptx1, pty1, ptx2, pty2, 1.9, -1.5, ptx3, pty3, ptx4, pty4)}")

思路 2——不重置里程计，使用 YOLO 识别 P 点结果来校正终点

我们比赛时候使用的就是这个思路，上一个思路要在通道处停一下，这个是不需要停下来，直接冲出去就行了。这个思路比上一个简单很多，能回去的概率非常大。

这个思路是，使用 YOLO 识别 P 点，然后还是用逆透视变换计算 P 点相对坐标，再通过小车的坐标计算这个 P 点的全局坐标。

# 单应性矩阵，计算全局坐标
H = np.array([
    [-4.66389128e-04, -2.26288030e-04, -4.92300831e-02],
    [7.59821540e-04, 5.20569143e-05, -2.33074608e-01],
    [-6.59643252e-04, -7.15022786e-03, 1.00000000e+00],
])

def pixel2global(self, pixel_x, pixel_y):
    # 计算全局坐标，从像素到局部再到全局
    pixel = np.array([pixel_x, pixel_y, 1], dtype=np.float32)
    # 应用逆透视变换矩阵
    local = np.dot(H, pixel)
    # 归一化坐标
    local /= local[2]
    local[0] += 0.25
    # 摄像头坐标转车底盘坐标
    car_cos = np.cos(self.current_pos[2])
    car_sin = np.sin(self.current_pos[2])
    global_x = self.current_pos[0] + car_cos * local[0] - car_sin * local[1]
    global_y = self.current_pos[1] + car_sin * local[0] + car_cos * local[1]
    return global_x, global_y

将 P 点中心的像素坐标丢到这个函数里面，输出的就是校正之后的终点了（车头朝向为 x+，车左边为 y+）。因为全程不重置里程计，所以未校正的终点设为出发的原点 (0.5m, 0.2m)。

这种思路对 YOLO 的要求比较高，所以必须采集非常多的数据。我们在实验室采了 7k，数据增强之后就有了差不多 2w2，训练出来的效果很好。最后在比赛现场采了 1k4，增强到 7k，一共 2w9 张，加急训练了 22 小时。其中数据集有超过一半的是 P 点的。

采集数据的时候，这种只有一个小角或被桶挡住了或比较远看起来很扁的也贴上（凡是小车可以看到 P 点，哪怕是一点点也要标上，而且尽量采集多一些），这样训练出来也是可以识别到的，回去更轻松。不过要注意一下任务三出来的位置，可能会误识成 P 点，所以在任务三出来（包括白色网格那里）也要采集一点，不需要太多。

修改 STM32 源码

STM32 源码我基本上都看过了，也找到了很多可以修改的地方。

最重要的是舵机转角。我找到了舵机转角的限制，但是转角对不对称跟有没有限制是没关系的，如果去掉限制，反而有可能会把前轮给跑坏。

所以，问题应该是出在了计算上面，计算舵机转角的地方也就只有这个多项式了。

它的输入是右前轮的转角，输出是舵机角度。

右前轮的转向角度的限幅是（-0.49，0.32）（0.32 是左转最大的角度，-0.49 是右转最大角度），说明右前轮的角度在 -0.49 和 0.32 的时候，小车的舵机量应该是相同的。但是，直接把这 2 个值带入原来的多项式中，得到的舵机量是这样的：

这就说明小车左转转角小，右转转角大。用上位机跑的时候，确实是左转小，右转大。

调整多项式的二次项系数之后，大概让左右转的舵机量相同。

经过这样的调整之后，小车左转和右转是差不多的角度了。在上位机跑起来，左右转是对称的。

为了提高惯导的计算频率，我把串口发送的频率提高到了 50Hz，串口波特率提高到了 921600，而且也把其他没用到的外设（比如 CAN，蓝牙）给关了，只留下串口 1 和串口 3。

