AI 数据湖服务
AI 数据湖服务
算子广场
请输入
- 文档首页
AI 数据湖服务具身智能空间标注手部姿态估计
复制全文
下载 pdf手部姿态估计
文档反馈
问问助手面向图片和视频提供人手姿态估计，识别左右手、手部检测框和 21 点关键点。支持单目图片、单目视频和基于真实标定及同步时间轴的双目视频，可返回二维、腕部相对三维及相机坐标，并按需输出相机轨迹和手部世界坐标，适用于具身数据标注和手部动作分析。
算子介绍
算子 ID：las_handpose_estimation
适用场景
场景 | 描述 |
具身数据标注 | 从图片或视频中提取手部检测框、左右手、关键点和轨迹。 |
手部动作分析 | 使用逐帧 21 点姿态及轨迹 ID 分析手部动作。 |
双目三维分析 | 基于真实标定和同步时间轴的双目视频，获取相机坐标及配对质量。 |
核心能力
- 单目图片：直接在 Poll 结果中返回手部检测框、左右手识别结果，以及 21 点二维和腕部相对三维关键点。
- 单目视频：返回可下载的 JSON 结果文件，包含每个采样帧中的手部对象、跨帧轨迹标识和时间信息。可通过视频片段参数（video_clip）只处理指定时段，也可通过时序平滑参数（task_context.temporal.smoothing）控制关键点平滑策略。
- 双目视频：支持输入左右目独立视频或左右目水平拼接视频。通过双目设备与标定信息（task_context.stereo.rig_manifest）提供左右目媒体组织方式、真实相机标定和同步时间轴，结果包含手部三维关键点及左右目帧配对质量。
- 相机与世界坐标：支持提供针孔相机或 KB4 鱼眼相机的内参（task_context.camera），也可请求服务自动估计相机参数。视频可通过世界坐标开关（task_context.world_coordinates.enabled）按需返回逐帧相机位置和姿态（camera_pose），以及手部 21 点世界坐标（keypoints_3d_world）。
效果展示
【示例 1：单目视频】
- 输入示例
- 单目视频
- Audio/video is not supported Please TryRefresh
Replay Play00:00 / 00:00 Live 00:00FullscreenCssfullscreenClick and hold to drag
- 任务代码-核心参数示例
-
- 输出结果示例
- 基于输出结果视频标注展示
-
Replay Play00:00 / 00:10 Live 00:00FullscreenCssfullscreenClick and hold to drag
——注意，本算子不直接返回视频结果，以上为基于算子处理结果 manifest 在原视频上进行标注后的示例。
【示例 2：双目任务】
- 输入示例
- 左目视频、时间戳、鱼眼相机参数
- Audio/video is not supported Please TryRefresh
Replay Play00:00 / 00:00 Live 00:00FullscreenCssfullscreenClick and hold to drag
-
- 右目视频、时间戳、鱼眼相机参数
-
Replay Play00:00 / 00:10 Live 00:00FullscreenCssfullscreenClick and hold to drag
-
- 左相机坐标系到右相机坐标系的刚体变换
- 任务代码-核心参数示例
-
- stereo_rig.json 须为完整的 stereo_rig@v1 文档，包含右目视频地址、左右目时间戳、真实相机标定和右目相对左目的外参；不能只提供 schema。
- 输出结果示例
- 基于输出结果视频标注展示
-
Replay Play00:00 / 00:10 Live 00:00FullscreenCssfullscreenClick and hold to drag
——注意，本算子不直接返回视频结果，以上为基于算子处理结果 manifest 在原左视频上进行标注后的示例。
【示例 3：手部世界坐标】
- 输入示例
- 单目头戴视频
-
Replay Play00:00 / 00:05 Live 00:00FullscreenCssfullscreenClick and hold to drag
- 任务代码-核心参数示例
-
- 本示例由 LAS 估计针孔相机内参。如果已有与输入画面匹配的针孔相机内参，也可通过 task_context.camera 直接提供。
- 基于输出结果的世界坐标标注展示
-
Replay Play00:00 / 00:05 Live 00:00FullscreenCssfullscreenClick and hold to drag
- 输出的 Hand Pose manifest 1.1 包含逐帧相机位姿 camera_pose 和 21 点手部世界坐标 keypoints_3d_world。使用结果前，需检查 world_coordinates.status 和逐手 keypoints_3d_world.valid。
——注意，本算子不直接返回视频结果，以上输出视频为基于 Hand Pose manifest 1.1 在原视频上叠加世界坐标标注后的示例。世界坐标以首个有效相机位姿为原点，单目尺度为估计值，仅适合分析同一请求内的相对位移和运动趋势。
支持的地域
- 北京：cn-beijing
- 上海：cn-shanghai
算子性能
细分项 | 限制或说明 |
视频采样 | 0.1～30 FPS，默认 10 FPS，且不得高于源视频 FPS。 |
采样帧上限 | 默认 10800 帧；单目长视频最大 54000 帧，World 和双目最大 10800 帧。 |
耗时 | 与输入帧数、采样 FPS、单目/双目模式及是否启用世界坐标相关。 |
RPM 与并发度 | 并发达到限制时返回 Connection.TooMany。 |
输入与输出要求
输入要求
细分项 | 详细要求 |
