Rerun Rust 最小示例深度解析用 20 行代码在 3D 空间中记录彩色点云【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun导读本文以 Rerun 官方 Rust 示例中最精简的 minimal 示例 为核心逐行拆解生成一个 3D 彩色立方体点云并实时可视化的完整链路从RecordingStreamBuilder建立流式连接到demo_util::grid生成网格点再到Points3D组件化日志记录。读完本文你将掌握 Rerun Rust SDK 最核心的创建 RecordingStream → 组织数据 → rec.log() 上报三段式编程模型并能立即在自己的 Rust 项目中复现这一最小可视化闭环。一、示例概览最短路径的可视化minimal 示例是整个仓库中最简洁的 Rerun 使用示范。它不做任何花哨的展示只做一件事把 1000 个带颜色的三维点作为一个点云记录下来并在 Rerun Viewer 中渲染出来。官方将其定位为通向可用可视化的最短路径the shortest path to a working visualization也是 Rerun Rust 快速入门指南的配套代码。整个示例仅包含三个文件文件作用examples/rust/minimal/src/main.rs全部业务逻辑约 20 行examples/rust/minimal/Cargo.toml依赖声明仅依赖本地reruncrateexamples/rust/minimal/README.md运行说明在仓库根目录执行即可运行cargo run --release命令执行后会发生两件事构建 minimal 示例并启动程序程序自动拉起 Rerun Viewer 窗口若 Viewer 未运行则通过spawn自动启动随后在 3D 视图中出现一个由彩色点组成的立方体点云。--release是官方推荐的运行方式Rerun SDK 的数据管线Chunk 批处理、序列化、gRPC 传输在 release 模式下性能远优于 debug 模式能避免 debug 构建下日志频率较高时出现的卡顿。二、逐行拆解 main.rs 的实现完整源码见 examples/rust/minimal/src/main.rs下面按逻辑分段解读。2.1 建立 RecordingStream与 Viewer 建立连接let rec rerun::RecordingStreamBuilder::new(rerun_example_minimal).spawn()?;这是整段代码的入口。RecordingStreamBuilder::new(application_id)以应用标识ApplicationId创建构建器本例中的应用 ID 为rerun_example_minimal随后调用.spawn()从$PATH中查找并启动一个 Rerun Viewer 进程通过 gRPC 建立一条流式通道将数据实时推送给该 Viewer如果该端口上已有 Viewer 在监听则不会重复启动新进程而是直接复用现有 Viewer从源码注释可见这一行为见 crates/top/re_sdk/src/recording_stream.rs。从源码结构看RecordingStreamBuilder是一个典型的构建器模式其字段包括application_id、store_kind、recording_id、batcher_config、blueprint等见 crates/top/re_sdk/src/recording_stream.rs。除了spawn()它还提供多个同级的数据出口选择这将在第五节展开。2.2 生成点云数据demo_util::griduse rerun::demo_util::grid; use rerun::external::glam; let points grid(glam::Vec3::splat(-10.0), glam::Vec3::splat(10.0), 10);grid(from, to, n)是 Rerun SDK 为示例提供的网格生成工具实现在 crates/top/rerun/src/demo_util.rspub fn grid(from: glam::Vec3, to: glam::Vec3, n: usize) - impl IteratorItem glam::Vec3 { linspace(from.z, to.z, n).flat_map(move |z| { linspace(from.y, to.y, n) .flat_map(move |y| linspace(from.x, to.x, n).map(move |x| (x, y, z).into())) }) }其工作原理是在 X、Y、Z 三个轴上分别调用linspace线性插值见同文件 crates/top/rerun/src/demo_util.rs本质上是对lerp(a, b, t) a - t*a t*b的封装再用flat_map做三层嵌套笛卡尔积。因此本例中grid(Vec3::splat(-10.0), Vec3::splat(10.0), 10)表示在-10.0到10.0之间每个轴取 10 个采样点共生成10 × 10 × 10 1000 个三维点均匀铺满一个边长为 20 的立方体空间——这正是最终渲染出彩色立方体点云的几何来源。