这里为什么用串口 1 呢？因为我们小橙底板的串口 3 有问题，会出现断连，干脆直接换成串口 1 了，也就是烧录口。（不知道为什么，把串口 3 关掉之后，oled 会卡住，只能打开它了）

在 X5 上面，找到 /root/dev_ws/origincar/origincar_base/launch/base_serial.launch.py，波特率改成 921600，再编译一下就可以正常通信了（不用管 clear_flag）。

因为提高串口发送的频率到 50Hz，所以，小车上 EKF 的计算频率也要设为 50Hz。

我们实际用下来，发现小车的 odom_combined 挺准的，一圈下来 x 和 y 偏得都不算太大。我们也改了一下 ekf.yaml，大家可以参考一下我们改的地方。

原来的 /imu/data_raw 是原始数据，/imu/data 是经过滤波之后的。

除了删掉一些外设，我们还把电位器决定车型号的部分也删掉了，固定车型号为 Ackerman；oled 刷屏显示也把跟 Ackerman 无关的给删掉了。

补充

忘记把处理数据的代码放上来了，就在这里补充一下吧。

我们贴标签不是傻乎乎地全部自己来贴。我们先用以前训练过的模型贴一遍，然后再人工检查一遍。这样子操作，一个人不用一天时间就可以贴差不多 6k。

除此之外，我们还写了删除无效图片和无效标签的脚本（图片没有对应同名的标签或者标签没有对应同名的图片）、数据增强的脚本（没有旋转）和将数据分批次让队友来帮忙的脚本。

最好在检查完模型贴的标签之后，再进行数据增强。

代码我都放在后面。

后记

希望这份分享可以帮助大家接下来的比赛。

附：

这份是让模型贴标签的：

import argparse
import os
import shutil
import time
from pathlib import Path
import torch
import torch.backends.cudnn as cudnn
import cv2
from models.experimental import attempt_load
from utils.datasets import LoadImages
from utils.utils import non_max_suppression, scale_coords, xyxy2xywh
from utils.torch_utils import select_device, time_synchronized

'''
用训练过的模型贴标签
'''
def auto_annotate(source, weights, output, img_size=640, conf_thres=0.25, iou_thres=0.45, view_img=False):
    """ 使用 YOLOv5 模型自动标注图像
    参数:
        source (str): 输入图像文件夹路径
        weights (str): 模型权重路径
        output (str): 输出文件夹路径
        img_size (int): 推理尺寸
        conf_thres (float): 置信度阈值
        iou_thres (float): IOU 阈值
        device (str): 使用的设备 (cpu, 0, 1, ...)
        view_img (bool): 是否显示结果图像
    """
    # 初始化
device = select_device(device)
half = device.type != 'cpu'
# 半精度仅在 CUDA 上支持

# 创建输出文件夹
# if os.path.exists(output):
#     shutil.rmtree(output)
# os.makedirs(output)
# 创建新的输出文件夹
# os.makedirs(os.path.join(output, 'labels'))
# 创建标签文件夹

# 加载模型
model = attempt_load(weights, map_location=device)
# 加载 FP32 模型
imgsz = img_size
if half:
    model.half()
# 转换为 FP16