支持的数据模态 |
|
图片 |
|
视频 |
|
输入路径 |
|
输出要求
细分项 | 详细要求 |
支持的数据模态 | * 文本（JSON） |
文本（JSON） |
|
输出路径 |
|
计费说明
- 计费标准
-
-
- 计费单价
-
- 单价FPS 系数1.6 元/千帧与请求参数 media.fps 的设置结果有关：
- [1 , 5] ：系数为 5
- (6 , 10]：系数为 7
- (11 , 30] ：系数为 10
- 计费示例
- 提交了一个手部姿态估计任务，请求参数的 media.fps 设置为 15，poll 接口返回的 prompt_frame_count 取值为 600，则，FPS 系数为 10，目标检测与分割费用 = 1.6元/千帧 * 10 * 600帧/1000 = 9.6 元。
说明
如果您希望在调用算子前预估任务处理的用量（prompt_frame_count）值，可通过以下方式进行预估。
prompt_frame_count ≈ 视频时长（秒） * FPS 系数
注意，以上仅为预估取值，实际用量需以 poll 接口和最终账单为准。
注意与前提
申请开白
其他
Rest API 调用
API 调用说明
通过 Submit 提交异步任务并取得 task_id，再使用相同算子身份和账号调用 Poll。仅在 task_status=COMPLETED 且 business_code=0 时读取结果。
Submit
请求参数
operator_id string 必选 示例值: las_handpose_estimation
算子 ID，固定为 las_handpose_estimation。
operator_version string 必选 示例值: v1
算子版本，固定为 v1。
data HandPoseEstimationInfo 必选
手部姿态估计请求。
task_template string 必选 示例值: mono_hand_pose_estimation@v1
手部姿态估计任务模版，单目使用 mono_hand_pose_estimation@v1，双目使用 stereo_hand_pose_estimation@v1。
media HandPoseMedia 必选
输入媒体。
uri string 必选 示例值: tos://your-bucket/input.mp4
可读取的 HTTP/HTTPS 或 TOS 媒体地址。
type string Conditional 示例值: video
image 或 video；省略时按后缀推断。
fps float Optional 示例值: 10
仅视频，默认 10，范围 [0.1,30]，不得高于源 FPS。
max_frames integer Optional 示例值: 300
默认 10800。单目普通视频范围 [1,54000]；单目 World 和双目范围 [1,10800]。
video_clip VideoClip Optional
仅单目视频支持的裁剪片段。
start float 必选 示例值: 5.0
开始秒数，须大于等于 0。
end float 必选 示例值: 20.0
结束秒数，须大于 start，片段最长 1800 秒。
task_context HandPoseTaskContext Conditional
任务模版的上下文参数，可通过 camera 提供相机标定参数或请求估计内参，通过 world_coordinates 请求世界坐标。单目任务可省略；双目任务必须提供 stereo 参数。
camera CameraInput Optional
仅单目任务使用；为 media.uri 中输入的图片或视频提供相机标定参数。不传且未启用内参估计（enable_estimation=false）时，使用模型的虚拟相机。
enable_estimation boolean Optional 示例值: true
是否请求服务估计相机内参，默认 false。已提供 camera 时直接使用 camera 参数提供的相机内参数据。
model string Optional 示例值: pinhole
相机模型，支持 pinhole、kb4（原始鱼眼输入）、auto（仅用于 enable_estimation=true 的估计场景），默认 pinhole。如果开启世界坐标模式（world_coordinates.enabled=true），只接受已完成去畸变的针孔画面和对应的 pinhole 内参，或设置 camera.enable_estimation=true 请求估计针孔内参。
intrinsics array of float Conditional 示例值: [915.2,914.8,960.0,540.0]
相机内参 [fx,fy,cx,cy]，单位为像素，必须是 4 个有限数值，且 fx、fy 大于 0。一条请求中的所有帧共用该内参；暂不支持逐帧内参。内参必须与输入媒体的实际画面一致，媒体经过缩放、裁剪或旋转时需同步调整。没有可靠内参时应省略整个 camera，不要填写估算值。
distortion_coefficients array of float Conditional 示例值: []
KB4 鱼眼模型的 [k1,k2,k3,k4]，必须是 4 个有限数值。model=kb4 时必选；针孔模型必须省略或传空数组。
calibration_resolution array of integer Conditional 示例值: [1920,1080]
标定内参对应的 [width,height]，两个值均须为正整数。model=kb4 时必选，针孔模型可省略；提供时必须与服务解码到的媒体尺寸一致。
temporal TemporalInput Optional
smoothing string Optional 示例值: auto
默认 auto，按 FPS 选择窗口；on 使用完整平滑窗口；off 仅关闭参数平滑，不关闭轨迹关联或短缺口补全。on、off 仅用于单目视频，图片和双目只支持 auto。