2.3 为每个点生成颜色let colors grid(glam::Vec3::ZERO, glam::Vec3::splat(255.0), 10) .map(|v| rerun::Color::from_rgb(v.x as u8, v.y as u8, v.z as u8));这里再次调用grid但范围从(0,0,0)到(255,255,255)同样采样 10 步。由于两次grid的嵌套展开顺序完全一致先 Z、再 Y、最后 X因此points与colors两个迭代器按位置一一对应空间位置与 RGB 颜色通道线性绑定——越靠近立方体 X 正方向越红、Y 正方向越绿、Z 正方向越蓝从而形成平滑渐变的彩色立方体。rerun::Color::from_rgb(r, g, b)是 SDK 提供的 RGBA 颜色构造器as u8将 0~255 的浮点值截断为 8 位通道值。2.4 记录点云rec.log() 与 Points3D 组件rec.log( my_points, rerun::Points3D::new(points) .with_colors(colors) .with_radii([0.5]), )?;这一行是整个示例的数据上报核心包含三个层次1实体路径my_pointsRerun 使用类似文件系统的层级路径组织数据如robot/arm/link1。这里使用根级路径my_points点云的所有数据都将挂在名为my_points的实体下并显示在 Viewer 的实体树Blueprint Tree中。2Points3D架构ArchetypePoints3D是 Rerun 预定义的数据架构之一定义在 crates/store/re_sdk_types/src/archetypes/points3d.rs文件头注释明确指出该文件由re_types_builder代码生成是 Rerun 类型系统的产物。其官方定义为A 3D point cloud with positions and optional colors, radii, labels, etc.带位置及可选颜色、半径、标签等的 3D 点云。Points3D::new(positions)接受任何可迭代为Position3D的类型见 points3d.rs并支持一系列链式构造方法本例用到的两个方法作用参数说明.with_colors(colors)为每个点设置颜色接受与点数对齐的颜色迭代器本例为Vec3映射出的Color序列.with_radii([0.5])设置点的显示半径接受单值或与点数对齐的序列传入单值0.5表示所有点统一使用半径 0.5世界坐标单位从Points3D的字段定义positions、radii、colors、labels、show_labels、point_shading、class_ids、keypoint_ids可以看出该架构还支持标签、分类 ID、关键点 ID、着色模式等更多扩展能力minimal 示例只使用了最基础的三个字段。3log方法签名RecordingStream::log(ent_path, as_components)是 SDK 最常用的行式row-oriented日志接口实现在 crates/top/re_sdk/src/recording_stream.rs要求第二个参数实现AsComponentstrait——Points3D正是一个实现了该 trait 的组件包component bundle。SDK 内部会将其序列化为 Arrow 列数据交给 ChunkBatcher 进行微批处理micro batching后异步发送给 Viewer。三、数据流全景从一行 log 到屏幕上的点云综合源码调用链这 20 行代码背后实际发生了如下数据流main.rs 生成 points colors │ ▼ Points3D::new(...).with_colors(...).with_radii(...) ← 组件打包 │ ▼ rec.log(my_points, points3d) ← 行式日志 API │ ▼ ChunkBatcher 微批处理 / Arrow 序列化 ← re_chunk_store 数据模型 │ ▼ gRPC 流式传输 ← spawn() 建立的通道 │ ▼ Rerun Viewer 渲染 Points3D 可视化器其中spawn()建立的是 SDK 与 Viewer 之间的 gRPC 通道log的数据经 re_chunk 的 Chunk 模型组织后落库。这也解释了为什么 minimal 示例既是最短路径又完整覆盖了 Rerun log → stream → visualize 的核心设计哲学。四、Cargo.toml极简依赖声明examples/rust/minimal/Cargo.toml 的依赖部分只有一行[dependencies] rerun { path ../../../crates/top/rerun }直接以相对路径依赖仓库内的crates/top/rerun顶层 crate该 crate 会 re-exportRecordingStreamBuilder、Points3D、demo_util、external::glam等全部所需 APIdemo_util模块在 crates/top/rerun/src/lib.rs 中声明。示例的version为0.38.0-alpha.1devpublish false属于仓库内部开发版示例不发布到 crates.io。edition 2024、rust-version 1.96对工具链版本有明确要求请确保使用足够新的 Rust 工具链编译。