三维人体姿态估计数据获取与处理：Human36M3D自动化脚本实践

简介：针对Human3.6M 3D人体姿态数据集获取难、格式复杂的问题，这份资源提供了一套轻量级但完整的Python处理方案，覆盖数据下载、完整性校验、解压、元数据解析与批量预处理全流程，尤其适合多视角、多动作场景下的3D人体姿态研究，适合计算机视觉、机器学习方向的学生、研究人员与开发者直接参考或进行二次开发。资源共14个文件，核心为4个Python脚本，分别负责自动下载、压缩包解压、元数据查看以及全量数据处理；同时附带了依赖清单、Docker部署配置、示例配置和说明文档等辅助内容，整体压缩包仅34KB，便于跨平台使用与快速集成。目前已有3632人学习/下载，代码中针对HDF5格式实现了3D关节坐标读取、单位范数标准化、8:1:1训练/验证/测试数据划分等常用操作，并预留了基于随机森林、CNN/RNN等算法的建模接口，既能用于数据预览，也能作为姿态估计模型训练前的标准数据预处理模板。借助这套资源，可以避免从零搭建环境时常见的踩坑问题，让开发者将更多时间投入到模型设计与实验对比中。

1. 获取Human36M3D数据集：为什么需要一套自动化获取脚本

在做三维人体姿态估计时，Human36M3D 是绕不开的公开基准。它提供的多视角视频、同步帧和 3D 关节坐标，直接决定你复现论文时能不能拿到同口径的评测结果。然而真正动手获取这套数据，远没有论文附录写的那么轻松：申请访问权限后，你面对的是几十个分卷压缩包、目录层级混乱的原始文件，以及散落各处的标定参数。我基于 Python 将这些步骤拆成了可复用的自动化脚本，让一个刚起步的机器学习工程师也能通过几条命令完成从下载、解压到标定转换的完整流程。本文记录的是该工具链的设计思路、关键参数和我在实操中踩过的坑。

2. 理解Human36M3D的数据组织：申请、协议与三种数据形式

在动手写脚本之前，必须先把数据集的目录规范和坐标系搞清楚。我见过不止一个同学跳过这一步，直接拿脚本下载，结果解压完发现目录里套着一层一层冗余路径，训练时路径拼接直接报错。下面按照“目录结构 -> 申请流程 -> 数据格式”的顺序把基础打牢。

2.1 目录结构与坐标约定

Human36M3D 解压后的根目录通常不只有一个顶层目录，而是按 subject 划分成多个主体文件夹。每个 subject 目录下又有 action 子目录，例如走动、打招呼、打电话等日常动作；再往下是按拍摄批次划分的片段（Sequence）。这种层级结构很容易被压缩包内嵌顶层目录打乱，所以你需要先确认解压后实际路径与预期路径是否一致。

一个典型的解压后目录结构如下：

dataset/ ├── subject1/ │ ├── walking/ │ │ ├── Seq1/ │ │ │ ├── image_0.jpg │ │ │ ├── image_1.jpg │ │ └── Seq2/ │ └── greeting/ ├── subject2/ │ ├── walking/ │ └── eating/ └── metadata/ └── calibration.mat

注意，Seq1、Seq2这些命名并不是固定不变的，有些压缩包会直接省略中间的Seq层，变成subject1/walking_0.jpg。如果你用代码硬编码遍历路径，很容易漏掉一部分文件。我一般会在解压后先打印前三级目录名，确认实际结构，再决定是否进入重排逻辑。

在坐标约定上，该数据集把原点定在拍摄空间的几何中心，x 轴指向相机矩阵的左侧，y 轴指向地面上方，z 轴朝拍摄方向。注意这个约定和常见的数据集不同，常见的是 z 轴垂直地面，因此你在做坐标变换时首先要做轴变换，否则后续三角化出来的结果会和关节角度计算直接冲突。

我建议在自动化脚本里用一个 YAML 配置来固定目录规则和坐标轴顺序，不要硬编码在 Python 代码里。比如：

dataset: root: ./data/H36M subject_dirs: [subject1, subject2, subject4, subject5] action_keyword: walking coord_axes: [x, y, z]