world_coordinates WorldCoordinatesInput Optional
世界坐标配置，仅视频使用。开启后计算相机轨迹及手部世界坐标，并发布 Hand Pose manifest 1.1；开启时，必须显式提供 media.max_frames。单目任务要求针孔相机内参或针孔/自动估计，显式 max_frames 不超过 10800。
enabled boolean Optional 示例值: true
是否计算世界坐标，默认 false。设为 false 时不得传 quality。
quality WorldQualityInput Optional
世界坐标质量门。客户端参数只能在服务端最低门限基础上收紧，不能放宽。
min_tracking_coverage float Optional 示例值: 0.8
相机轨迹覆盖率最低要求，默认 0.8，范围 [0.8,1]。
min_valid_hand_frame_coverage float Optional 示例值: 0.5
有效手部世界坐标帧覆盖率最低要求，默认 0.5，范围 [0.5,1]。
required boolean Optional 示例值: false
仅双目使用。为 true 时要求世界坐标正式采用、至少一帧有效且轨迹质量未拒绝；否则任务失败。为 false 时允许基础 HandPose 成功。
stereo StereoInput Conditional
双目模板必填；单目不能填写。双目任务场景下，需将请求参数 media.uri 设置为左目视频，并在 stereo 中配置右目视频、左右目时间戳等其他输入参考。
rig_manifest RigManifestReference 必选
完整 stereo_rig@v1，只提供 schema 无效。可通过 uri 引用可读取的 HTTPS/TOS JSON，或通过 content 内联完整对象，两者二选一；URI 引用可同时提供 64 位小写十六进制 sha256。
uri string Conditional 示例值: https://example.com/document.json
与 content 二选一，填写可读取的 HTTPS/TOS JSON 地址。
content StereoRigManifest Conditional
与 uri 二选一，内联完整的双目设备、标定和时间轴信息；使用内联对象时不能再填 sha256。
schema string 必选 示例值: stereo_rig@v1
固定为 stereo_rig@v1。
rig_id string 必选 示例值: rig-001
稳定设备标识，长度 1～256。
calibration_version string 必选 示例值: v1
标定版本，长度 1～128。
reference_view string 必选 示例值: left
固定为 left。
source StereoSource 必选
媒体组织方式。
packing string 必选 示例值: side_by_side
side_by_side 表示水平拼接，separate 表示左右两路独立视频。
view_resolution array of integer Conditional 示例值: [960,540]
水平拼接时必填的单目 [宽,高]；整帧必须为 [2×宽,高]。
view_order array of string Conditional 示例值: ["left","right"]
水平拼接时必填，只能为 [left,right] 或 [right,left]。
right_media_uri string Conditional 示例值: https://example.com/right.mp4
独立视频模式必填的右目 HTTPS/TOS 地址。
right_media_sha256 string Optional
右目媒体的 64 位小写十六进制 SHA-256。
timeline StereoTimeline Conditional
独立视频模式必填；水平拼接可省略并使用同一媒体时间线。
timestamps TimestampReference Optional
水平拼接的共享时间戳；省略时从媒体推断。与左右目时间戳引用一样，支持 uri 或内联 content。
uri string Conditional 示例值: https://example.com/document.json
与 content 二选一，填写可读取的 HTTPS/TOS JSON 地址。
content FrameTimestamps Conditional
与 uri 二选一，内联时间戳文档。
schema string 必选 示例值: frame_timestamps@v1
固定为 frame_timestamps@v1。
timestamp_unit string 必选 示例值: ns
固定为纳秒 ns。
clock_id string 必选 示例值: rig-clock
时钟标识；独立视频的左右目必须相同。
clock_domain string Optional 示例值: soc_shared_clock
默认 soc_shared_clock；独立视频必须使用该值。
event string Optional 示例值: exposure_end
默认 exposure_end；独立视频必须表示曝光结束。
source string Optional 示例值: hardware_exposure
默认 hardware_exposure；SBS 也可使用 container_pts 或 frame_index_fps。
frame_order string 必选 示例值: presentation
固定为 presentation。
timestamps array of integer 必选 示例值: [0,33333333]
