SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场amc-run-sample-calibration

amc-run-sample-calibration

部署与运维

查看项目

更新于 10-15 14:00

技能介绍

amc-run-sample-calibration 是 NVIDIA AMC（AutoMagicCalib）技能集中的一项技能，作用是对随附样例数据集执行完整标定流程，以验证刚启动的 AMC 技术栈是否可以端到端正常工作。

用途

当用户希望用内置样例数据对运行中的 AMC 服务做健全性检查时启用本技能。典型提示包括“测试样例数据集”“运行样例标定”“验证 AMC 安装”“启动并测试”（若微服务尚未运行，可与 amc-setup-calibration-stack 技能链式使用）。本技能仅针对 assets/sdg_08_2_sample_data_010926.zip。

不应使用本技能的情形：用户引用自有视频路径（如 /data/videos/、非内置 zip 中的 cam_*.mp4），应改用 amc-run-video-calibration；用户提供实时 RTSP 流或 rtsp://… URL，应改用 amc-run-rtsp-calibration。

主要能力

对内置样例数据集（sdg_08_2_sample_data_010926.zip，含 4 路合成仓库摄像头及真值）执行完整标定。样例包含 GT，因此运行会产出评估指标（L2 距离、重投影误差），无需标定参数调优。技能会自动探测 8000–8009 端口上运行的后端、幂等地解压样例数据、运行捆绑脚本创建新项目、上传视频/对齐/布局/GT、执行标定并轮询项目状态，最后报告最终指标与 UI 地址供人工检查。当项目报告 vggt_state: READY 时，默认尝试 VGGT 精化；否则脚本会说明 VGGT 设置为可选、可稍后启用以进行精化。

使用方式

前置条件：AMC 微服务运行在 8000–8009 端口之一（否则先委派 amc-setup-calibration-stack）；样例 zip 存在于 assets/sdg_08_2_sample_data_010926.zip；Python 3 并安装 requests（python3 -m pip install requests，若 pip 不可用需先安装发行版的 Python 打包支持）。

典型指令流程：

  • 若用户说“启动 AMC 并测试样例数据集”：先运行 amc-setup-calibration-stack/SKILL.md，等待 /v1/ready 返回 OK，再解压样例数据，运行捆绑脚本，报告指标与 UI 地址。
  • 若微服务已在运行、用户说“测试样例数据集”：探测端口 8000–8009 中的 /v1/ready，若无则指向设置技能；如未缓存则解压样例数据；运行捆绑脚本；报告指标。

探测后端示例命令： MS_PORT="" for port in {8000..8009}; do if curl -s "http://localhost:$port/v1/ready" | grep -q '"code":0'; then MS_PORT=$port; break fi done [ -z "$MS_PORT" ] && { echo "No running backend. Run amc-setup-calibration-stack skill first."; exit 1; } echo "Backend on port $MS_PORT"

解压样例数据（幂等）：需设置 REPO_ROOT 指向 auto-magic-calib 检出目录，脚本会校验 README.md 与 compose/ms/compose.yml，然后解压到 zip 同级的 .cache/sdg_08_2_sample_data_010926 目录，预期得到 alignment_data/、GT.zip、videos/。

运行脚本：从 amc-run-sample-calibration 技能包中运行捆绑脚本（scripts/run_sample_calibration.py），而非从仓库根目录运行；若直接指向技能目录，需设置 AMC_SAMPLE_SKILL_DIR。脚本未设置 BASE_URL/MS_PORT 时自动探测 8000–8009 上运行的后端，接受 BASE_URL、MS_PORT、SAMPLE_DIR、RUN_VGGT 覆盖，每次运行创建新项目，ready 时尝试 VGGT，最后打印 NGC 仓库数据集说明。

备选：Swagger UI 手动流程。微服务在 http://<HOST_IP>:<MS_PORT>/docs 提供交互式 OpenAPI UI。若用户明确要求手动走查，可按顺序调用以下端点，并把步骤 1 的 project_id 复制到后续路径：

