一、CSS盒子

一个盒子通常包括四个区域，让我们先写一个设置好width和height属性的div。
1
示例1：

<style>
.box {
    width: 100px;
    height: 200px;
}
</style>

<div class = "box"></div>

现在在浏览器运行，打开F12-Elements一栏，可以查看到这个盒子的具体状态：

最里层的宽高是我们设置的width和height，这个部分是content内容区域。
往外分别是：padding内边距、border边框和margin外边距。

1.1 盒子的四个区域

可知，一个标准的盒子包括以下四个区域（以下顺序按照从内到外）：

区域	说明
内容区域	代表盒子的实际内容部分，它是由 width 宽度和 height 高度来确定的
内间距区域	代表盒子与实际内容之间的空白区域，由 padding 属性设置
边框区域	代表盒子的边框，是内间距区域和外边距区域的边界，由 border属性设置
外边距区域	代表此盒子的边框与相邻的其他盒子边框之间的距离，由 margin 属性设置

---

二、CSS盒子的类型

CSS盒子类型使用box-sizing属性进行设置.

1.content-box 内容盒子

box-sizing属性的默认值，“一”中示例1设置的盒子就是内容盒子

这个时候我们在示例1的基础上再加上内边距、边框和外边距

示例2：

<style>
.box {
    width: 100px;
    height: 200px;
    padding: 10px;
    border: 5px solid blue;
    margin: 20px;
}
</style>
<div class = "box"></div>

此时再看浏览器，发现盒子的宽度和高度变成了130*230！

再看浏览器给出的盒子模型图，我们将发现宽度的130似乎是由100+（10+5）×2算出来的，也就是width+（padding+border）*2。

那我们不妨再用这个这个公式套在height上试一试能不能行得通？
200+10+5+10+5=230 === height

此时我们惊讶地（嘿嘿，并不惊讶hhh）发现确实是这样计算的，盒子囊括的就是红框内部。

content-box盒子的宽高计算公式

css中width和height是设置内容区域的宽高，
盒子的宽高需要加上内间距和边框，外边距不算在内

盒子宽度=内容的宽度+左右内间距+左右边框的宽度
盒子高度=内容的高度+上下内间距+上下边框的宽度

2.border-box 边框盒子（怪异模型）

css中width和height设置的是盒子的最终的宽高

在示例2的基础上加上一行“box-sizing: border-box;”即可变成边框盒子，
示例3：

<style>
.box {
    box-sizing: border-box;
    width: 100px;
    height: 200px;
    padding: 10px;
    border: 5px solid blue;
    margin: 20px;
}
</style>
<div class = "box"></div>

查看浏览器中div的盒子模型，可以看到红框的宽度为100，高度200，而中间的内容区域content变为了70×170（100-（10+5）*2， 200-（10+5）*2）

3.特殊的盒子：替换元素

常见的替换元素有<img> 、 <iframe> 、 <video> 等
替换元素加载的是外部内容，并不会受现有的 CSS 属性的影响。

但可以通过 CSS 来控制替换元素在盒子中的位置

以<img/>为例，加载一张图片，限制<img/> 盒子的宽高，

• object-fit 属性：让图片等比例占满整个盒子，裁掉显示不下的部分。
• object-position 属性：设置图片在盒子中的位置，可以是靠下或者居中等：

示例：
用img加载一张图片，分别将object-position 属性设置为靠上、居中和靠下

<style>

img {
    width: 300px;
}
#img1,#img2,#img{
    height: 300px;
    object-fit: cover;
}
#img1 {
    object-position: top;
}
#img2 {
    object-position: center;
}
#img3 {
    object-position: bottom;
}
</style>
<img src = "1.jpg">
<img id = "img1" src="1.jpg" alt=""/>
<img id = "img2" src="1.jpg" alt=""/>
<img id = "img3" src="1.jpg" alt=""/>

