yolov5obb的输出形状为[1, 64512, 186]，应该如何进行后处理，得到旋转框结果，给我python代码

YOLOv5Obb模型输出的形状通常表示的是预测的bounding boxes (边界框)的数量、每个box的类别概率以及六个关键点用于描述边界框的位置信息，包括中心坐标(x, y), 宽度(w), 高度(h), 和两个角度用于描述旋转。为了从这个输出中提取出具体的旋转框结果，你需要进行一些后处理步骤，包括解码、非极大值抑制(NMS)等。

以下是一个简单的Python示例，使用PyTorch库进行后处理：

import torch
from torchvision.ops import nms

def post_process_yolov5obb(output, conf_thres=0.5, iou_thres=0.45):
    # 解码原始的输出
    boxes = output[..., :4].sigmoid()  # [x, y, w, h]
    angles = output[..., 4:]  # 角度

    # 将角度转换为旋转矩阵
    rot_matrices = compute_rot_matrix(angles)

    # 结合旋转矩阵和box坐标
    rotated_boxes = apply_rot_matrix(rot_matrices, boxes)

    # 应用非极大值抑制
    keep = nms(rotated_boxes, scores=output[..., 5:].softmax(-1)[..., :, 0], iou_threshold=iou_thres)
    
    # 提取保留的boxes和对应得分
    final_boxes = rotated_boxes[keep]
    final_scores = output[keep, -1]

    return final_boxes, final_scores

# 辅助函数：计算旋转矩阵
def compute_rot_matrix(angles):
    cos_angles = torch.cos(angles)
    sin_angles = torch.sin(angles)
    ones = torch.ones_like(cos_angles)
    zeros = torch.zeros_like(cos_angles)
    return torch.stack([
        cos_angles * ones - sin_angles * zeros,
        sin_angles * ones + cos_angles * zeros,
        zeros,
        zeros,
    ], dim=-1).unsqueeze(1)

# 辅助函数：应用旋转矩阵到boxes上
def apply_rot_matrix(rot_matrices, boxes):
    x_cen, y_cen, w, h = boxes.unbind(-1)
    x1 = x_cen - w / 2
    y1 = y_cen - h / 2
    corners = torch.stack([x1, y1, x1 + w, y1, x1 + w, y1 + h, x1, y1 + h], dim=-1)
    return torch.einsum('bij,bj->bi', rot_matrices, corners)

# 使用示例
processed_boxes, processed_scores = post_process_yolov5obb(output_tensor, conf_thres=0.5, iou_thres=0.45)

注意：这段代码假设`output_tensor`是一个形状为[1, 64512, 186]的张量，其中第186个维度包含了每个box的信息。你需要根据实际模型的输出结构调整相关部分。同时，nms函数和其他库如torchvision.ops可能需要先安装并导入进来。