资源

配置

Download Unity Editor and Create a New Project

安装 Unity Hub 3.3.0、Unity 2021.3.11

Unity Hub 下，选择 2021.3.11 版本，新建一个 3D (HDRP) 项目，把 Version Control 关了：

Perception 仅支持 HDRP，不适用于 URP 或遗留项目！

Download the Perception Package and Import Samples

从 Unity-Technologies/com.unity.perception: Perception toolkit for sim2real training and validation in Unity (github.com) 下载仓库

Unity 下，Window-Package Manager-+-Add package from disk..，安装仓库里的内容，等待。

您可能会收到一个关于 Burst 包版本的弹出错误。取消弹出窗口。然后，您将看到新下载的 Perception 软件包在 _Package Manager_ 中自动选择。

装完后，如右侧面板所示，其中一个捆绑包命名为 _Tutorial Files_，这是完成本教程所必需的。它由一些通用的 前景 foreground 和 背景 background 对象、随机化器 randomizers、着色器 shaders 以及一些其它元素。前景 foreground 对象是最终机器学习模型尝试检测的对象，背景 background 对象将被放置在背景中作为模型的干扰物。

导入 Tutorial Files：

Setup a Scene for Your Perception Simulation

新建文件夹 Assets/Sceces，在此创建一个新场景TutorialScene，打开之，调整其 Main Camera：

在 Directional Light 中，把阴影关了：

在 Main Carmera 里添加组件 Perception Camera

在 Edit-Project Settings-Editor 中，把 Asynchronous Shader Compilation 异步着色器编译给关了：

在项目中搜索 HDRP High Fidelity，把 Lit Shader Mode 设为 Both：

对于 Main Camera 下的组件 Perception Camera，Camera Labelers 列表中可以加载希望生成的 GroundTruth 标记：

Bounding Box 2D Labeler
- 2D 边界框
Bounding Box 3D Labeler
- 3D 边界框
Depth Labeler
- 深度
Instance Segmentation Labeler
- 实例分割标记
Keypoint Labeler
- 关键点标签
Metadata Reporter Labeler
- 元数据
Normal Labeler
- 法线
Object Count Labeler
- 对象计数
Occlusion Labeler
- 遮挡
Pixel Position Labeler
- 像素位置
Rendered Object Info Labeler
- 对象信息（像素计数和 ID）
Semantic Segmentation Labeler
- 语义分割

添加：

当 Show Labeler Visualizations 打开时，在模拟运行时实时显示可视化效果。

Setup a Scene for Your Perception Simulation

现在是时候告诉每个添加到 “Perception Camera” 的 Labeler 它应该在生成的数据集中标记哪些对象了。例如，如果您的工作流程旨在生成检测椅子的 Ground Truth，则 Labeler 需要知道他们应该在场景中查找标记为“chair”的对象。椅子也应该贴上“chair”的标签，以便 Labelers 可以看到它们。我们现在将学习如何设置这些配置。

您会注意到，每个添加的 Labeler 都有一个“标签配置”字段。通过在此处添加标签配置，您可以指示 Labeler 只在场景中查找具有特定标签的对象，而忽略其余标签。为此，我们首先创建标签配置。

Create-Perception-ID Label Config，并将其重命名为 TutorialIdLabelConfig。

在本教程中，我们将生成用于检测10种日常杂货的合成数据。当您从 _Package Manager_ 导入教程文件时，这些杂货被导入到您的项目中，并且位于文件夹 Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Foreground Objects/Phase 1/Prefabs/中。

我们创建的标签配置（TutorialIdLabelConfig）属于 IdLabelConfig 类型，与我们连接到 Perception Camera 的四个贴标机中的三个兼容。这种类型的标签配置将每个标签与一个唯一的数字 ID 相关联。然而，“SemanticSegmentationLabeler”（语义分割标签）需要一种不同的标签配置，该配置将每个标记与一种唯一的颜色而不是数字 ID 相联系。这是因为该贴标机的输出是一组图像，其中每个可见的前景对象都被绘制为唯一的颜色。

