前言
本文主要记录的是对双目图像进行monodepth2模型训练的过程。
训练数据集准备
我们刚开始拿到的图片集是xxx1.jpg xxx2.jpg 。。。堆集在一个目录的图片，其中1表示左摄像头，2表示右摄像头。
这个原始数据集显然不能直接拿来进行训练。需要做以下转换。
1）新建两个子目录image_02和image_03，然后把xxx1.jpg放到image_02，xxx2.jpg放到image_03。
2）利用这左、右摄像头通过标定所得的内参和姿态参数分别将image_02和03对应图片进行行对齐。
3）将绝大部分image_02和image_03里面图片名放到train_files.txt，剩余放到val_files.txt。并将这两个txt文件放到split的子目录下，比如eign_zhou。后面训练会根据这两个txt里面所列文件进行。
由于样本图片一般比较多，所以上面三个步骤最好分别写一个脚本来实现。
训练和测试命令
训练命令：
python3 train.py --log_dir stereo_weights/ --model_name stereo --use_stereo --frame_ids 0 --data_path ../stereo --width 960 --height 320 --split eigen_zhou
测试命令：
python3 self_test_simple.py --image_path ../stereo/stereo_data/image_03/000316.jpg --model_name weights_18
测试log：
结论
目前基于自己数据集训练出来的模型其测距效果一般，具体原因还在分析。数据集太少？ K参数需要更新？还是其它方面的原因？目前还不得而知。大家有什么好的意见也请告诉我。