逐帧非负、严格递增的 int64 纳秒时间戳，数量须与视频帧匹配。
sha256 string Optional
仅 uri 引用可填，为 64 位小写十六进制摘要。
left_timestamps TimestampReference Conditional
独立视频模式必填的左目 frame_timestamps@v1。
uri string Conditional 示例值: https://example.com/document.json
与 content 二选一，填写可读取的 HTTPS/TOS JSON 地址。
content FrameTimestamps Conditional
与 uri 二选一，内联时间戳文档。
schema string 必选 示例值: frame_timestamps@v1
固定为 frame_timestamps@v1。
timestamp_unit string 必选 示例值: ns
固定为纳秒 ns。
clock_id string 必选 示例值: rig-clock
时钟标识，须与右目相同。
clock_domain string Optional 示例值: soc_shared_clock
独立视频必须使用 soc_shared_clock。
event string Optional 示例值: exposure_end
独立视频必须表示曝光结束。
source string Optional 示例值: hardware_exposure
独立视频使用硬件曝光时间。
frame_order string 必选 示例值: presentation
固定为 presentation。
timestamps array of integer 必选 示例值: [0,33333333]
逐帧非负、严格递增的 int64 纳秒时间戳，数量须与左目视频帧匹配。
sha256 string Optional
仅 uri 引用可填，为 64 位小写十六进制摘要。
right_timestamps TimestampReference Conditional
独立视频模式必填，须与左目使用同一共享 SoC 时钟、曝光事件和单位。
uri string Conditional 示例值: https://example.com/document.json
与 content 二选一，填写可读取的 HTTPS/TOS JSON 地址。
content FrameTimestamps Conditional
与 uri 二选一，内联时间戳文档。
schema string 必选 示例值: frame_timestamps@v1
固定为 frame_timestamps@v1。
timestamp_unit string 必选 示例值: ns
固定为纳秒 ns。
clock_id string 必选 示例值: rig-clock
时钟标识，须与左目相同。
clock_domain string Optional 示例值: soc_shared_clock
独立视频必须使用 soc_shared_clock。
event string Optional 示例值: exposure_end
独立视频必须表示曝光结束。
source string Optional 示例值: hardware_exposure
独立视频使用硬件曝光时间。
frame_order string 必选 示例值: presentation
固定为 presentation。
timestamps array of integer 必选 示例值: [0,33333333]
逐帧非负、严格递增的 int64 纳秒时间戳，数量须与右目视频帧匹配。
sha256 string Optional
仅 uri 引用可填，为 64 位小写十六进制摘要。
cameras StereoCameras 必选
左右相机真实标定。
left StereoCamera 必选
左目标定；右目 right 使用相同字段。
model string 必选 示例值: pinhole
支持 pinhole、kb4 或 double_sphere。
resolution array of integer 必选 示例值: [960,540]
单目 [width,height]，须与实际输入视图一致。
parameters CameraParameters 必选
相机模型参数。
fx float 必选 示例值: 700.0
水平焦距，单位像素，须大于 0。
fy float 必选 示例值: 700.0
垂直焦距，单位像素，须大于 0。
cx float 必选 示例值: 480.0
主点横坐标，单位像素。
cy float 必选 示例值: 270.0
主点纵坐标，单位像素。
k1 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k2 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k3 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k4 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
xi float Conditional 示例值: -0.15
Double Sphere 模型必填。
alpha float Conditional 示例值: 0.66
Double Sphere 模型必填，范围 0<alpha<1。
right StereoCamera 必选
右目标定，分辨率和模型参数必须对应右目真实画面。
model string 必选 示例值: pinhole
支持 pinhole、kb4 或 double_sphere。
resolution array of integer 必选 示例值: [960,540]
单目 [width,height]，须与实际输入视图一致。
parameters CameraParameters 必选