Create-Perception-Semantic Segmantation Label Config，并将其重命名为 TutorialSemanticSegmentationLabelConfig。

在 Main Camera-Perception Camera 组件下，设置好 Camera Labelers：

打开 Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Foreground Obiects/Phase 1/Prefabs/drink-whippingcream lucerne.prefab，这个 Prefab 包含一个特有组件 Labeling。提供了多种为对象分配标签的方法，可以选择 Use Automatic Labeling，也可以手动添加标签。

对于 automatic labeling，您可以从多种标记方案中进行选择，例如 Asset 名称或文件夹名称。如果您选择 manual（手动）路线，您可以键入标签，从项目中的任何标签配置中添加标签，或者根据预设的名称和路径从建议的标签列表中添加。

每个对象都可以指定多个标签，因此对于具有不同标签配置的 Labeler 来说，这些对象会显示为不同的对象。例如，您可能希望您的语义分割 Labeler 将所有牛奶盒检测为“dairy_product”，而您的 Bounding Box Labeler 仍然可以区分不同类型的乳制品。为了实现这一点，您可以在所有乳制品中添加“dairy_product”标签，然后在用于语义分割的标签配置中，只添加“dairy_product”标签，而不添加任何特定的产品或品牌名称。

一旦您有了“.fbx”格式的 3D 模型，Perception 软件包可以让您从多个模型中快速创建预制。只需选择所有模型，然后从顶部菜单栏中选择 _Assets→Perception→Create Prefabs from Selected Models_。新创建的预制件将被放置在与其对应模型相同的文件夹中。

使用自动标签标记所有前景对象的例子：

选择 Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Foreground Objects/Phase 1/Prefabs 下所有的文件，在 Labeling 组件下打开 Use Automatic Labeling for All Selected Items，在 Labeling Scheme 里选择 Use asset name（标签名即为文件名）。

点击 Add Automatic Labels of All Selected Assets to Config...，弹出 Manage Labels 窗口，点击 Add All Labels把这些标签添加给 TutorialIdLabelConfig 和 TutorialSemanticSegmentationLabelConfig。

还可以通过点击 Open 查看已添加标签的属性：

由于我们在这里使用了自动标签，并将它们添加到我们的配置中，因此我们确信配置中的标签与对象的标签匹配。如果您决定向对象和配置添加手动标签，请确保使用完全相同的标签，否则，使用这些配置的 Labeler 将不会检测到在配置中找不到匹配标签的对象。

既然我们已经标记了所有 foreground objects 并设置了标签配置，那么让我们简单地测试一下。

将预制体 drink_whippingcream_lucerne.prefab 添加到游戏场景中，开跑！由于在 Perception Camera 中开启了可视化功能，因此看到放置的对象周围绘制了一个边界框，对象本身也会根据 TutorialSemanticSegmentationLabelConfig 里的内容进行着色。

Set Up Background Randomizers

Perception 的核心组成部分之一是对模拟的各个方面进行随机化，以便在生成的数据中引入足够的变化。要开始随机化模拟，需要在 scene 中添加 Scenario。Scenarios 通过协调添加到它们的所有 Randomizers 组件来控制模拟的执行流程。Perception 软件包附带了一组有用的 Randomizers，可以让你快速将前景对象放置在场景中，生成不同的背景，并随着时间的推移随机化模拟的各种参数，如对象的位置、比例和旋转，相机视图中对象的数量等。 Randomizers 通过协调多个 Parameters 来实现这一点，其本质上定义了最细粒度的随机化行为。

在场景中新建一个空对象，改名为 Simulation Scenario，给这个对象添加组件 Fixed Length Scenario（定长 Scenario）。

每个 Scenario 执行若干 iteration，并且每个 iteration 持续若干 frames。这些是您可以利用的时间元素，以便自定义您的场景和随机化的时间。您将在本教程的第 2 阶段学习如何配置迭代和框架。目前，我们将使用 Fixed Length Scenario，这是一种特殊的 Scenario，在每次 iteration 期间运行固定数量的 frames。根据我们的经验，这种设置对于许多常见的用例来说已经足够了。请注意，在任何给定的时间，您的 Scene 中只能有一个活动 Scenario！

