原创 雙目測距系列(七)monodepth2訓練前數據集準備過程的簡析

前言 上一篇文章說過,monodepth2模型有三種訓練方式。針對我們的雙目場景,準備使用stereo training方法。 monodepth2的訓練入口函數在train.py中,如下圖所示。 總共就2行代碼,第一行代碼(類Trai

原创 雙目測距系列(九)monodepth2訓練代碼分析 下

前言 在上面一篇文章中,我們對訓練代碼中的inputs和outputs獲得做了簡單分析。有了inputs和outpus後,就可以開始計算loss值了。這也是本文重點。 圖片預測函數的實現 主要講解下面這個代碼。中文註釋添加在裏面。

原创 雙目測距系列(八)monodepth2訓練代碼分析上

前言 在系列七中,我們提到了train.py中實際上只有兩行訓練相關的代碼,第一行是Trainer構造函數的調用,主要是初始化和數據集的構建,系列七主要是對這個過程進行了梳理。第二行是Trainer成員函數train的執行,這個是訓練真正

原创 雙目測距系列(六)monodepth2的三種訓練方式

前言 monodepth2有三種訓練方式,其對應的命令如下: 下面分別對這三種訓練模式進行較詳細解釋 : 1)單目訓練 monocular是單目的意思,而雙目的英文則是binocular。現在基於深度學習方法對單目圖像重構出三維世界非常

原创 雙目測距系列(五)Win10下面安裝pytorch

前言 在window上安裝pytorch雖然比caffe容易得多,但是也遇到了各種各樣得坑,這裏我把自己遇到的坑記錄分享一下。 DLL加載不成功的坑   起初,我的python版本是3.5,因爲網絡的原因,直接 pip install t

原创 關於《基於海思NNIE引擎實現sensor視頻識別應用》的視頻課程介紹

前言 前面的課程都是對靜止圖片(bgr或jpeg)進行目標識別,本課程則是對sensor輸出的視頻流進行目標檢測。 課程鏈接請見https://edu.csdn.net/course/detail/28376。 課綱 本課程一共分爲四個部

原创 雙目測距系列(四)初識KITTI數據集

前言   monodepth模型是基於KITTI數據集來訓練的。爲了能復現這個訓練過程,從而爲以後訓練自己數據集奠定較好的基礎,還是需要把這個數據集下載到本地,併成功訓練。   你能使用下面這條命令來下載raw KITTI數據集,但這個數

原创 雙目測距系列(一)標定工具的開發

前言    雙目攝像頭標定是測距及其三維建模非常重要的步驟,因爲標定出來的內外參數將會用來對原始圖像進行反畸變校正,而反畸變的效果對立體匹配精度有着非常大的影響。此外,最終在求距離時(其公式爲l=B*f/d),這裏面參數都和標定息息相關。

原创 雙目測距系列(三)monodepth2模型的測試

前言 基於張正友標定方法的雙目測距在遠距離尤其是室外環境複雜,光照影響強烈的場景下會出現準確度,穩定性以及魯棒性明顯下降的缺點。所以個人認爲,雙目測距未來的發展趨勢還是深度學習技術的引入。  就雙目測距而言,深度學習有兩大分支:一個是監督

原创 雙目測距系列(二)魚眼鏡頭雙目標定及測距

前言 這幾天把基於opencv C++ api將魚眼鏡頭的雙目標定以及測距功能實現完畢,效果還可以,至少對齊得非常棒。 這裏把其流程及其關鍵函數在這裏總結一下。 對於雙目標定而言,opencv一共支持兩種模型:普通針孔相機模型和魚眼相機模

原创 從頭編譯caffe所遇到的問題彙總及其解決方法

前言      前幾天ubuntu服務器重新安裝了一下,在編譯安裝caffe時也沒有去先安裝那些依賴庫。純粹是先git clone代碼後直接開始編譯。當然編譯前需要修改下Makefile.config,具體可以參考前面一篇博客(https

原创 import cv2失敗問題的解決

前言 在ubuntu上已經成功make and make install openv4.1.0代碼,並且make之前已經安裝好python,但是在python中import cv2還是失敗,如下圖所示。 解決  解決辦法很簡答,即敲入下

原创 Ubuntu上CUDNN下載及安裝過程詳細介紹

前言 顯卡驅動以及CUDA安裝好後(https://blog.csdn.net/avideointerfaces/article/details/100558457),就可以根據cuda的版本以及平臺類型(linux,windows,io

原创 語義分割學習系列(九)caffe segnet代碼的編譯

前言 segnet語義分割模型是一種經典的Encoder-Decoder的全卷積網絡模型。github上有比較多使用pytorch框架來該模型的實現。而論文作者Alex是基於caffe框架來對它進行復現。 、 我們這裏考慮是後者,其對應的

原创 語義分割學習系列(一)labelme的安裝

前言 labelme是語義/實例分割模型訓練前對樣本數據進行標註的軟件,就好比labelimage是目標檢測訓練數據的標註軟件一樣。labelme既可以在windows上安裝又可以在ubuntu上安裝。對於windows平臺,又可以分爲A