在实际业务项目中你既可以像本示例一样以 path 依赖本地源码便于调试 SDK 自身也可以改为rerun 0.x从 crates.io 引入正式发布版。五、从 minimal 出发的三种演进方向minimal 示例是 Rerun Rust 用法的最小公倍数基于RecordingStreamBuilder的其余出口与logAPI 的扩展能力可以自然演化出更多实战形态1. 切换数据出口spawn → save / stdoutspawn()只是RecordingStreamBuilder众多出口之一。同文件还提供了.save(my_recording.rrd)写入本地.rrd录制文件见 recording_stream.rs与.stdout()经标准输出管道传给外部进程见 recording_stream.rs终端为 TTY 时自动回退为 buffered 模式。将spawn()换成save()即可把同样的点云数据离线落盘之后用 Viewer 打开复盘。2. 加入时间维度set_time 循环 logminimal 示例记录的是单帧静态数据。实际机器人/多模态数据通常是时序的只需在循环中调用rec.set_time_seconds(timeline, t)并反复log即可形成随时间演化的动画。3. 组合更多架构ArchetypePoints3D只是 Rerun 类型系统中数百个架构之一。仓库中 crates/store/re_sdk_types/src/archetypes 目录还包含Arrows3D、Boxes3D、Image、Mesh3D、Tensor、Transform3D等常用架构均遵循与Points3D一致的new(...).with_xxx(...)链式构造风格掌握 minimal 示例后即可平滑迁移。六、总结minimal 示例用最少的代码完整展示了 Rerun Rust SDK 的三个核心抽象RecordingStream数据采集与传输的载体通过RecordingStreamBuilder的spawn/save/stdout决定数据去向Archetype架构如Points3D把位置、颜色、半径等组件Component打包成可日志化的数据单元log(ent_path, archetype)以实体路径为坐标、以组件包为内容的行式日志接口。对照 examples/rust/minimal/src/main.rs 亲自运行一遍cargo run --release你将直观看到 1000 个渐变彩色点组成的立方体在 Viewer 中呈现——这是理解整个 Rerun 数据可视化管线的最佳起点。【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Rerun Rust 最小示例深度解析用 20 行代码在 3D 空间中记录彩色点云【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun导读本文以 Rerun 官方 Rust 示例中最精简的 minimal 示例 为核心逐行拆解生成一个 3D 彩色立方体点云并实时可视化的完整链路从RecordingStreamBuilder建立流式连接到demo_util::grid生成网格点再到Points3D组件化日志记录。读完本文你将掌握 Rerun Rust SDK 最核心的创建 RecordingStream → 组织数据 → rec.log() 上报三段式编程模型并能立即在自己的 Rust 项目中复现这一最小可视化闭环。一、示例概览最短路径的可视化minimal 示例是整个仓库中最简洁的 Rerun 使用示范。它不做任何花哨的展示只做一件事把 1000 个带颜色的三维点作为一个点云记录下来并在 Rerun Viewer 中渲染出来。官方将其定位为通向可用可视化的最短路径the shortest path to a working visualization也是 Rerun Rust 快速入门指南的配套代码。整个示例仅包含三个文件文件作用examples/rust/minimal/src/main.rs全部业务逻辑约 20 行examples/rust/minimal/Cargo.toml依赖声明仅依赖本地reruncrateexamples/rust/minimal/README.md运行说明在仓库根目录执行即可运行cargo run --release命令执行后会发生两件事构建 minimal 示例并启动程序程序自动拉起 Rerun Viewer 窗口若 Viewer 未运行则通过spawn自动启动随后在 3D 视图中出现一个由彩色点组成的立方体点云。--release是官方推荐的运行方式Rerun SDK 的数据管线Chunk 批处理、序列化、gRPC 传输在 release 模式下性能远优于 debug 模式能避免 debug 构建下日志频率较高时出现的卡顿。二、逐行拆解 main.rs 的实现完整源码见 examples/rust/minimal/src/main.rs下面按逻辑分段解读。2.1 建立 RecordingStream与 Viewer 建立连接let rec rerun::RecordingStreamBuilder::new(rerun_example_minimal).spawn()?;这是整段代码的入口。