这里的coord_axes能让你在对齐到第三方框架时快速调整轴的映射顺序。解压后你可以用tree命令检查目录，如果发现多了一层，再进入重排逻辑。

2.2 申请与权限：邮箱校验和下载链接的获取

Human36M3D 的数据并不是注册就能直接拿到，通常需要先填写一份申请表，说明研究用途。我在实操中遇到的第一步程序，是使用机构邮箱发送申请邮件，而非个人邮箱。对方的自动回复里会带有下载页的临时凭证，这个凭证有时是一条包含时间戳和签名的超长链接。

申请成功后，你会收到一封邮件，里面往往包含多个分卷的下载地址。这些地址可能在正文里，也可能在一个附件文本中。我建议先把它保存为本地 JSON 文件，方便脚本统一管理：

{ "url": "https://example.com/h36m/subject1_s1.zip?sig=abc", "expires": 1710000000, "md5": "d41d8cd98f00b204e9800998ecf8427e" }

expires是过期时间的 Unix 时间戳。在开始下载前，用下面的代码校验链接是否仍然有效：

import json, time import requests def check_link_valid(link_file): with open(link_file) as f: links = json.load(f) now = int(time.time()) if now > links['expires']: print('链接已过期，请重新申请下载凭证') return False r = requests.head(links['url'], allow_redirects=True, timeout=15) if r.status_code != 200: print(f"返回状态码 {r.status_code}") return False return True

这里的requests.head只取响应头，不下载正文，适合在进入全量下载前做快速探测。如果链接失效，脚本应当直接退出，而不是继续跑下载流程。另外，下载页有时会做高频访问限制，我一般会在两个分卷请求之间加 2～3 秒延时，并把重试次数设置成 5 次。

2.3 三种数据形式：原始视频、抽取帧与3D标注

这份资源里包含的数据格式主要有三种：原始视频流、按一定帧率抽取的图像序列，以及包含 3D 关节坐标和相机参数的标注文件。三者的体积和对齐方式完全不同。

解析 .mat 标注文件时，你需要用到scipy.io.loadmat。这个函数加载出来的 dict 里通常包含矩阵和结构体，结构体字段首先要通过dtype查看，不能直接当 dict 操作。我踩过这个坑：以为data['pose']返回的是 Nx3 数组，结果拿到的是 shape 为 (1,1) 的 object 数组，必须再做一次.item()才能拿到真正的坐标矩阵。建议用下面的方式统一封装：

from scipy.io import loadmat def load_pose_mat(path): raw = loadmat(path, squeeze_me=False) pose_struct = raw['pose'].item() joint_xyz = pose_struct['xyz'].item() return joint_xyz

加上.item()的原因在于，matlab 保存的 struct 在 scipy 看来是嵌套 object 数组，直接索引会得到无用的包裹层。squeeze_me=False保证不预先压缩掉长度为 1 的维度，避免形状意外变化。

还需要注意，抽取帧和 3D 标注之间并不是天然对齐的。每个片段可能包含同步时间戳，你需要用帧号或者时间戳把两者关联起来。我通常的做法是：先从标注文件里读出该片段的总帧数，再和图像目录下的文件名数量进行比对，如果数量不一致，优先检查是否存在缺失帧或额外帧。

3. 自动化获取脚本：环境依赖与核心模块拆解

拿到了数据组织方式的认知后，下面进入实际操作。这一章我把整个获取链路拆成三个核心模块：环境安装、下载和解压重排。每个模块都可以单独跑，这样你不需要一次性执行整套命令，也可以随时断点续跑。

3.1 环境依赖与Python版本要求

整个工具链基于 Python 3.8 及以上版本，因为 3.8 之后的zipfile处理大文件效率有明显提升，并且pathlib的 API 更稳定。我使用到的第三方库包括：requests 用于下载，tqdm 显示进度，scipy 读取标定，PyYAML 管理配置。你可以在项目根目录下建requirements.txt并安装：

requests==2.28.2 tqdm==4.64.1 scipy==1.9.3 PyYAML==6.0

注意，版本号并不是强制锁死，而是我在实际运行中验证过不会互相冲突的组合。如果你在其他项目里已经有旧版 scipy，建议先建一个虚拟环境，避免覆盖原有依赖。创建环境：

python3 -m venv venv source venv/bin/activate pip install -r requirements.txt

安装完检查一下版本，如果import scipy报错，多半是 Python 3.12 对旧版 scipy 不兼容，需要升级 scipy 到支持当前解释器的版本。这类环境问题比下载本身更耗费时间，提前用虚拟环境能省掉很多脏活。