​今天我们来探究一下“阴影”。在学习美术的时候，接触素描，去画一个杯子，或者画一个球体，这个时候往往出现，老师画的很逼真，立体感、层次感很强。经过老师的讲解，我们知道想让我们所画的物体，具有立体感，通常有：高光，暗面，灰面，投影（阴影），这几部分组成。说完了 图形中的阴影后，来想想如何在我们的页面中绘画出阴影。这就涉及到我们今天要说的内容 CSS3 中的 box-shadow。

探究 box-shadow

在说 box-shadow 之前，大家先来看看几张图片，具体细致的感受一下 box-shadow 阴影。

​

看起来是不是 一张很像纸的纸，有点阴影。

再来一个阴影

​

What? 这也是阴影？（不要拿 border 来骗我好吧。。。）

再来一个刺激一点的阴影

​

这个也用 box-shadow 画出来的？

上面的这些图片确实是通过 box-shadow 画出来的，可能有些小震惊（图 一很微妙，图三很炫酷，图二有点开玩笑）。接下来我们来正式探究 box-shadow 的神奇黑魔法！！！！

box-shadow 直译被称为“盒子阴影”，直译的结果与大家们的认知是相符的。CSS 中存在盒模型,针对于盒模型的阴影呗。这点大家要记住，是针对于盒子（元素） 的阴影，后面我们还会着重说明。

box-shadow 属性值由 6 部分组成。

语法形式：

box-shadow: offset-x offset-y blur spread color position;

这里的 position 可以写在最前面。也可以像上面一样写在最后面。

接下来我们来看看这几个属性都提供了什么样的功能？

1. offset-x offset-y

offset-x 用于声明阴影的水平偏移，就是阴影在 X 轴上的位置。

当值为正数， 阴影就位于元素右侧，

若值为负数，阴影位于元素的左侧。

同理

offset-y 用于声明阴影的垂直偏移，就是阴影在 Y 轴上的位置。

当值为正数， 阴影就位于元素下侧，

若值为负数，阴影位于元素的上侧。

例子：

CSS:

.demo { 
  width: 100px; 
  height: 100px; 
  background: #fcc; 
  box-shadow: 10px 10px; 
} 

结果：

​

通过这个我们能看出来是具有阴影的，根据上面的讲解能看出来是（10px 10px）向下向右偏移 10 个 px，同理负值是向上向左偏移。接下来我们看 blur

2. blur

blur 表示阴影的模糊半径。效果与设计软件中使用的高斯模糊滤镜一样。

值为 0 意味着阴影完全不模糊。

blur 值越大，边角越不锋利，阴影越朦胧。

不允许负值，负值等同于 0。

在我们上面的例子中修改：

CSS:

box-shadow: 10px 10px 10px; 

结果：

​

我们能看到阴影虚化了。

这里要注意的是：W3C 中没有规定浏览器厂商使用哪种方式实现模糊效果， 反正效果与高斯模糊效果差不多就是了。但有一点我们需要注意的，那就是 模糊效果会扩大阴影的面积。

​

Demo0 是 blur 半径为 0 的效果，可以看到阴影尺寸与元素尺寸一模一样。 而 demo1 是 blur 半径为 10px 的效果，可以看到阴影尺寸有所扩展了，而 demo2 则扩展得更多一些。

现在我们感性上认知到 blur 半径值大于 0 时会扩展阴影尺寸，那么到底扩展多少呢？

那我们要先明确模糊发生的起始位置了。经过肉眼观察，模糊发生的起始位置就是阴影盒子的边。事实也就是这样。至于发散距离 blur radius(虚化半径) / 2 的距离。看的 demo2 中阴影尺寸已经与元素盒子重叠了，因为阴影盒子左边框向左发散了 15px 了，超过它俩之间 10px 的 水平距离了。