RecordingStreamBuilder::new(application_id)以应用标识ApplicationId创建构建器本例中的应用 ID 为rerun_example_minimal随后调用.spawn()从$PATH中查找并启动一个 Rerun Viewer 进程通过 gRPC 建立一条流式通道将数据实时推送给该 Viewer如果该端口上已有 Viewer 在监听则不会重复启动新进程而是直接复用现有 Viewer从源码注释可见这一行为见 crates/top/re_sdk/src/recording_stream.rs。从源码结构看RecordingStreamBuilder是一个典型的构建器模式其字段包括application_id、store_kind、recording_id、batcher_config、blueprint等见 crates/top/re_sdk/src/recording_stream.rs。除了spawn()它还提供多个同级的数据出口选择这将在第五节展开。2.2 生成点云数据demo_util::griduse rerun::demo_util::grid; use rerun::external::glam; let points grid(glam::Vec3::splat(-10.0), glam::Vec3::splat(10.0), 10);grid(from, to, n)是 Rerun SDK 为示例提供的网格生成工具实现在 crates/top/rerun/src/demo_util.rspub fn grid(from: glam::Vec3, to: glam::Vec3, n: usize) - impl IteratorItem glam::Vec3 { linspace(from.z, to.z, n).flat_map(move |z| { linspace(from.y, to.y, n) .flat_map(move |y| linspace(from.x, to.x, n).map(move |x| (x, y, z).into())) }) }其工作原理是在 X、Y、Z 三个轴上分别调用linspace线性插值见同文件 crates/top/rerun/src/demo_util.rs本质上是对lerp(a, b, t) a - t*a t*b的封装再用flat_map做三层嵌套笛卡尔积。因此本例中grid(Vec3::splat(-10.0), Vec3::splat(10.0), 10)表示在-10.0到10.0之间每个轴取 10 个采样点共生成10 × 10 × 10 1000 个三维点均匀铺满一个边长为 20 的立方体空间——这正是最终渲染出彩色立方体点云的几何来源。2.3 为每个点生成颜色let colors grid(glam::Vec3::ZERO, glam::Vec3::splat(255.0), 10) .map(|v| rerun::Color::from_rgb(v.x as u8, v.y as u8, v.z as u8));这里再次调用grid但范围从(0,0,0)到(255,255,255)同样采样 10 步。由于两次grid的嵌套展开顺序完全一致先 Z、再 Y、最后 X因此points与colors两个迭代器按位置一一对应空间位置与 RGB 颜色通道线性绑定——越靠近立方体 X 正方向越红、Y 正方向越绿、Z 正方向越蓝从而形成平滑渐变的彩色立方体。rerun::Color::from_rgb(r, g, b)是 SDK 提供的 RGBA 颜色构造器as u8将 0~255 的浮点值截断为 8 位通道值。2.4 记录点云rec.log() 与 Points3D 组件rec.log( my_points, rerun::Points3D::new(points) .with_colors(colors) .with_radii([0.5]), )?;这一行是整个示例的数据上报核心包含三个层次1实体路径my_pointsRerun 使用类似文件系统的层级路径组织数据如robot/arm/link1。这里使用根级路径my_points点云的所有数据都将挂在名为my_points的实体下并显示在 Viewer 的实体树Blueprint Tree中。2Points3D架构ArchetypePoints3D是 Rerun 预定义的数据架构之一定义在 crates/store/re_sdk_types/src/archetypes/points3d.rs文件头注释明确指出该文件由re_types_builder代码生成是 Rerun 类型系统的产物。其官方定义为A 3D point cloud with positions and optional colors, radii, labels, etc.带位置及可选颜色、半径、标签等的 3D 点云。Points3D::new(positions)接受任何可迭代为Position3D的类型见 points3d.rs并支持一系列链式构造方法本例用到的两个方法作用参数说明.with_colors(colors)为每个点设置颜色接受与点数对齐的颜色迭代器本例为Vec3映射出的Color序列.with_radii([0.5])设置点的显示半径接受单值或与点数对齐的序列传入单值0.5表示所有点统一使用半径 0.5世界坐标单位从Points3D的字段定义positions、radii、colors、labels、show_labels、point_shading、class_ids、keypoint_ids可以看出该架构还支持标签、分类 ID、关键点 ID、着色模式等更多扩展能力minimal 示例只使用了最基础的三个字段。