Bag数据文件处理&标注

将 ROS bag 数据批量转换为帧图像和 MP4 视频，并提供基于 OpenCV 的预标注与 Labelme 微调辅助工具链。

git clone git@github.com:xinyiqin/bag_file_process.git
cd bag_file_process

1.首次运行

先安装docker

https://www.docker.com/products/docker-desktop

docker --version

拉取镜像

docker pull osrf/ros:noetic-desktop-full

运行镜像

docker run -it --name "bag_process" -v F:/intel:/workspace osrf/ros:noetic-desktop-full

换源

sed -i 's|http://archive.ubuntu.com/ubuntu/|https://mirrors.tuna.tsinghua.edu.cn/ubuntu/|g' /etc/apt/sources.list

安装依赖

apt-get update -qq && apt-get install -y -qq python3-pip ffmpeg > /dev/null 2>&1 && pip3 install opencv-python numpy

切换目录到workspace

cd workspace

运行python代码，BAG_FILE和OUTPUT_DIR换成你的

python3 /code/bag_to_video.py /$BAG_FILE -o /workspace/$OUTPUT_DIR

例子：

python3 /code/bag_to_video.py /bag_files/20251103test.bag -o /output

脚本会在输出目录下生成 images/frame_000000.png 等图像帧，再合成 output.mp4。

---

2.后续运行

进入container

docker start -ai bag_process

运行python代码，BAG_FILE和OUTPUT_DIR换成你的

python3 code/bag_to_video.py $BAG_FILE -o $OUTPUT_DIR

一次性处理目录下所有 .bag 文件，DIR_BAG_FILES换成存放很多bag文件的目录，例如/bag_files，OUTPUT_DIR是输出目录

python3 code/bag_to_video.py --batch $DIR_BAG_FILES -o $OUTPUT_DIR

例子：

python3 code/bag_to_video.py --batch bag_files -o output

---

3.通过opencv的轮廓检测进行预标注

(不在docker里了，在外面的终端运行)

$DATA_DIR换成上面output文件夹下的具体数据文件夹

python code/pre_label.py $DATA_DIR

例子：

python code/pre_label.py output/20251103test

---

3.labelme标注

安装labelme

pip install labelme

开始标注，IMAGE_DIR换成images文件夹，LABELME_DIR换成上面预标注里的labelme文件夹

labelme $IMAGE_DIR  --output $LABELME_DIR

例子：

labelme output/20251103test/images --output output/20251103test/labelme

在labelme中进行修改，添加新的状态比如fish_feeding,group_id设置为1

4.转回yolo格式并可视化

python code/labelme_to_yolo.py $DATA_DIR

例子：

python code/labelme_to_yolo.py output/20251103test