معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Spatial formats for CSV files.

ویژگی	مقدار
سیستم عامل	-
نام فایل	cnspy-spatial-csv-formats-0.1.1
نام	cnspy-spatial-csv-formats
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Roland Jung
ایمیل نویسنده	roland.jung@aau.at
آدرس صفحه اصلی	https://github.com/aau-cns/cnspy_spatial_csv_formats/
آدرس اینترنتی	https://pypi.org/project/cnspy-spatial-csv-formats/
مجوز	-

# cnspy_spatial_csv_formats Package This package holds header and format definitions for [CSV-files](https://en.wikipedia.org/wiki/Comma-separated_values) that hold timestamped 3D **spatial** information. By **spatial** - 3-DoF relative position (), - 3-DoF attitude (orientation represented by quaternions), - 6-DoF pose (position + attitude) - 6-DoF pose with uncertainty. File headers are in the first line of a CSV file starting with a `#`, followed by a sequence of unique comma separated strings/chars. It is highly recommended to load the CSV files into a [pandas.DataFrame](https://pypi.org/project/pandas/). For convenience, there is a package called [cnspy_csv2dataframe](https://github.com/aau-cns/cnspy_csv2dataframe) that does the conversion using the [CSVFormatPose](CSVFormatPose.py) definitions. ## Note The [CSVFormatPose.TUM](./cnspy_spatial_csv_formats/CSVFormatPose.py) format, got it's name for file format used in the [TUM RGB-D benchmark tool](https://vision.in.tum.de/data/datasets/rgbd-dataset/tools#evaluation). Noticeable, is that the order of quaternion is non-alphabetically (`[q_x,q_y,q_z, q_w]` instead of `[q_w, q_x, q_y, q_z]`), meaning that first comes the imaginary part, then the real part, but this is just a matter of taste and definition! To be backward compatible with older/other tools ([TUM RGB-D benchmark tool](ttps://vision.in.tum.de/data/datasets/rgbd-dataset/tools#evaluation), [rpg_trajectory_evaluation](https://github.com/uzh-rpg/rpg_trajectory_evaluation), etc.), we follow this non-alphabetically order! ## Installation Install the current code base from GitHub and pip install a link to that cloned copy ``` git clone https://github.com/aau-cns/spatial_csv_formats.git cd spatial_csv_formats pip install -e . ``` ## Dependencies It is part of the [cnspy eco-system](hhttps://github.com/aau-cns/cnspy_eco_system_test) of the [cns-github](https://github.com/aau-cns) group. * [enum]() ## License Software License Agreement (GNU GPLv3 License), refer to the LICENSE file. *Sharing is caring!* - [Roland Jung](https://github.com/jungr-ait)

نیازمندی

مقدار	نام
-	numpy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl cnspy-spatial-csv-formats-0.1.1:

pip install cnspy-spatial-csv-formats-0.1.1.whl

نصب پکیج tar.gz cnspy-spatial-csv-formats-0.1.1:

pip install cnspy-spatial-csv-formats-0.1.1.tar.gz