3. spread

spread 表示阴影的大小。

当值为正数，阴影会向四周扩展。

若值为负数， 阴影会收缩，小于元素尺寸。

默认值 0 会保持阴影和元素尺寸一致。

​

在这里面我们能看到，当我们 spread 为 10px， margin 也为 10px 他俩是重合的。

说明 spread 为正值，在原来的大小上（上下左右） + spread 的值。 当 spread 为为负值，再远的大小上 – spread 的值

4. color

color 表示阴影的颜色。

可以是任何颜色单位。

这个没什么说的。

5. position

position 表示阴影的位置，可选项。

默认为外部阴影。可以通过使用 inset 关键字来制作内部阴影。外部阴影不用声明默认就是，想使用内部阴影需要声明 inset 在最前面最后都可以。

例如:

 box-shadow: inset 0px 0px 0px 10px #0ff; 

效果：

​

很明显阴影是在里面的。

接下来我们也对内阴影分析一下 spread 以及 blur radius 。

通过上面的图我们能看出来。

对于 spread 当值为正值时，可以看出内阴影从边界开始填充。至于这个边界 是从 border 开始，还是从 padding 开始呢？

​

CSS：

border: 10px solid #f0f; 
padding: 10px;
box-shadow: inset 0px 0px 0px 10px #0ff; 

我们可以看出来

以 Padding 区域为起点进行向内部扩展阴影。扩展半径为 spread 的值，负值没有意义，没有 padding 区域以 content 区域开始。

对于 blur radius 和 spread 类似这里就不演示了，给大家总结一下，模糊半径的值 还是 blur radius/2 开始位置同 spread，有 padding 先从 padding 开始，没有从 content 开始。

下面说一说 box-shadow 的层次（z-index） 对于外阴影（默认情况）：

​

对于外阴影：高与 magin 低于 background。

对于内阴影：高与 padding 低于 content。

Box-shadow 不仅可以区分内外阴影还可以，应用多个阴影进行叠加。

每个阴影用‘，’隔开。

例如：

CSS：

width: 100px; 
height: 100px; 
background: #fcc; 
padding: 10px; 
border-radius: 50%; 
box-shadow: 120px 0px 0 -10px #f0f, 
						95px 10px 0 0px #d00, 
						30px 20px 0 -10px #cdd, 
						90px -10px 0 0px #add, 
						40px -30px 0 0px #edd; 

结果：

​

层次也是后写的在后边。因为可以重叠所以我们可以写多边框的一个元素

​

这样的一个准靶。

​

长按二维码关注，一起努力。

助力寻人启事

微信公众号回复 加群 一起学习。

前言

• 最近看了好多作者对于nuScenes数据集，仅限于nuScenes官网上的nuscenes_tutorial教程如何简单的使用该数据集。对于细节部分的介绍不是很清楚，在学习了一段时间nuScenes后，在本篇文章分享一些学习心得。
• 本人第一次分享经验，如果有写的不好的，大家多多包涵，多多指点！！！

---

一、nuScenes数据集box标注信息

• Box是标注信息的3Dbox：一个Box信息为（center，size，orientation，label，score，velocity，name，token）

  center: sample_annotation中的‘translation’，x，y，z；

  size：sample_annotation中的‘size’，w、l、h

  orientation:sample_annotation中的’rotation‘。

  label:为可选项，int类型。

  score：分类的得分，可选

  velocity：center的各自变化速度。

  name：box的名字，类别的名字。

  token： sample_annotation的唯一token。

二、如何在对应图像上画出3D框

1.如何得到图像下的3D框角坐标

1.1 得到注释的box信息，使用get_box()函数

代码如下：

from nuscenes import NuScenes

nusc = NuScenes(version='v1.0-mini',dataroot=r'E:\nuScenes\nuscenes_mini',verbose=True)

my_sample = nusc.sample[5]  # 得到一个sample
ann_list = my_sample['anns']  # 取出该sample的所有sample_annotation_token

for ann in ann_list:
    box = nusc.get_box(ann)

