输出与数据类型

输出格式

格式	扩展名	类型	适用
JPEG	`.jpg`	有损	RGB（质量可配，默认 85）
PNG	`.png`	无损	分割、边缘、RGBA
BMP	`.bmp`	无压缩	调试
EXR	`.exr`	HDR float	世界法线、高动态范围
NPY	`.npy`	NumPy 原始	深度、光流、法线（零解析开销）
NPZ	`.npz`	NumPy + zlib	压缩 NumPy
PFM	`.pfm`	Float32	OpenCV 兼容浮点图（仅适用于单通道浮点模态，如深度）
LZ4	`.lz4`	快速压缩	极速解压，自定义头

另支持 TIFF（8-bit 灰度、32-bit 浮点、32-bit 整型灰度）。传感器专用格式：PCD（LiDAR / 雷达点云）、CSV（IMU，EuRoC 兼容）、TUM（Odometry 轨迹）。

:::info 双轨格式原则像素模态同时支持两类一次性合法直出：① 无损 canonical 集（NPY / EXR / PNG / LZ4），用于保真 ML 消费；② 合法有损的行业通用格式（如 RGB→JPEG），用于即用交付。请按需选择，引擎不强制只出无损。

注意几类会坏数据的组合（应避免，其中前一类运行时会告警）：给非单通道浮点模态选 PFM（输出是垃圾数据）；给 8-bit 模态选 EXR（不会有任何精度收益）；双通道光流走 EXR（有损）。 :::

格式选择推荐

用途	推荐格式	理由
ML 训练（Python 消费）	NPY / LZ4	NumPy 原生 dtype，零解析；LZ4 压缩省 IO
深度数据（float32）	TIFF / NPY	TIFF Gray32-float 可直接预览；NPY 零开销
分割 ID（零精度损失）	NPY / LZ4 / TIFF	uint32 ID 全保留
可视化 / 标注	PNG / JPEG	通用格式；分割模态输出假彩色，不含原始 ID

输出目录结构

Saved/IACapture/
├── capture_config.json        (采集启动时自动归档本次生效的原始 JSON 配置)
├── capture_report.json        (含性能时序、场景关卡/载体信息与传感器实例拓扑)
├── rig_calibration.json       (同时启用相机与 IMU 时自动生成)
├── camera_0/
│   ├── RGB/                   RGB_000000.jpg, ...
│   ├── GPlanarDepth/          Depth_000000.npy, ...
│   ├── WorldNormal/           WorldNormal_000000.exr, ...
│   ├── metadata/              frame_000000.json, ...
│   └── labels/                frame_000000.json (Box3D)
├── lidar/
│   ├── pointcloud/            pointcloud_000000.pcd, ...
│   └── metadata/              scan_000000.json, ...
├── radar/
│   ├── radar_points/          radar_000000.pcd (或 .npy, 6列: x, y, z, doppler_velocity, rcs, snr)
│   ├── radar_targets/         targets_000000.json (含 range_m, azimuth_deg, elevation_deg, doppler_mps, rcs_dbsm, object_id)
│   ├── metadata/              radar_000000.json (含 world_pose, extrinsics, frame_convention="iso8855")
│   └── RadarMaterialMapping.json
├── imu/
│   ├── data.csv
│   ├── data_groundtruth.csv
│   └── imu_params.yaml
├── odometry/
│   ├── data.tum
│   └── data_groundtruth.tum
└── gnss/
    ├── data.jsonl
    ├── data.csv
    ├── data_groundtruth.jsonl
    └── gnss_params.yaml

多相机或多传感器实例时，每个实例各自以该传感器 Actor 的 SensorName（即 capture_config.json 中 sensors.<类型>.instances[].name，如 front_cam/、panorama/、LiDar_top/、imu_center/）作为独立子目录，内部结构同上。