3.2 下载模块：断点续传与链接解密

下载是整个流程中最容易翻车的环节，几十个字节的文件卡到一半，网络中断，链接过期，都是家常便饭。为了应对这种情况，我把下载模块设计成了支持断点续传的状态机。

import os import requests def download_resume(url, output_path, chunk_size=8192): resume_bytes = 0 if os.path.exists(output_path): resume_bytes = os.path.getsize(output_path) print(f"已有 {resume_bytes} 字节内容，从该位置续传") headers = {'Range': f'bytes={resume_bytes}-'} with requests.get(url, stream=True, headers=headers, timeout=30) as r: r.raise_for_status() with open(output_path, 'ab') as f: for chunk in r.iter_content(chunk_size=chunk_size): if chunk: f.write(chunk) return output_path

这里Range头的写法是让服务器返回从指定字节开始的后续内容。chunk_size建议设置为 8192 字节，而不是更大。因为大数据包如果单次请求返回太多，容易触发服务端限流；设置太小则 CPU 和磁盘频繁写，吞吐反而降低。

如果你遇到下载中断，重跑脚本时它不会笨拙地重新下载整个文件，而是先检查目标文件的大小。这里有一个前提：目标文件路径必须和上次保持一致，否则续传无从谈起。因此脚本里我固定一个downloads_partial/目录存放未完成的文件。

跑完所有分卷后，需要做一次校验。如果下载页提供了 MD5 清单，你就应该用 hashlib 逐文件计算 MD5 并比对，不要只看文件大小：

import hashlib def verify_md5(file_path, expected_md5): h = hashlib.md5() with open(file_path, 'rb') as f: for chunk in iter(lambda: f.read(65536), b''): h.update(chunk) return h.hexdigest() == expected_md5

MD5 校验放在下载完成后执行，如果校验不通过，直接删除该文件并重新下载。这里没有用更快的缓存方式，因为大文件读取本身不算瓶颈，瓶颈基本都在网络。

3.3 解压与目录重排：按subject/action分发

下载完成后，压缩包内部目录往往带有一层冗余顶层目录。例如你解压subject1.zip，实际得到的是subject1/activities/path/thru/...这种深度结构，而你需要的是subject1为根的干净目录。我在脚本中加了一个rearrange步骤，把它摊平：

import zipfile, shutil, os def unpack_and_flatten(zip_path, dest_root): with zipfile.ZipFile(zip_path, 'r') as zf: for member in zf.infolist(): if member.is_dir(): continue parts = member.filename.split('/') if len(parts) <= 1: target_rel = member.filename else: target_rel = '/'.join(parts[1:]) target = os.path.join(dest_root, target_rel) os.makedirs(os.path.dirname(target), exist_ok=True) with zf.open(member) as src, open(target, 'wb') as dst: shutil.copyfileobj(src, dst)

这里parts[1:]会去掉顶层的subject1前缀，之后把剩下的目录拼到dest_root下。如果你想让顶层目录保留，可以把parts[1:]改成parts。我一般习惯去掉，因为训练框架往往自己会加上 subject 信息作为配置字段，路径里再重复一遍反而容易出错。

zipfile.infolist()返回的是压缩包内部的条目，能拿到文件名和是否是目录。用shutil.copyfileobj做流式复制，可以避免一次性压入内存，适合像 H36M 这种动辄 1GB 的单视频文件。

3.4 参数说明表

整个脚本的主要运行参数如下，你可以根据自己下载链路情况调整：

注意，remove_zip默认关闭，是因为解压后你还需要压缩包作为原始备份。如果磁盘确实不够，建议解压成功并且目录结构确认无误后再手动删除，而不是让脚本自动删。最后，关于下载链接的解密，很多分卷链接看起来是一串签名过的 URL，实际上不需要你自行解密，只要把它原样传给 requests 即可。所谓“自动化获取”并不是去破解凭证，而是将凭证管理的流程收纳进配置，避免你在 shell 里复制粘贴一堆超长字符串。

4. 从16个摄像头到3D坐标：标定文件与坐标变换

下载不是终点。很多初学者拿到数据后直接看 .mat 里的 3D 关节坐标，以为这就是训练标签。但 Human36M3D 更常见的用法是让模型从 2D 图像估计 3D 姿态，因此你需要自己把多视角的 2D 关键点与相机标定结合起来，完成从像素坐标到世界坐标的变换。这一章重点讲标定文件的读取和三角化。