相机模型参数。
fx float 必选 示例值: 700.0
水平焦距，单位像素，须大于 0。
fy float 必选 示例值: 700.0
垂直焦距，单位像素，须大于 0。
cx float 必选 示例值: 480.0
主点横坐标，单位像素。
cy float 必选 示例值: 270.0
主点纵坐标，单位像素。
k1 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k2 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k3 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
k4 float Conditional 示例值: 0.0
KB4 必填的畸变系数。
xi float Conditional 示例值: -0.15
Double Sphere 模型必填。
alpha float Conditional 示例值: 0.66
Double Sphere 模型必填，范围 0<alpha<1。
extrinsic StereoExtrinsic 必选
右目相对左目的外参。
convention string 必选 示例值: right_from_left
固定为 right_from_left。
translation_unit string 必选 示例值: meter
固定为 meter。
rotation_xyzw array of float 必选 示例值: [0,0,0,1]
单位四元数 [x,y,z,w]，提交前须归一化。
translation array of float 必选 示例值: [0.06,0,0]
平移 [x,y,z]，单位米；基线长度范围 [0.02,0.30] 米。
frame_provenance ProvenanceReference Optional
可选逐帧来源文档，适用于插帧或重采样素材。
uri string Conditional 示例值: https://example.com/document.json
与 content 二选一，填写可读取的 HTTPS/TOS JSON 地址。
content FrameProvenance Conditional
与 uri 二选一，内联逐帧来源文档。
schema string 必选 示例值: frame_provenance@v1
固定为 frame_provenance@v1。
views ProvenanceViews 必选
左右目逐帧来源。
left array of ProvenanceFrame 必选
数量与左目时间戳一致；右目 right 数组使用相同字段。
source_frame_index integer 必选 示例值: 0
源帧编号，每个视图从 0 连续排列。
origin string 必选 示例值: native
native 表示原生采集，synthesized 表示合成或插值。
capture_time_ns integer 必选 示例值: 0
非负采集纳秒，须与时间戳文档逐项一致。
source_indices array of integer Conditional 示例值: [0,2]
仅合成帧必填，至少包含两个源帧编号。
interpolation_weights array of float Conditional 示例值: [0.5,0.5]
仅合成帧必填，与 source_indices 等长，非负且总和约为 1。
right array of ProvenanceFrame 必选
数量与右目时间戳一致。
source_frame_index integer 必选 示例值: 0
源帧编号，每个视图从 0 连续排列。
origin string 必选 示例值: native
native 表示原生采集，synthesized 表示合成或插值。
capture_time_ns integer 必选 示例值: 0
非负采集纳秒，须与时间戳文档逐项一致。
source_indices array of integer Conditional 示例值: [0,2]
仅合成帧必填，至少包含两个源帧编号。
interpolation_weights array of float Conditional 示例值: [0.5,0.5]
仅合成帧必填，与 source_indices 等长，非负且总和约为 1。
sha256 string Optional
仅 uri 引用可填，为 64 位小写十六进制摘要。
sha256 string Optional
仅 uri 引用可填，为 64 位小写十六进制摘要。
sgbm_skin_filter_enabled boolean Optional 示例值: false
在 SGBM 双目深度路径中启用皮肤区域筛选；不选择定位算法，也不保证所有素材均改善。
left_media_sha256 string Optional
64 位小写十六进制摘要；水平拼接校验完整视频，独立模式校验左目视频。
output HandPoseOutput Optional
输出配置。
destination string Optional 示例值: tos://your-bucket/results
可写 TOS 输出前缀，不是精确文件名。
示例
单目图片：
单目视频：
单目世界坐标：
单目视频裁剪：
双目水平拼接视频：
双目独立视频：
返回数据
metadata TaskMetadata
任务受理信息，不包含推理结果。
task_id string
任务 ID；Submit 成功后用于 Poll。
task_status string
任务状态，包括 PENDING、RUNNING、COMPLETED、FAILED、EXPIRED 和 CANCELLED；UNKNOWN 按异常状态处理。
business_code string
0 表示成功；非 0 时须结合 HTTP 状态和 error_msg 判断。
