【免费下载链接】mosaicoMosaico - The data platform for Physical AI项目地址https://gitcode.com/gh_mirrors/mosai/mosaico点击查看免费下载Mosaico是一个面向 Physical AI 的数据平台The data platform for Physical AI其 Python SDK 内置了一套流畅的查询工作流让你能够按传感器原始物理值如加速度 15 m/s²、点云距离 50 米对存储在平台中的 Lidar、IMU 等时序数据进行服务端深度过滤而不必把数据拉回本地再逐帧扫描。本文用 10 个实用技巧带你从.Q代理基础一步步掌握 IMU 冲击检测、Lidar 点云物理过滤、时间窗口聚类与跨传感器关联查询快速定位最有价值的训练片段。查询三要素Builder、.Q代理与with_expression在展开 10 招之前先花 1 分钟理解 Mosaico 查询的三个核心构件详见官方文档 The Query Workflow构件作用一句话理解QuerySequence按录制会话Sequence元数据过滤找哪段录像QueryTopic按数据通道Topic名称/本体标签过滤找哪路传感器QueryOntologyCatalog按传感器载荷内容物理值过滤找满足条件的时刻.Q代理把IMU.Q.acceleration.x这类字段路径转成类型安全的查询表达式写出条件的画笔with_expression()把表达式挂到 Builder 上多个条件以AND组合叠加筛选条件多个 Builder 同时传给client.query()时也会被逻辑AND连接且整条请求在服务端原子执行——这是按物理值过滤高效的关键。技巧 1用.Q代理写出第一条 IMU 物理值过滤IMU 本体模型定义了acceleration线性加速度m/s²与angular_velocity角速度rad/s等字段全部可通过.Q代理逐级下钻。以找出 X 轴加速度超过 15 m/s² 的冲击事件为例from mosaicolabs import MosaicoClient, IMU, QueryOntologyCatalog with MosaicoClient.connect(localhost, 6726) as client: qresponse client.query( QueryOntologyCatalog(IMU.Q.acceleration.x.gt(15.0)) ) if qresponse is not None: for item in qresponse: print(fSequence: {item.sequence.name}) print(fTopics: {[t.name for t in item.topics]})结果自动按 Sequence 分组返回QueryResponseitem.topics中每一项都给出了归一化的 Topic 名称可直接用于后续读取。IMU 的完整可查字段含orientation四元数、header.timestamp等见 imu.py。数值字段支持的 8 个比较算子.eq()、.lt()、.leq()、.gt()、.geq()、.between()、.in_()、.outside()。其中.between([min, max])是范围过滤的首选后面会反复用到。技巧 2一次查询组合多个轴与多个条件AND 链式.with_expression()可以连续链式调用把X 轴强减速 Y 轴大幅偏移这类复合物理条件合并为一次请求qresponse client.query( QueryOntologyCatalog() .with_expression(IMU.Q.acceleration.x.lt(-4.0)) .with_expression(IMU.Q.acceleration.y.gt(5.0)) .with_expression(IMU.Q.angular_velocity.z.gt(1.0)) )⚠️重要约束Single Occurrence Constraint同一个字段路径在一个 Builder 实例中只能出现一次。想表达加速度在 0.5~1.0 之间不要链两次.gt()/.lt()而要用.between([0.5, 1.0])查询同一模型的不同字段acceleration.x与acceleration.y则完全没问题。技巧 3Lidar 点云是列表字段先量化再比较Lidar 本体把每次扫描存成一组扁平列表x/y/z坐标、intensity、range、beam_id、azimuth、elevation、confidence等第i个元素对应第i个点见 lidar.py。列表字段不能直接比较必须先用量词收窄到元素级别再链上数值算子量词含义.any()至少一个元素满足条件.all()所有元素都满足条件[i]只针对第i个元素# 错误Lidar.Q.range.gt(1) —— 列表不能直接比较 # 正确写法.any() / .all() / 索引之后必须再链算子 QueryOntologyCatalog(Lidar.Q.intensity.any().gt(200.0)) # 本帧存在强反射点 QueryOntologyCatalog(Lidar.Q.range.all().leq(50.0)) # 整帧点云都在 50 米内记住这个两步走语法是玩转所有点云查询的前提。技巧 4用range与.between()做距离/区域过滤range字段是传感器原点到每个点的径向距离米。结合.between()即可把点云裁剪到感兴趣的物理区域# 只保留 X 坐标落在 ±1 米近场内的扫描帧 qresponse client.query( QueryOntologyCatalog(Lidar.Q.x.all().between([-1.0, 1.0])) )典型用途近场障碍物检测片段、近距建图片段、剔除超远噪声点。