4.1 标定文件读取与相机参数解析

标定文件通常保存在一个全局的calibration.mat中，里面包含每个摄像机的内参、外参和畸变系数。读取时你可能会遇到与之前一样的嵌套 object 数组问题。下面的函数把结构体里的字段提取为 dict：

from scipy.io import loadmat def extract_cameras(calib_path): data = loadmat(calib_path) calib_struct = data['calibration'].item() cameras = {} for idx in range(calib_struct.shape[0]): cam = calib_struct[idx, 0].item() name = str(cam['name'].item()) cameras[name] = { 'R': cam['R'].item(), 't': cam['t'].item(), 'K': cam['K'].item(), 'dist': cam['dist'].item() } return cameras

这里我用.item()把 matlab struct 数组转成可索引的 Python 对象。K是 3x3 内参矩阵，R是旋转向量（注意是 3x1），t是平移向量。dist是畸变系数，在后续重投影时要传给 OpenCV 的undistortPoints函数。

该数据集的相机编号通常是从 0 到 15 共 16 个视角，但具体编号在标定文件里并不是按顺序排列的。你需要以cam['name']为 key 建立映射，不要靠数组下标去猜测。

另外，从标定文件里读取的内参矩阵是针对引用分辨率的。如果你手里的抽取帧分辨率与标定文件不一致，先处理这里的问题，不要等到后面才发现重投影误差大。具体操作会在避坑指南里展开。

4.2 从2D到3D：三角化与坐标系对齐

当我们有了某个人体关键点在多个视角的 2D 像素坐标，就可以用线性三角化方法重建 3D 坐标。所谓线性三角化，就是把相机投影方程写成齐次形式，应用最小二乘求交点的最优解。

import numpy as np import cv2 def triangulate(kpts2d, cams): """ kpts2d: shape (num_views, 2) 的像素坐标列表（已去除畸变） cams: 由 extract_cameras 得到的相机参数列表 """ num_views = len(kpts2d) A = np.zeros((num_views * 2, 4)) for i, (kpt, cam) in enumerate(zip(kpts2d, cams)): K = cam['K'] R = cv2.Rodrigues(cam['R'].reshape(3, 1))[0] t = cam['t'].reshape(3, 1) P = K @ np.hstack([R, t]) # 3x4 投影矩阵 u, v = kpt A[i * 2, :] = u * P[2, :] - P[0, :] A[i * 2 + 1, :] = v * P[2, :] - P[1, :] _, _, vt = np.linalg.svd(A) X = vt[-1, :3] / vt[-1, 3] return X

注意，这里的代码是简化的线性三角化版本。实际中应在用 SVD 之前将坐标转换为齐次坐标，并处理常数项。这里使用的最小奇异值对应的右奇异向量，等价于最小二乘解。cv2.Rodrigues把旋转向量转成旋转矩阵，如果你的代码不想依赖 OpenCV，可以用 scipy 的Rotation.from_rotvec。

这个函数是隐式的，前提是输入坐标已经完成畸变纠正。很多人直接拿原始像素坐标送进去，导致重投影误差达到几十像素。所以实际项目里应该先调用cv2.undistortPoints把坐标归一化到理想针孔模型下：

def undistort_points(kpts, cam): pts = np.array(kpts, dtype=np.float32).reshape(-1, 1, 2) icv = np.array([[cam['K'][0, 0], cam['K'][0, 2]], [cam['K'][1, 1], cam['K'][1, 2]]]) # 注意要传入内参矩阵作为相机矩阵 undist = cv2.undistortPoints(pts, cam['K'], cam['dist'].reshape(1, 5)).reshape(-1, 2) # 结果坐标为归一化坐标，需要乘内参恢复像素坐标 return undist

这里undistortPoints返回的坐标是归一化坐标，还需要用内参矩阵将其转换回像素坐标，或者直接用于构造齐次坐标。这个细节最容易出错，我会在验证环节再强调。

4.3 验证结果：重投影误差检查

三角化出来的 3D 坐标对不对，不能只看数值是不是落在合理范围里，还需要做重投影验证。把重建的 3D 坐标重新投影到某个视角，计算与原始 2D 检测点之间的像素距离：

def reproject_error(X, cam, kpt): R = cv2.Rodrigues(cam['R'].reshape(3, 1))[0] t = cam['t'].reshape(3, 1) P = cam['K'] @ np.hstack([R, t]) Xh = np.hstack([X, 1.0]) proj = P @ Xh proj = proj[:2] / proj[2] return float(np.linalg.norm(proj - kpt))