如下图所示，Scenario 被设为 100 次 iteration，每次 iteration 将运行 1 frame。但这只是一个空的 Scenario，让我们添加一些 Randomizers。

点击 Add Randomizer，添加 BackgroundObjectPlacementRandomizer。

该随机化器使用泊松圆盘采样从给定区域中选择随机位置，并在所选位置生成随机选择的 Prefabs（从给定列表中）的副本。我们将使用该组件生成一个 background，该 background 将分散我们最终的目标检测机器学习模型的注意力（干扰作用）。

转到文件夹：Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Background Objects/Prefabs/

在组件 BackgroundObjectPlacementRandomizer 中，设置 Depth = 0，Layer Count = 2，Separation Distance = 0.5，Placement Area = (6, 6)。

开跑！

出于性能原因，建议在准备好生成大型数据集后（从Perception Camera的 _Inspector_ 视图）把 Show Labeler Visualization 给关了。

HDRP 项目默认启用了运动模糊和许多其他后期处理效果。要禁用运动模糊或任何其他效果，请执行以下步骤：

新建一个 GameObject，并添加 Volume 组件，在 Profile 里按下按钮 New，按下 Add Override，选择 Motion Blur，应用 Intensity 并设为 0。

在 Simulation Scenario 下的组件 Simulation Scenario，继续添加组件：TextureRandomizer、HueOffsetRandomizer、RotationRandomizer。

为了确保我们的 background Prefabs 受到 TextureRandomizer 的影响，我们需要确保它们附加了 TextureRandomizerTag。

同样地，添加 HueOffsetRandomizerTag 和 RotationRandomizerTag。

开跑！

Set Up Foreground Randomizers

往 Simulation Scenario 里的 Simulation Scenario 组件添加 ForegroundObjectPlacementRandomizer，点击 Add Folder，选择文件夹 Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Background Objects/Prefabs/，设置参数 Depth=-3，Separation Distance = 1.5，Placement Area = (5,5)。

这个 Randomizer 使用与我们用于 backgrounds 的算法相同的算法；然而，它是在一个单独的 C# 类中定义的，因为您只能将 每种类型的 Randomizer 中的一个添加到您的 Scenario 中。因此，这是我们区分如何处理背景和前景对象的方法。

给 Assets/Samples/Perception/1.0.0-preview.1/Tutorial Files/Foreground Obiects/Phase 1/Prefabs 里的所有 Prefabs 里添加组件 RotationRandomizerTag。

把 Simulation Scenario 里的 Simulation Scenario 组件的ForegroundObjectPlacementRandomizer 拖到 RotationRandomizer 之上：

开跑！

Inspect Generated Synthetic Data 检查生成的合成数据

默认情况下，数据集将以 SOLO 格式生成。

Edit-Project Settings-Perception，可以看到之前生成的数据集的位置 Base Path，打开看看都生成了个什么玩意：

对于每个 sequence：

输出数据集包括关于场景中活动传感器（目前只有一个，是 RGB camera）的信息，以及所有 activate Labelers 生成的 GroundTruth。

对于 step0.frame_data.json，里面包括：

labelId：在 Labeler 的标签配置中分配给该对象标签的数字 ID
labelName：对象的标签，例如 candy_miniparlines_lindt
instanceId：对象的实例 ID
origin：对象边界框的左上角坐标（从图像左上角开始测量）
dimension：对象边框的宽度和高度

要进一步分析数据集并验证统计数据，如每帧中的对象数量等，您可以使用 Pysolotools。此外，您还可以使用 Voxel51 可视化数据集。查看链接页面，了解如何在 SOLO 数据集上使用这些工具的指南。

Perception 教程的第一阶段到此结束。在下一阶段，我们将深入研究随机化代码，并学习如何构建自定义随机化器！