1.2 标注的box信息转换到像素坐标系下

*注： 这里涉及到nuScenes数据集坐标系的转换。先看代码，
代码如下：

import os.path

import cv2
import numpy as np
from nuscenes.utils.geometry_utils import view_points
from pyquaternion import Quaternion

from nuscenes import NuScenes

nusc = NuScenes(version='v1.0-mini',dataroot=r'E:\nuScenes\nuscenes_mini',verbose=True)

my_sample = nusc.sample[0]  # 得到一个sample
ann_list = my_sample['anns']  # 取出该sample的所有sample_annotation_token

sample_data_token = my_sample['data']['CAM_FRONT']

sd_rec = nusc.get('sample_data', sample_data_token)

filename = sd_rec['filename']
img_path = os.path.join(nusc.dataroot, filename)
img = cv2.imread(img_path)

assert sd_rec['sensor_modality'] == 'camera', 'Error: get_2d_boxes only works for camera sample_data!'
if not sd_rec['is_key_frame']:
    raise ValueError('The 2D re-projections are available only for keyframes.')

s_rec = nusc.get('sample', sd_rec['sample_token'])

cs_rec = nusc.get('calibrated_sensor', sd_rec['calibrated_sensor_token'])
pose_rec = nusc.get('ego_pose', sd_rec['ego_pose_token'])
camera_intrinsic = np.array(cs_rec['camera_intrinsic'])

ann_recs = [nusc.get('sample_annotation', token) for token in s_rec['anns']]

track_class = {'car', 'truck', 'trailer', 'bus', 'bicycle', 'motorcycle', 'pedestrian'}

for ann_rec in ann_recs:
    ann_rec['sample_annotation_token'] = ann_rec['token']
    ann_rec['sample_data_token'] = sample_data_token

    # 世界坐标系下的box标注信息
    box = nusc.get_box(ann_rec['token'])

    # 从世界坐标系->车身坐标系
    box.translate(-np.array(pose_rec['translation']))
    box.rotate(Quaternion(pose_rec['rotation']).inverse)

    # 从车身坐标系->相机坐标系
    box.translate(-np.array(cs_rec['translation']))
    box.rotate(Quaternion(cs_rec['rotation']).inverse)

    # 过滤掉不在不在图像传感器前面的点
    corners_3d = box.corners()
    # print('+++++++++++++++++++++++++++++', corners_3d)
    # in_front = np.argwhere(corners_3d[2, :] > 0).flatten()
    # corners_3d = corners_3d[:, in_front]
    print('------------------------------', corners_3d)
    # 从相机坐标系->像素坐标系
    view = np.eye(4)
    view[:3, :3] = np.array(camera_intrinsic)
    in_front = corners_3d[2, :] > 0.1
    if all(in_front) is False:
        continue
    points = corners_3d
    points = np.concatenate((points, np.ones((1, points.shape[1]))), axis=0)
    points = np.dot(view, points)[:3, :]
    points /= points[2, :]

    box_img = points.astype(np.int32)
    color = (64, 128, 255)
    # print(box_img)
    b = list(set(ann_rec['category_name'].split('.')).intersection(track_class))
    if len(b) == 0:
        continue
    else:
        for i in range(4):
            j = (i + 1) % 4
            # 下底面
            cv2.line(img, (box_img[0, i], box_img[1, i]), (box_img[0, j], box_img[1, j]), color, thickness=1)
            # 上底面
            cv2.line(img, (box_img[0, i + 4], box_img[1, i + 4]), (box_img[0, j + 4], box_img[1, j + 4]), color, thickness=1)
            # 侧边线
            cv2.line(img, (box_img[0, i], box_img[1, i]), (box_img[0, i + 4], box_img[1, i + 4]), color, thickness=1)

cv2.imshow('图像的3D框', img)
cv2.waitKey(0)

2.效果图展示

总结

nuScenes数据集存在四个坐标系：全局坐标系，车身坐标系，相机坐标系，雷达（Rader，Lidar）坐标系。因为标注信息是在全局坐标系下，所以需要进行坐标转换才能得到对应图像的box信息。

待更新…

下一步会更新如何从图像的3Dbox转换到2Dbox。此处先放一下2D效果图：

已更新：

3d Box转2d Box已经更新在文章nuScenes 3dBox转2dBox。