如果平均误差小于 2 像素，说明标定读取和坐标变换都正确。如果误差大于 5 像素，先检查有没有把畸变系数作用到输入坐标上，其次检查相机旋转向量是否被当成了旋转矩阵。这里有一个常见误区：直接使用cam['R']做矩阵乘法，但它实际是旋转向量，shape 可能是(3,)或(3,1)；必须先转换成旋转矩阵。

在验证环节，你还可以把多个视角的重投影误差总和打印出来，作为后续训练日志的指标。如果某个视角的误差显著高于其他视角，很可能是标定文件里该视角的内参 K 和实际照片不一致，或者该视角的图像序列存在抽帧错位。这一章的代码片段已经能够覆盖从标定文件到 3D 点的完整链路。当然，真实数据里存在遮挡、检测噪声和极端姿态，还需要用 RANSAC 或多视角几何约束来筛选有效视角，这些内容我会在最后一章的进阶技巧里展开。

5. 避坑指南：下载中断、路径乱码与标注缺失的排查

即使按照前四章的流程走完，你仍然可能在某个环节遇到奇怪的行为。我把自己在踩坑中记录下来的问题按“现象 -> 原因 -> 解决”整理在这里，希望能帮你跳过这些不必要的排障时间。

5.1 下载中断后重试，文件明明是空的却显示已存在

现象：脚本在下载到某个分卷时中断，重新运行后日志显示“已有 X 字节内容”，但最终解压校验失败，原因是压缩包损坏。

原因：requests 在下载过程中写入了临时文件，但服务端响应并未完整返回，导致本地文件大小不为 0 但其实缺少尾部数据。仅靠文件大小判断续传位置是不够的，需要校验文件完整性。

解决：在续传前先判断文件扩展名是否为.part，并且下载完成后立即进行 MD5 校验。如果 MD5 不一致，删除本地文件重新从头下载。我一般会在脚本里让每个分卷的下载状态保留一个.md5标记，写完后比对。

5.2 解压后目录名出现“乱码”或中文编码错乱

现象：zip 包里的文件名在解压后显示为一堆类似“S1_thru_???.avi”的乱码，无法与标定文件中的视角名对起来。

原因：压缩包内文件名编码是 CP437 或 CP936，而 Python 的 zipfile 默认按 UTF-8 解码，导致文件名出现乱码。

解决：在ZipFile初始化时，把metadata_encoding参数指定为cp437或gbk。例如：

with zipfile.ZipFile(zip_path, metadata_encoding='cp437') as zf: ...

注意，metadata_encoding参数只影响文件名的解码方式，不影响文件内容。你可以先打印一条条目名字，看到正常的中文或英文后再继续。如果还乱，就换gbk或latin1试试。

5.3 标注文件读出来全是 NaN 或缺失关节

现象：loadmat读取 .mat 文件后，pose字段里某个 sequence 的关节坐标为全 NaN，或者缺失了手指等部位的坐标。

原因：有些视频分段的标注并未覆盖到全部关节，例如当人物被遮挡时，自动标注会放弃部分关键点，填充 NaN。这是数据本身的问题，不是解析错误。

解决：在加载标注后立即做有限性检查，把包含 NaN 的帧记录下来，在构建训练集时直接过滤这些帧。你可以用numpy.isnan查找：

import numpy as np valid_frames = ~np.isnan(pose_xyz).any(axis=(1, 2))

如果过滤比例超过 10%，需要重新检查组件的图像与标注是否对齐，而不是盲目把 NaN 替换成 0。

5.4 相机标定矩阵与图像尺寸不匹配

现象：重投影误差很大，但代码逻辑看起来没问题。检查后发现标定的内参矩阵 K 是 1024x1024 的图像尺寸，而实际视频帧是 1920x1080。

原因：数据集提供多种分辨率版本，标定文件默认是针对后期裁剪后的分辨率，并不是和你抽帧所用的分辨率一致。

解决：在读取标定时，根据实际图像尺寸对内参矩阵做缩放。例如原始标定的主点坐标是按 1024 宽标定的，现在图像宽为 1920，则需要把cx和fy按比例放大：

scale_x = image_width / 1024 scale_y = image_height / 1024 K[0, 0] *= scale_x K[1, 1] *= scale_y K[0, 2] *= scale_x K[1, 2] *= scale_y