between的语义是闭区间边界值会被保留。技巧 5用beam_id按激光环过滤再按方位角切扇区多线激光雷达的beam_id记录每个点来自哪一圈发射器等价于 ROSPointCloud2中的ring。先锁定特定环再叠加azimuth方位角弧度扇区过滤qresponse client.query( QueryOntologyCatalog() .with_expression(Lidar.Q.beam_id.any().eq(0)) # 关注第 0 环 .with_expression(Lidar.Q.azimuth.all().between([-1.57, 1.57])) # 只保留正前 ±90° 扇区 )elevation俯仰角同理可筛选地面/天空/地平线等不同高度带。这种环 扇区组合是激光雷达数据切片最常用的手法。技巧 6IMU 高值事件检测——冲击、急转、姿态异常IMU 过滤是找出事故/事件片段的最高效手段。三个高频场景冲击/急刹IMU.Q.acceleration.z.gt(19.6)超过 2 倍重力单位 m/s²急转弯IMU.Q.angular_velocity.z.gt(1.0)绕 Z 轴角速度超过 1 rad/s姿态异常IMU.Q.orientation.z.gt(0.707)四元数 Z 分量逼近 90° 翻滚from mosaicolabs import MosaicoClient, IMU, QueryOntologyCatalog with MosaicoClient.connect(localhost, 6726) as client: qresponse client.query( QueryOntologyCatalog( IMU.Q.acceleration.z.gt(15.0), ) )这些条件的物理含义都是直观的阈值用真实单位m/s²、rad/s书写所见即所得。技巧 7用clusterize()把匹配集合切成时间窗口查询返回的是一份该 Topic 满足条件的完整时间范围通常还需要把它切成一个个离散事件。topic.clusterize(clustering_dt_ns...)负责这件事间隔clustering_dt_ns的匹配点会合并为同一个簇间隔≥该值的拆成不同簇每个簇即一次独立事件默认0返回覆盖全程的单一区间。from mosaicolabs import IMU, MosaicoClient, Query, QueryOntologyCatalog, QuerySequence with MosaicoClient.connect(localhost, 6726) as client: qresponse client.query( queryQuery( QuerySequence().with_name_match(robot-1), QueryOntologyCatalog().with_expression(IMU.Q.acceleration.x.gt(5.0)), ) ) imu_topic next(t for item in qresponse for t in item.topics if t.name front_imu) distinct_events imu_topic.clusterize(clustering_dt_nsint(1e8)) # 100ms 间隔 → 离散事件 active_window imu_topic.clusterize(clustering_dt_nsint(2e9)) # 2s 间隔 → 合并为活跃窗口调参经验IMU 是高频传感器阈值给小几十到几百毫秒GPS 等低频传感器要给大一些否则采样间隔本身就会把一次事件切碎。时间窗口的完整机制见 temporal_windows.mdx。技巧 8intersect()关联 IMU 与 Lidar/GPS 的多传感器事件单次查询里同一 Builder 的多个条件只能作用在同一 Topic上。要回答IMU 急减速且同时GPS 显示近乎静止这类跨传感器问题用item.intersect()它会合并所有匹配 Topic 的表达式返回所有条件同时成立的时间窗口。# 急停事件IMU 强减速 GPS 速度骤降两者须发生在同一时刻 query Query( QuerySequence().with_name_match(test_drive), QueryOntologyCatalog() .with_expression(IMU.Q.acceleration.x.lt(-5.0)) .with_expression(GPS.Q.velocity.x.lt(1.0)), ) qresponse client.query(queryquery) for item in qresponse: hard_stop_windows item.intersect( clustering_map{IMU.ontology_tag(): int(1e8), GPS.ontology_tag(): int(5e8)}, intersect_dt_nsint(2e8), # 允许传感器间最多 200ms 时间漂移 )intersect_dt_ns是关键旋钮传感器采样时刻天然错开给一点容差百毫秒级就能把相机发现障碍物 → IMU 记录甩尾这类因果链关联起来。Lidar 点云帧也可以参与同样的交集计算。