error_msg string
成功时为空字符串，失败时为错误说明。
submit_time string Optional
提交时间，ISO 8601 格式。
end_time string Optional
终态结束时间，ISO 8601 格式。
错误码
Poll
请求参数
返回数据
metadata TaskMetadata
任务状态和错误信息。
task_id string
任务 ID。
task_status string
任务状态；仅 COMPLETED 且 business_code=0 时读取结果。
business_code string
0 表示成功；非 0 时结合 HTTP 状态和 error_msg 判断。
error_msg string
错误说明，成功时为空字符串。
submit_time string Optional
提交时间，ISO 8601 格式。
end_time string Optional
终态结束时间，ISO 8601 格式。
data HandPoseResult
仅成功终态读取。
frame_count integer
实际输出采样帧数。
prompt_frame_count integer
折算计量帧数。
video_duration float
视频或处理片段时长，单位秒。
resolution string
处理画面分辨率。
frames list of ImageFrame
仅图片内联返回，与 result_manifest_url 二选一。
source_frame_index integer
图片固定为 0。
timestamp float
图片固定为 0 秒。
objects list of ImageHand
手对象；未识别到手时为空数组。
object_id string
手部实例标识。
handedness_score float
左右手识别置信度，范围 [0,1]。
track_id string
轨迹 ID，仅在当前任务内解释。
handedness string
left 左手或 right 右手。
bbox list of float Optional
源画面像素框 [x0,y0,x1,y1]；补全对象可能省略。
score float Optional
检测置信度，范围 [0,1]；补全对象可能省略。
observation string
observed 实测、bbox_interpolated 框插值、infilled 时序补全。
pose HandPose
21 点手部姿态，字段定义见下文。
result_manifest_url string
仅视频返回的结果 JSON 地址，与 frames 二选一。单目 manifest 版本为 1.1，双目版本为 1.0，两者应分别按合同解析，不能用版本数字比较新旧。
HandPose 及视频 manifest 的公开字段如下。
HandPose object
21 点手部姿态。
skeleton string
图片内联骨架类型；视频读取顶层 skeleton_definition。
joint_names list of string
图片内联的 21 个关节名；视频读取顶层定义。
edges list of list
图片内联关节连线；视频读取顶层定义。
root_joint_index integer
腕部根节点，固定为 0。
keypoints_2d Keypoints2D
21 点二维关键点。
space string
坐标空间；图片内联结果为 source_pixel，视频按顶层 coordinate_systems 解释。
values list of list
21 个 [x,y] 源像素坐标。
in_frame list of boolean
21 个关键点是否位于画面内的标记。
keypoints_3d Keypoints3D
腕部相对三维关键点。
space string
坐标空间；图片内联结果为腕部相对相机轴。
unit string
三维单位，按返回值解释。
metric_calibrated boolean
是否为真实米制标定。
values list of list
21 个 [x,y,z]；双目相机坐标可能含 null。
quality object Optional
质量信息，须结合逐点有效性证据使用。
keypoints_3d_camera Keypoints3D Optional
相机坐标关键点；单目尺度仍可能为模型估计。双目结果可含 null，不得仅按字段非空判断有效。
keypoints_3d_world WorldKeypoints3D Optional
世界坐标关键点。
valid boolean
当前帧该手的世界坐标是否可用；消费前必须检查。
values list of list Optional
21 个 [x,y,z]；无效时可能省略或保留候选值，不能代替 valid。
reason string Optional
valid=false 时的不可用原因。
quality object Optional
世界坐标质量信息；单目和双目结构不同。
VideoManifest object
视频完整结果。
version string
单目固定 1.1，双目固定 1.0。
frame_count integer
等于 frames 长度。
video_duration float
处理视频或片段时长，单位秒。
resolution string
处理画面分辨率 WIDTHxHEIGHT；双目结果参考左目。
skeleton_definition SkeletonDefinition
顶层骨架定义。
name string
固定为 hand_21。
joint_names list of string
21 个关节名，所有关键点值均按此顺序。
edges list of list
关键点下标连线。
root_joint_index integer
腕部根节点，固定为 0。