3log方法签名RecordingStream::log(ent_path, as_components)是 SDK 最常用的行式row-oriented日志接口实现在 crates/top/re_sdk/src/recording_stream.rs要求第二个参数实现AsComponentstrait——Points3D正是一个实现了该 trait 的组件包component bundle。SDK 内部会将其序列化为 Arrow 列数据交给 ChunkBatcher 进行微批处理micro batching后异步发送给 Viewer。三、数据流全景从一行 log 到屏幕上的点云综合源码调用链这 20 行代码背后实际发生了如下数据流main.rs 生成 points colors │ ▼ Points3D::new(...).with_colors(...).with_radii(...) ← 组件打包 │ ▼ rec.log(my_points, points3d) ← 行式日志 API │ ▼ ChunkBatcher 微批处理 / Arrow 序列化 ← re_chunk_store 数据模型 │ ▼ gRPC 流式传输 ← spawn() 建立的通道 │ ▼ Rerun Viewer 渲染 Points3D 可视化器其中spawn()建立的是 SDK 与 Viewer 之间的 gRPC 通道log的数据经 re_chunk 的 Chunk 模型组织后落库。这也解释了为什么 minimal 示例既是最短路径又完整覆盖了 Rerun log → stream → visualize 的核心设计哲学。四、Cargo.toml极简依赖声明examples/rust/minimal/Cargo.toml 的依赖部分只有一行[dependencies] rerun { path ../../../crates/top/rerun }直接以相对路径依赖仓库内的crates/top/rerun顶层 crate该 crate 会 re-exportRecordingStreamBuilder、Points3D、demo_util、external::glam等全部所需 APIdemo_util模块在 crates/top/rerun/src/lib.rs 中声明。示例的version为0.38.0-alpha.1devpublish false属于仓库内部开发版示例不发布到 crates.io。edition 2024、rust-version 1.96对工具链版本有明确要求请确保使用足够新的 Rust 工具链编译。在实际业务项目中你既可以像本示例一样以 path 依赖本地源码便于调试 SDK 自身也可以改为rerun 0.x从 crates.io 引入正式发布版。五、从 minimal 出发的三种演进方向minimal 示例是 Rerun Rust 用法的最小公倍数基于RecordingStreamBuilder的其余出口与logAPI 的扩展能力可以自然演化出更多实战形态1. 切换数据出口spawn → save / stdoutspawn()只是RecordingStreamBuilder众多出口之一。同文件还提供了.save(my_recording.rrd)写入本地.rrd录制文件见 recording_stream.rs与.stdout()经标准输出管道传给外部进程见 recording_stream.rs终端为 TTY 时自动回退为 buffered 模式。将spawn()换成save()即可把同样的点云数据离线落盘之后用 Viewer 打开复盘。2. 加入时间维度set_time 循环 logminimal 示例记录的是单帧静态数据。实际机器人/多模态数据通常是时序的只需在循环中调用rec.set_time_seconds(timeline, t)并反复log即可形成随时间演化的动画。3. 组合更多架构ArchetypePoints3D只是 Rerun 类型系统中数百个架构之一。仓库中 crates/store/re_sdk_types/src/archetypes 目录还包含Arrows3D、Boxes3D、Image、Mesh3D、Tensor、Transform3D等常用架构均遵循与Points3D一致的new(...).with_xxx(...)链式构造风格掌握 minimal 示例后即可平滑迁移。六、总结minimal 示例用最少的代码完整展示了 Rerun Rust SDK 的三个核心抽象RecordingStream数据采集与传输的载体通过RecordingStreamBuilder的spawn/save/stdout决定数据去向Archetype架构如Points3D把位置、颜色、半径等组件Component打包成可日志化的数据单元log(ent_path, archetype)以实体路径为坐标、以组件包为内容的行式日志接口。对照 examples/rust/minimal/src/main.rs 亲自运行一遍cargo run --release你将直观看到 1000 个渐变彩色点组成的立方体在 Viewer 中呈现——这是理解整个 Rerun 数据可视化管线的最佳起点。【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