技巧 9元数据 本体过滤的联合检索真正好用的检索往往是三层叠加会话名模式 Topic 本体标签 物理值条件一次client.query()全部完成from mosaicolabs import MosaicoClient, QuerySequence, QueryTopic, QueryOntologyCatalog, IMU with MosaicoClient.connect(localhost, 6726) as client: qresponse client.query( QuerySequence().with_name_match(test_drive*), # 第 1 层会话名通配 QueryTopic().with_name(/sensors/imu), # 第 2 层指定 Topic QueryOntologyCatalog() .with_expression(IMU.Q.acceleration.x.gt(5.0)) # 第 3 层物理值 .with_expression(IMU.Q.timestamp_ns.gt(1700134567)), # 附带时间下界 )通配符*、?、[]、#可用于名称与元数据匹配with_name_match()、with_user_metadata(..., match...)规则见 query.md 的 Wildcards 一节。技巧 10无类查询QueryableNumeric——查未建模的传感器数据.Q代理需要一个 Python 类在手。但如果你入库的是未适配的自定义消息经 ROS/MCAP 桥即时翻译、以本体标签如GyroRaw存储类可能早已不存在。此时直接用字段路径字符串构造表达式即可效果与.Q完全等价from mosaicolabs.query.queryable_fields import QueryableNumeric, QueryableString # 数值找角速度 X 轴超过 0.5 rad/s 的序列无需 GyroRaw 类 client.query(QueryOntologyCatalog().with_expression( QueryableNumeric(GyroRaw.gyro.x).gt(0.5))) # 字符串找日志级别为 ERROR 的记录 client.query(QueryOntologyCatalog().with_expression( QueryableString(DiagnosticLog.level).eq(ERROR)))注意无类查询没有客户端 schema 校验——字段路径写错不会报错只会匹配不到任何数据所以路径要仔细核对。列表字段也可用字段[0]、字段[!]全部、字段[?]任一选择器表达规则见 queryable_fields_queries.mdx。快速对照表10 招速查#场景核心写法1IMU 单条件过滤QueryOntologyCatalog(IMU.Q.acceleration.x.gt(15.0))2多条件 AND 组合链式.with_expression()同字段用.between()3点云列表字段先.any()/.all()/[i]再链算子4距离/区域过滤Lidar.Q.range.all().leq(50.0)、.between([-1, 1])5环 扇区切片beam_idazimuth/elevation组合6冲击/急转事件acceleration/angular_velocity真实单位阈值7切成离散事件topic.clusterize(clustering_dt_ns...)8跨传感器同时事件item.intersect(intersect_dt_ns...)9三层联合检索QuerySequenceQueryTopicQueryOntologyCatalog10未建模数据QueryableNumeric(Tag.field).gt(...)延伸阅读查询工作流完整机制Builder、.Q代理、响应模型docs/py/docs/SDK/query.md无类查询Queryable Fields详解docs/main/docs/learn/queryable_fields_queries.mdx时间窗口clusterize / intersectdocs/main/docs/learn/temporal_windows.mdxIMU 本体与可查字段mosaico-sdk-py/src/mosaicolabs/models/sensors/imu.pyLidar 本体与可查字段mosaico-sdk-py/src/mosaicolabs/models/futures/lidar.py掌握这 10 招后你就具备了在 Mosaico 平台上按物理语义像写 SQL WHERE 子句一样检索 Lidar 与 IMU 数据的能力——把海量录制直接浓缩成高质量训练片段正是 Physical AI 数据闭环的核心一步。赞分享【免费下载链接】mosaicoMosaico - The data platform for Physical AI项目地址https://gitcode.com/gh_mirrors/mosai/mosaico点击查看免费下载相关推荐7个C DataFrame高级查询技巧轻松掌握高效数据筛选与过滤7个C DataFrame高级查询技巧轻松掌握高效数据筛选与过滤 在现代C开发中数据处理效率直接影响项目成败。C DataFrame作为一款专注数据分析机器学习Tabulator 数据过滤终极指南10个高级多条件查询技巧Tabulator 数据过滤终极指南10个高级多条件查询技巧 Tabulator 是一个强大的 JavaScript 交互式表格和数据网格库在前 100 字前端UI组件Claudia剪贴板Claude Code复制粘贴与数据交换功能完整指南Claudia剪贴板Claude Code复制粘贴与数据交换功能完整指南 Claudiaopcode是一款强大的 Claude Code 图形化应用与工具桌面应用AI 应用开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考