# 获取类别名称
names = model.module.names if hasattr(model, 'module') else model.names
# 设置数据加载器
dataset = LoadImages(source, img_size=imgsz)
# 运行推理
t0 = time.time()
img = torch.zeros((1, 3, imgsz, imgsz), device=device)
# 初始化图像
_ = model(img.half() if half else img) if device.type != 'cpu' else None
# 运行一次
for path, img, im0s, _ in dataset:
    img = torch.from_numpy(img).to(device)
    img = img.half() if half else img.float()
    # uint8 to fp16/32
    img /= 255.0
    # 0 - 255 to 0.0 - 1.0
    if img.ndimension() == 3:
        img = img.unsqueeze(0)
    # 推理
t1 = time_synchronized()
pred = model(img, augment=False)[0]
# 应用 NMS
pred = non_max_suppression(pred, conf_thres, iou_thres, classes=None, agnostic=False)
t2 = time_synchronized()
# 处理检测结果
p, im0 = path, im0s.copy()
txt_path = str(Path(output) / Path(p).stem) + ('.txt')
# 标签保存路径
# 确保标签文件存在（即使为空）
open(txt_path, 'w').close()
# 创建空文件或清空现有文件
# 归一化增益
whwh gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]
# 处理检测结果（如果有）
if pred is not None:
    for i, det in enumerate(pred):
        # 每张图像的检测结果
        if det is not None and len(det):
            # 将边界框从 img_size 调整到 im0 大小
det[:, :4] = scale_coords(img.shape[2:], det[:, :4], im0.shape).round()
# 写入结果
# 修改写入标签的部分：
with open(txt_path, 'w') as f:
    if det is not None and len(det):
        for *xyxy, conf, cls in reversed(det):
            xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()
            # 格式化输出：6 位小数，无行末空格
            line = "%d %.6f %.6f %.6f %.6f" % (cls, *xywh)
            f.write(line + "\n")
# 注意：换行符前无空格
else:
    f.write("")
# 空文件（或按需写入占位符）
# 打印时间 (推理 + NMS)
print(f'{Path(p).name} done. ({t2 - t1:.3f}s)')
# 显示结果 (可选)
if view_img:
    cv2.imshow(Path(p).name, im0)
    if cv2.waitKey(1) == ord('q'):
        # 按 q 退出
        raise StopIteration
print(f'Done. ({time.time() - t0:.3f}s)')

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--source', type=str, default='dataset_process/new1/images', help='输入图像文件夹路径')
    parser.add_argument('--weights', type=str, default='runs/2025.7.28/weights/last.pt', help='模型权重路径')
    parser.add_argument('--output', type=str, default='dataset_process/new1/labels', help='输出标签路径')
    parser.add_argument('--img-size', type=int, default=640, help='推理尺寸 (像素)')
    parser.add_argument('--conf-thres', type=float, default=0.25, help='目标置信度阈值')
    parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS 的 IOU 阈值')
    parser.add_argument('--device', help='cuda 设备，如 0 或 0,1,2,3 或 cpu')
    parser.add_argument('--view-img', action='store_true', help='显示结果')
    opt = parser.parse_args()
    print(opt)
    with torch.no_grad():
        auto_annotate(
            source=opt.source,
            weights=opt.weights,
            output=opt.output,
            img_size=opt.img_size,
            conf_thres=opt.conf_thres,
            iou_thres=opt.iou_thres,
            device=opt.device,
            view_img=opt.view_img
        )

这份是删除无效数据的：

import os
from pathlib import Path

def remove_invalid_images_labels(image_dir, label_dir):
    """ 删除无效的图片和标签文件（标签为空或不存在）
    参数:
        image_dir (str): 图片文件夹路径
        label_dir (str): 标签文件夹路径
    """
    deleted_images = 0
    deleted_labels = 0
    # 遍历图片文件夹
    for image_file in os.listdir(image_dir):
        if image_file.lower().endswith(('.jpg', '.png', '.jpeg')):
            image_path = os.path.join(image_dir, image_file)
            label_path = os.path.join(label_dir, Path(image_file).stem + '.txt')
            # 检查标签文件是否存在或为空
            if not os.path.exists(label_path):
                os.remove(image_path)
                deleted_images += 1
                print(f"删除图片（无标签）: {image_file}")
            else:
                with open(label_path, 'r') as f:
                    content = f.read().strip()
                    if not content:  # 标签文件为空
                        os.remove(image_path)
                        os.remove(label_path)
                        deleted_images += 1
                        deleted_labels += 1
                        print(f"删除无效数据：{image_file} 和对应标签")
    print(f"\n操作完成！共删除：{deleted_images} 张图片，{deleted_labels} 个标签")

if __name__ == '__main__':
    # 设置路径（修改为你的实际路径）
    image_dir = os.path.join(os.path.dirname(__file__), "new1/images/")
    label_dir = os.path.join(os.path.dirname(__file__), "new1/labels/")
    # 确认操作
    print(f"即将检查:\n图片目录：{image_dir}\n标签目录：{label_dir}")
    confirm = input("是否继续？(y/n): ").lower()
    if confirm == 'y':
        remove_invalid_images_labels(image_dir, label_dir)
    else:
        print("操作已取消")