  1. POST /v1/create_project（project_name：任意字符串）
  2. POST /v1/upload_video_files/{project_id}（上传 videos/cam_0*.mp4 全部 4 个，按名称排序）
  3. POST /v1/upload_alignment/{project_id}（alignment_file：alignment_data/alignment_data.json）
  4. POST /v1/upload_layout/{project_id}（layout_file：alignment_data/layout.png）
  5. POST /v1/upload_gt_file/{project_id}（gt_file：GT.zip）
  6. POST /v1/verify_project/{project_id}（预期 project_state: READY）
  7. POST /v1/calibrate/{project_id}（JSON：{"detector_type": "resnet"}）
  8. GET /v1/get_project_info/{project_id}（每约 10 秒刷新直到 project_state = COMPLETED）
  9. GET /v1/result/{project_id}/evaluation_statistics（读取 L2 距离与重投影误差） 10.（可选）POST /v1/vggt/calibrate/{project_id}，再 GET /v1/vggt_results/{project_id}/evaluation_statistics（仅当 vggt_state 为 READY 时运行，轮询至 COMPLETED）

状态字段说明

project_info.project_state 是项目的 AMC 标定生命周期，轮询至 COMPLETED（或遇到 ERROR 停止）。project_info.vggt_state 是项目级 VGGT 精化生命周期，而非直接的服务或模型加载状态；新项目即使模型已就绪也可能报告 INIT。预期生命周期为 INIT →（AMC 标定完成后）READY →（VGGT 精化运行中）RUNNING → COMPLETED（或 ERROR）。

成功标准

项目在约 30 分钟内达到 project_state == "COMPLETED"；/v1/result/{id}/evaluation_statistics 返回非空统计（已上传 GT）；VGGT 要么运行至 vggt_state == "COMPLETED" 并报告 /v1/vggt_results/{id}/evaluation_statistics，要么因项目未就绪而被跳过并给出设置指引；期间不出现 ERROR 状态。样例的代表性指标（结果应相近）：平均 L2 距离 < 1.5 m；平均重投影误差 0 < 10 px。

输出与监控

结果持久化在服务器的 $REPO_ROOT/projects/project_<project_id>/ 下，包含 output/single_view_results/cam_XX/（camInfo_hyper_XX.yaml、trajDump_Stream_0_3d.txt）、output/multi_view_results/BA_output/results_ba/refined/camInfo_XX.yaml（最终标定，使用此文件）以及 calibration.log。可通过 tail -F 跟踪项目的 calibration.log，或用 docker compose -f "$REPO_ROOT/compose/compose.yml" logs -f auto-magic-calib-ms 查看服务日志。

故障排查要点

requests 未安装：先执行 python3 -m pip install requests。上传视频数远大于 4：说明 SAMPLE_DIR 解析过宽导致扫到陈旧视频，应修正 SAMPLE_DIR 并新建项目。verify_project 状态非 READY：确认 4 个视频、对齐、布局、GT 均已上传，检查项目信息响应。样例未解压：手动解压到 .cache 目录。cam_*.mp4 匹配 0 个文件：检查包装目录层级。标定超时（>60 分钟）：查看 calibration.log 是否提示 insufficient tracklets。上传返回 413：提高服务器上传限制或拆分文件。端口扫描未发现后端：后端未运行，先运行 amc-setup-calibration-stack。

附加样例数据集

根 README.md 还记录了 nv_warehouse_032326.zip，这是可从 NGC 获取的真实仓库数据集。使用 ngc registry resource download-version "nvidia/amc-nv-warehouse" 下载；随后使用 amc-run-video-calibration，在配置步骤上传 nv_warehouse_config.json，并使用 transformer 检测器运行。它不含真值数据。

相关技能

skills/amc-setup-calibration-stack/SKILL.md（启动微服务与 UI，前置条件）；skills/amc-run-video-calibration/SKILL.md（对自有预录 MP4 运行标定）；skills/amc-run-rtsp-calibration/SKILL.md（通过 VIOS 采集从实时 RTSP 流运行标定）。

限制

本技能仅适用于内置样例数据集 assets/sdg_08_2_sample_data_010926.zip；若当前环境无法执行（无后端、缺少样例数据等），技能会说明阻塞原因并描述预期工作流与 API 序列，不会伪造标定输出、评估指标或轨迹。