这个操作要在提取相机参数后立刻执行，否则后续所有三角化都基于错误的内参。

5.5 下载链接只有 24 小时有效，但分卷数量太多

现象：链接里包含大量分卷，下载速度慢，还没下完链接就过期了。

原因：数据体积比较大，服务端对链接只提供短时访问控制，普通网络条件下一天内很难下完。

解决：不要逐个下载所有分卷。我一般先把下载页里的全部链接和分卷名称抓下来放到 JSON 里，然后用脚本按优先级顺序下载。如果链接过期，重新申请时只补下之前没下载的分卷。上面的download_links.json就是为此设计的。

这五条是我遇到频率最高的，实际上还有不少边缘情况，比如磁盘文件句柄占用、Windows 路径长度限制等。遇到问题时，最有效的做法是先看脚本出错堆栈，再对照压缩包内部文件名打印，不要直接猜。

6. 进阶技巧：把数据预处理成训练格式并与主流框架对接

当你拿到了原始视频、标定和 3D 标注，下一步就是把它转换成训练框架需要的格式。以一个常见的 2D 检测 + 3D 姿态估计流水线为例，你通常需要生成一个包含图像路径、2D 关键点、3D 关节坐标和相机内参的字典。下面我会给出一个最简单的转换模板，并且分享一个下采样技巧。

6.1 转成 COCO 式 JSON

很多检测框架接受 COCO 格式的标注。你可以把每个有效帧作为一条 record，写入一个 JSON 文件：

import json def build_training_json(frames, output_path): dataset = { 'annotations': [], 'images': [] } for i, frame in enumerate(frames): img_entry = { 'id': i, 'file_name': frame.img_path, 'width': frame.width, 'height': frame.height, } ann_entry = { 'id': i, 'image_id': i, 'keypoints': frame.kpt_2d.reshape(-1).tolist(), 'num_keypoints': 17, 'pose_3d': frame.pose_3d.tolist(), 'cam_K': frame.cam_K.tolist() } dataset['images'].append(img_entry) dataset['annotations'].append(ann_entry) with open(output_path, 'w', encoding='utf-8') as f: json.dump(dataset, f)

注意，COCO 标准里的keypoints是 x, y, v 形式，你还需要把坐标系顺序和可见性标志一起转换。这里我把pose_3d放在注释字段里，虽然不是 COCO 标准，但很多复现代码会兼容读取。

6.2 下采样与归一化技巧

原始视频帧率通常在 50 或 60 FPS，分类训练根本用不上。我会先按每 5 帧采样一次，再以该帧的 2D 关键点为中心做裁剪，把图片归一化到固定 256x256 尺寸。归一化时不要直接拉伸到正方形，而是先缩放再居中填充，避免关键点定位因拉伸而偏移。

import numpy as np import cv2 def normalize_crop(image, center, scale, output_size=256): w = scale * 200 h = scale * 200 tx = center[0] - w / 2 ty = center[1] - h / 2 M = np.array([[w / output_size, 0, tx], [0, h / output_size, ty]]) out = cv2.warpAffine(image, M, (output_size, output_size)) return out

这里的scale是根据关键点包围盒宽度估算的，通常取关键点最大包围盒宽度的 1.2 倍。center是包围盒中心。通过仿射变换把原图裁剪并缩放，能保留关键点的相对位置，避免直接 resize 带来的比例失真。

6.3 验证转换结果

转换完成后，我习惯把标注绘制到图片上做一遍人工抽查。你可以用 OpenCV 画出 2D 关键点，再把 3D 坐标重投影到图上，把重投影点画成十字。如果看到十字和原始点偏差很大，就回去检查内参缩放问题。如果这一步没问题，再进入训练。

从那以后，我每次处理新的数据集，都会强制走一遍“下载 -> 解压 -> 标定读取 -> 坐标变换 -> 格式转换”的完整流程，并且在每一步留下日志文件。比起直接在训练脚本里硬解析原始 mat，这条流程反而更省时间。希望这些记录能帮到你，也祝你在三维姿态估计的项目上一路顺利。

本文还有配套的精品资源，点击获取