这份是数据增强的：

import torch
import torchvision.transforms as T
import torchvision.transforms.functional as TF
from pathlib import Path
import shutil
from PIL import Image
import random
from multiprocessing import Pool
import os

'''
数据增强
'''
class YOLOAugment:
    def __init__(self, output_dir):
        self.output_dir = output_dir
        Path(f"{output_dir}/images").mkdir(parents=True, exist_ok=True)
        Path(f"{output_dir}/labels").mkdir(parents=True, exist_ok=True)
        # 定义基础增强（仅影响图像）
        self.img_augment = T.Compose([
            T.ColorJitter(brightness=0.3, contrast=0.3, saturation=0.2),
            T.GaussianBlur(kernel_size=(3, 7))
        ])

    def apply_augment(self, img_path, label_path, aug_id):
        """处理单张图像和对应标签"""
        # 读取原始数据
        img = Image.open(img_path).convert('RGB')
        with open(label_path) as f:
            bboxes = [list(map(float, line.strip().split())) for line in f]
        # 转换为 Tensor 格式
        img_tensor = TF.to_tensor(img)
        bboxes_tensor = torch.tensor(bboxes)
        # 应用图像增强（不影响框）
        img_tensor = self.img_augment(img_tensor)
        # 保存增强结果
        stem = Path(img_path).stem
        self._save_results(img_tensor, bboxes_tensor, stem, aug_id)
        return img, bboxes

    def _save_results(self, img_tensor, bboxes, stem, aug_id):
        """保存增强图像和标签"""
        # 保存图像
        aug_img = TF.to_pil_image(img_tensor)
        aug_img.save(f"{self.output_dir}/images/{stem}_aug{aug_id}.jpg")
        # 保存标签（YOLO 格式）
        with open(f"{self.output_dir}/labels/{stem}_aug{aug_id}.txt", 'w') as f:
            for bbox in bboxes.numpy():
                line = " ".join(map(str, bbox))
                f.write(line + '\n')

def process_file(args):
    """多进程处理函数"""
    img_path, label_path, output_dir, aug_per_image = args
    augmenter = YOLOAugment(output_dir)
    for i in range(1, aug_per_image + 1):
        augmenter.apply_augment(img_path, label_path, i)
    # 保留原始文件
    shutil.copy(img_path, f"{output_dir}/images/{Path(img_path).name}")
    shutil.copy(label_path, f"{output_dir}/labels/{Path(label_path).name}")

if __name__ == "__main__":
    root_path = os.path.dirname(__file__)
    # 配置参数
    input_dir = os.path.join(root_path, "new1")  # 原始数据集路径
    output_dir = os.path.join(root_path, "new1_aug")  # 输出路径
    aug_per_image = 3  # 每张图片生成 4 个增强版本
    num_workers = 4  # 并行进程数
    # 准备列表
    tasks = []
    for img_file in Path(f"{input_dir}/images").glob("*.*"):
        if img_file.suffix.lower() in ('.jpg', '.png', '.jpeg'):
            label_file = Path(f"{input_dir}/labels/{img_file.stem}.txt")
            if label_file.exists():
                tasks.append((str(img_file), str(label_file), output_dir, aug_per_image))
    # 多进程处理
    print(f"开始增强 {len(tasks)} 张图像...")
    with Pool(processes=num_workers) as pool:
        pool.map(process_file, tasks)
    # 统计结果
    orig_count = len(tasks)
    aug_count = orig_count * aug_per_image
    print(f"处理完成！\n"
          f"- 原始图像保留：{orig_count} 张\n"
          f"- 增强图像生成：{aug_count} 张\n"
          f"- 总数据量：{orig_count + aug_count} 张")

