python3, numpy, scipy, pandas, h5py, numpy-quaternion, matplotlib, torch, torchvision, tensorboardX, numba, plyfile, tqdm, scikit-learn
#####Input： 每个csv文件为一个运动序列。共有13列数据，从左到右依次为：
| Time | Acc_x | Acc_y | Acc_z | Gyro_x | Gyro_y | Gyro_z | Grv_x | Grv_y | Grv_z | Grv_w | Pos_x | Pos_y |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1.60499E+12 | -0.19272274 | -0.25891206 | 9.653498 | 0.004885129 | -0.055565238 | -0.07149251 | -0.003427971 | 0.017806085 | -0.7135098 | 0.7004106 | -0.030632585 | -0.028743373 |
| 1.60499E+12 | -0.3731718 | -0.26997933 | 9.94875 | 0.010914105 | -0.059184622 | -0.05671732 | -0.00361717 | 0.017590584 | -0.71371627 | 0.70020473 | -0.030615892 | -0.028751183 |
| 1.60499E+12 | -0.37322932 | -0.29848543 | 9.982276 | 0.03363286 | -0.026876029 | -0.034452584 | -0.003655628 | 0.017403742 | -0.71385366 | 0.70006907 | -0.030615892 | -0.028751183 |
1.Time:时间戳。 注：采样率为**200Hz**，单位为毫秒。（采样率不一致会导致网络无法学习）
2.Acc_*: 加速度计的输出，由安卓手机提供-Android Sensor.TYPE_ACCELEROMETER
3.Gyro_*: 陀螺仪的输出，由安卓手机提供-Android Sensor.TYPE_GYROSCOPE_UNCALIBRATED
4.Grv_*: 游戏旋转向量，由安卓手机提供-Android Sensor.TYPE_GAME_ROTATION_VECTOR
5.Pos_*: 真实轨迹的坐标，单位为米，用作对比。（可以没有，需要在参数中设置无真值)
- 如果测试数据包含真实轨迹，并且需要对预测轨迹和真实进行坐标旋转对齐，那么可以在csv文件的最后添加“_度数"，代码会根据该度数进行对齐。eg.
kudou_hjh4_4.csv最后_4表示将真实轨迹逆时针旋转4度。如果是负数，那么就是顺时针旋转真实轨迹。
#####Output:
1..png:图片，包括轨迹对比，误差分析等。轨迹的初始方向不定。
2..npy: numpy文件格式，包含真实轨迹和预测轨迹的坐标点。频率为20Hz。
可以对单个运动序列测试，也可以批处理多个运动序列
-
进入
source文件夹，输入相应参数来运行ronin_resnet.py。具体命令参数可以在ronin_resnet.py文件中查看。这里列出几个常用参数：--mode test/train #测试模式或者训练模式，默认测试模式 --test_path #测试单个序列时该序列路径 --test_list #批处理多个序列时，这些序列的列表文件所在的路径，列表文件一般为.txt文件 --root_dir #批处理时，那些序列所在文件夹的路径 --out_dir #最后轨迹图像保存的路径。不填则不保存。 --model_path #预训练模型的路径 --show_plot: #打印图像 --no_gt: #无真值轨迹时输入此参数
-
单个序列测试： 在pycharm的Terminal中输入以下命令：
python ronin_resnet.py --mode test --test_path <path-to-test-data> --out_dir <path-to-output-folder> --model_path <path-to-model-checkpoint> --show_plot -
批处理多个序列: 在pycharm的Terminal中输入以下命令：
python ronin_resnet.py --mode test --test_list <path-to-train-list> --root_dir <path-to-dataset-folder> --out_dir <path-to-output-folder> --model_path <path-to-model-checkpoint>.