本地可视化复盘看板（Dashboard）

通过编辑器菜单 Tools ▸ IADataSDG ▸ Open Dashboard 可一键启动本地复盘看板（使用引擎内置 Python，无需另装环境）：

配置驱动与按需加载：Dashboard 自动读取输出目录下的 capture_config.json 与 capture_report.json，仅加载和运行本次实际开启的相机模态与传感器管线，未采集的模态与传感器自动跳过。
场景与被采集对象概览：顶部直接展示被采集关卡名称、天气与时间、时钟步长、挂载载体（Pawn / Actor）、语义词表覆盖率、语义分割 Stencil 类别色卡以及 3D 检测目标类别分布。
传感器组件名对齐：相机矩阵、3D 点云卡片与传感器时序图直接显示 capture_config.json 中配置的传感器实例名称、型号/预设与采样率。

启用热红外派生输出时，同一相机下会生成对应的派生子目录：

main_camera/
├── ThermalLWIR/            ThermalLWIR_000000.npy          # 主输出（float32）
├── ThermalLWIR_raw16/      ThermalLWIR_raw16_000000.png    # 16-bit 定标 PNG
├── ThermalLWIR_preview/    ThermalLWIR_preview_000000.png  # ironbow 伪彩（仅供目检）
└── ThermalLWIR_radiance/   ThermalLWIR_radiance_000000.npy # output_unit 未选的那个单位

这样按模态目录遍历的下游脚本不会把派生文件误当主数据读入。

热红外 raw16 解码

raw16 是 16-bit 灰度 PNG，携带线性温度定标，窗口由 thermal.outputs.raw16_min_c / raw16_max_c 决定（默认 −40…+180 °C）：

import numpy as np
from PIL import Image

code = np.asarray(Image.open("ThermalLWIR_raw16/ThermalLWIR_raw16_000000.png"), dtype=np.uint32)

raw16_min_k, raw16_max_k = 233.15, 453.15          # -40 C .. +180 C
T = raw16_min_k + code * (raw16_max_k - raw16_min_k) / 65535.0   # Kelvin

逆推误差为半个量化步长（默认窗口下步长约 0.0034 K）。窗口外的值饱和，不回绕 —— 回绕会把热物体变成冷物体，是热像最糟的失效模式。伪彩预览是给人眼看的，请勿从它反推温度。

逐帧元数据

每帧每相机写出一个 metadata/frame_{N}.json，包含外参（位置/旋转）与内参（FOV、分辨率、fx/fy/cx/cy）：

{
  "frame": 0,
  "camera_name": "main_camera",
  "timestamp": 1234567890.123,
  "extrinsics": { "position": {"x":0,"y":0,"z":0}, "rotation": {"pitch":0,"yaw":0,"roll":0} },
  "intrinsics": { "fov": 90.0, "resolution_x": 1920, "resolution_y": 1080,
                  "fx": 960.0, "fy": 960.0, "cx": 960.0, "cy": 540.0 }
}

分割 ID 与读取

InstanceSegmentation：实例 ID 是 component / primitive 级的，不是每个 Actor 一个 ID —— 一个由多个网格组成的 Actor 会得到多个 ID。ID 为 24-bit，在所有相机投影下都无损写出。
NPY 读取：分割模态保存为 <u4 (H,W) uint32 ID；PNG 仅为可视化假彩色，不含原始 ID。

全局光流读取示例

import numpy as np

flow = np.load("global_optical_flow/global_optical_flow_000005.npy")  # (H, W, 4) float16
velocity_uv = flow[:, :, :2]        # 屏幕位移
validity    = flow[:, :, 2] > 0.5   # True = 可靠（非遮挡）
masked_flow = velocity_uv * validity[:, :, np.newaxis]

	OpticalFlow	GlobalOpticalFlow
内容	仅可动物体速度	相机 + 物体运动
静态场景 + 移动相机	全零	非零（含相机运动）
遮挡处理	无	有效性掩码（通道 2）
依赖	`r.VelocityOutputPass=1`	深度模态（自动启用）

:::note Oodle 注意 Oodle 为 Epic 私有编解码器，Python 生态无标准解码库，适合 UE 内部管线消费，不建议直接交付给 ML 团队。 :::

输出格式​

格式选择推荐​

输出目录结构​

本地可视化复盘看板（Dashboard）​

热红外 raw16 解码​

逐帧元数据​

分割 ID 与读取​

全局光流读取示例​