coordinate_systems CoordinateSystems
统一坐标定义；估计单位不代表测量级真实距离。
bbox CoordinateDefinition
检测框坐标定义。
keypoints_2d CoordinateDefinition
二维关键点坐标定义。
keypoints_3d CoordinateDefinition
腕部相对三维坐标定义。
keypoints_3d_camera CoordinateDefinition
相机坐标关键点定义；双目使用原始左目作为参考视图。
keypoints_3d_world CoordinateDefinition
世界坐标关键点定义。
camera_pose CoordinateDefinition
世界坐标下的相机位姿定义。
space string
坐标空间，例如 source_pixel、wrist_relative_camera_axes、camera、virtual_camera 或 local_world。
unit string Optional
三维单位，按实际返回值读取。
metric_calibrated boolean Optional
是否为真实米制标定；提供内参不代表单目尺度已标定。
frame string Optional
双目相机坐标的参考视图。
origin string Optional
相机位姿坐标原点。
axis_convention string Optional
坐标轴约定。
camera CameraMetadata
实际使用的相机信息。
model string
实际使用的 pinhole 或 kb4。
intrinsics list of float
实际 [fx,fy,cx,cy] 内参，单位像素。
source string
内参来源，例如 provided、estimated、gopro_metadata 或 default。
intrinsics_calibrated boolean
内参是否已标定。
distortion_coefficients list of float Optional
KB4 的 4 个畸变系数。
calibration_resolution list of integer Optional
内参对应的 [width,height]。
frames list of VideoFrame
逐帧结果；未识别到手时仍保留 objects=[]。
source_frame_index integer
处理视频的帧序号；裁剪时以片段为处理视频。
timestamp float
相对处理视频或片段起点的秒数；映射回原视频时加 video_clip.start。
objects list of VideoHand
逐帧手部对象。
track_id string
轨迹 ID，仅在当前任务内解释。
handedness string
left 左手或 right 右手。
bbox list of float Optional
源画面像素框 [x0,y0,x1,y1]。
score float Optional
检测置信度。
observation string
实测、框插值或时序补全状态。
pose HandPose
21 点手部姿态。
identity object Optional
双目轨迹身份信息。
camera_pose CameraPose Optional
世界坐标请求的当前帧相机位姿。
position list of float
世界坐标下的相机位置 [x,y,z]。
rotation_matrix list of list
3×3 旋转矩阵。
valid boolean
当前帧相机位姿是否有效。
reason string Optional
无效原因；无效时不得消费位置或旋转数值。
pair_quality object Optional
双目当前帧的配对质量。
stereo_input StereoInputSummary Optional
双目输入摘要。
rig_id string
Rig 标识。
calibration_version string
标定版本。
packing string
输入组织形式。
timestamp_contract object
实际采用的时钟、事件、单位和来源合同。
sampled_frame_count integer
输出采样帧数。
paired_frame_count integer
实际成功配对帧数。
pair_coverage float
配对帧数占采样帧数的比例。
input_digests object
输入媒体和文档摘要。
world_coordinates WorldSummary Optional
世界坐标整体状态。
status string
applied 表示通过整体质量门，degraded 表示降级，unavailable 表示不可用；即使为 applied 也必须检查逐手 valid。
reason string Optional
非 applied 的原因。
recommended_action string Optional
建议处理方式；双目结果不保证存在。
valid_frame_count integer
有效世界坐标帧数。
invalid_frame_count integer
无效世界坐标帧数。
pose_source string Optional
双目位姿来源。
scale_source string Optional
双目尺度来源。
quality object Optional
双目世界坐标质量信息，不与单目结构混用。
请求示例：
返回示例：
错误码
执行阶段媒体下载、解码、采样超限、模型推理或发布失败，由终态 metadata.business_code 和 error_msg 描述；HTTP 成功不等于任务成功。World 降级需在 manifest 中检查，不能仅看 COMPLETED。
最近更新时间：2026.10.29 10:23:23
这个页面对您有帮助吗？
有用
有用
无用
无用