如何根据提取的坐标值重构MediaPipe关键点坐标？

你已经完成了本地关键点提取的步骤，后续传输和重构按以下逻辑实现即可，不需要做复杂的格式兼容处理：

• 发送端数据处理：不要直接序列化原生results.pose_landmarks的protobuf对象，跨设备、跨语言场景下兼容性极差。直接遍历33个人体关键点，按顺序提取每个点的x、y、z、visibility四个浮点值存入列表即可，单帧数据体积极小，不会带来传输延迟。
  Python端提取示例代码：

  import json
  
  landmark_payload = []
  for point in results.pose_landmarks.landmark:
      landmark_payload.append([
          point.x,
          point.y,
          point.z,
          point.visibility
      ])
  # 序列化为JSON字符串后，可通过Socket/WebSocket/HTTP等任意协议传输到目标设备
  send_data = json.dumps(landmark_payload)
  

• 接收端数据重构：根据目标设备使用的MediaPipe版本，构造与原生NormalizedLandmarkList结构一致的对象即可，重构后的对象可以直接调用官方自带的绘制工具，不需要额外修改原有绘制逻辑。
  Python接收端重构示例代码：

  import json
  from mediapipe.framework.formats import landmark_pb2
  
  # 反序列化接收到的数据
  received_points = json.loads(recv_data)
  # 构建与原生检测结果结构一致的关键点集合
  reconstructed_pose = landmark_pb2.NormalizedLandmarkList()
  for x, y, z, vis in received_points:
      point = reconstructed_pose.landmark.add()
      point.x = x
      point.y = y
      point.z = z
      point.visibility = vis
  

• 跨语言场景适配：如果发送端和接收端使用不同编程语言（比如发送端是Python、接收端是Web前端/安卓端），不需要强行适配protobuf结构，自行实现绘制逻辑时注意几个坐标规则即可：
  • x、y为归一化坐标，取值范围0~1，分别对应视频帧宽度、高度的比例，绘制时需要乘以当前帧的实际宽高，转换为像素坐标
  • z为以髋部为基准平面的相对深度值，一般仅做姿态判断参考，2D绘制场景下不需要使用
  • visibility为关键点置信度，取值范围0~1，通常置信度低于0.5的关键点可以做半透明处理或者直接跳过绘制，避免误检点干扰显示效果

实测单帧33个关键点的纯数值JSON载荷大小不到300字节，普通局域网环境下传输延迟完全可以满足实时姿态绘制的要求，不需要额外做数据压缩。

内容的提问来源于stack exchange，提问作者Ayanabha