这份是让队友打工的：

import os
import zipfile
import math
from pathlib import Path

'''
将数据集分好份打包好
'''
def create_task_packs(images_dir, labels_dir, output_dir, tasks=3, label_txt=False):
    """
    创建包含匹配 images 和 labels 的 task 压缩包
    :param images_dir: 图片文件夹路径
    :param labels_dir: 标注文件夹路径
    :param output_dir: 输出目录
    :param tasks: 需要划分的任务数
    """
    # 获取匹配的文件对（确保严格对应）
    image_files = sorted([f for f in os.listdir(images_dir) if f.endswith(('.jpg', '.png'))])
    label_files = sorted([f for f in os.listdir(labels_dir) if f.endswith('.txt')])
    # 验证一致性
    image_stems = {Path(f).stem for f in image_files}
    label_stems = {Path(f).stem for f in label_files}
    unmatched = image_stems.symmetric_difference(label_stems)
    if unmatched:
        print(f"⚠️ 警告：发现 {len(unmatched)} 个不匹配文件（示例：{list(unmatched)[:3]}）")
        print("建议先运行数据校验脚本修复不一致问题！")
        return
    # 计算每个 task 应包含的文件数
    total_pairs = len(image_files)
    pairs_per_task = math.ceil(total_pairs / tasks)
    print(f"数据集统计:")
    print(f"- 图片数量：{len(image_files)}")
    print(f"- 标注数量：{len(label_files)}")
    print(f"- 将分成 {tasks} 个任务包，每个约 {pairs_per_task} 对数据\n")
    # 创建输出目录
    os.makedirs(output_dir, exist_ok=True)
    for task_num in range(1, tasks + 1):
        start_idx = (task_num - 1) * pairs_per_task
        end_idx = min(start_idx + pairs_per_task, total_pairs)
        task_images = image_files[start_idx:end_idx]
        task_labels = [Path(f).stem + '.txt' for f in task_images]
        # 自动匹配对应的 labels
        zip_path = os.path.join(output_dir, f"task_{task_num}.zip")
        print(f"创建任务包 {task_num}:")
        print(f"- 包含图片：{len(task_images)} 张")
        print(f"- 包含标注：{len(task_labels)} 个")
        print(f"- 保存到：{zip_path}")
        with zipfile.ZipFile(zip_path, 'w', zipfile.ZIP_DEFLATED) as zipf:
            # 添加图片
            for img in task_images:
                img_path = os.path.join(images_dir, img)
                zipf.write(img_path, f"images/{img}")
            # 添加对应的标注
            for label in task_labels:
                label_path = os.path.join(labels_dir, label)
                if os.path.exists(label_path):
                    # 双重验证
                    zipf.write(label_path, f"labels/{label}")
                else:
                    print(f"⚠️ 缺失标注文件：{label}")
            if label_txt is not False:
                label_info = Path(label_txt).open("r").read()
                zipf.writestr(f"labels/labels.txt", label_info)
            # 每个任务里面都放进一个 labels.txt
        print("-" * 50)
    print(f"\n🎉 任务包创建完成！共生成 {tasks} 个压缩包，保存在：{output_dir}")

if __name__ == "__main__":
    root_path = os.path.dirname(__file__)
    # 配置参数
    dataset_dir = os.path.join(root_path, "new1")  # 数据集根目录
    output_dir = os.path.join(root_path, "package")  # 输出目录
    label_txt = os.path.join(root_path, "labels.txt")  # 标签文件
    num_tasks = 4  # 需要划分的任务数量
    # 运行打包
    create_task_packs(
        images_dir=os.path.join(dataset_dir, "images"),
        labels_dir=os.path.join(dataset_dir, "labels"),
        output_dir=output_dir,
        tasks=num_tasks,
        # label_txt=label_txt,
    )