1 环境搭建

2 需要的文件

2.1 pykitti中的默认的文件位置

2.2 preprocess | 运行 kitti_maps.py 需要的文件

2.3 preprocess | 运行 kitti_maps.py 生成的文件

2.4 Training | 运行 main_visibility_CALIB.py 需要的文件

2.5 Evaluation | 运行 evaluate_iterative_single_CALIB.py 需要的文件

3 运行命令

论文笔记_S2D.52_CMRNet++：在激光雷达地图中进行内参未知的相机的单目视觉定位
开源代码位置: https://github.com/cattaneod/CMRNet

1 环境搭建

1. conda create -n py36env_name python=3.6
2. https://github.com/cattaneod/CMRNet 在项目文件夹下执行pip install -r requirements.txt

2 需要的文件

(设置 "data_folder=./KITTI_ODOMETRY/sequences"时)-----

2.1 pykitti中的默认的文件位置

self.sequence_path: ./KITTI_ODOMETRY/sequences/00/
对应pose_file: ./KITTI_ODOMETRY/poses/00 .txt
self.velo_files: ./KITTI_ODOMETRY/sequences/00/velodyne/*.bin

2.2 preprocess | 运行 kitti_maps.py 需要的文件

矫正文件: ./KITTI_ODOMETRY/sequences/00/calib.txt
激光数据: /KITTI_ODOMETRY/sequences/00/velodyne/*.bin
位姿数据: ./data/kitti-00.csv

2.3 preprocess | 运行 kitti_maps.py 生成的文件

单个局部地图: ./KITTI_ODOMETRY/sequences/00/local_maps_0.1/000xxx.h5
序列的全局地图: ./map-00_0.1_0-4541.pcd

2.4 Training | 运行 main_visibility_CALIB.py 需要的文件

位姿数据: ./KITTI_ODOMETRY/sequences/00/poses.csv
图像文件: ./KITTI_ODOMETRY/sequences/00/image_2/00xxx.png
对应的h5文件: ./KITTI_ODOMETRY/sequences/00/velodyne/00xxx.h5
运行结果: 生成文件./checkpoints/kitti/00/checkpoint_r10.00_t2.00_e2_1.200.tar

2.5 Evaluation | 运行 evaluate_iterative_single_CALIB.py 需要的文件

./KITTI_ODOMETRY/sequences/test_RT_seq00_10.00_2.00.csv
./checkpoints/kitti/00/checkpoint_r10.00_t2.00_e2_1.200.tar

3 运行命令

预处理 preprocess:

python preprocess/kitti_maps.py --sequence 00 --kitti_folder ./KITTI_ODOMETRY/sequences

Training:

python main_visibility_CALIB.py with batch_size=24 data_folder=./KITTI_ODOMETRY/sequences epochs=300 max_r=10 max_t=2 BASE_LEARNING_RATE=0.0001 savemodel=./checkpoints/ test_sequence=00

Evaluation:

python evaluate_iterative_single_CALIB.py with test_sequence=00 maps_folder=local_maps data_folder=./KITTI_ODOMETRY/sequences weight="['./checkpoints/kitti/00/checkpoint_r10.00_t2.00_e2_1.200.tar']"

论文笔记_S2D.52_CMRNet++_运行记录相关推荐

论文笔记_S2D.77_2013_TOR_使用RGBD相机的3D建图(RGBD SLAM V2)
目录基本情况摘要介绍系统流程特征提取运动估计 EMM:Environment Measurement Model 回环检测图优化建图OctoMap 参考基本情况出处:Endres ...
光流速度_[论文笔记] FlowNet 光流估计
[论文笔记] FlowNet: Learning Optical Flow with Convolutional Networks 说在前面个人心得: 1. CNN的光流估计主要是速度上快,之后的v ...
unet论文_图像分割之RefineNet 论文笔记
RefineNet: Multi-Path Refinement Networks forHigh-Resolution Semantic Segmentation (2017) 论文笔记文章的创新 ...
基于特征的对抗迁移学习论文_[论文笔记] 对抗样本不是bugs，而是特征
[论文笔记] Adversarial Examples Are Not Bugs, They Are Features 说在前面个人心得: 这是关于对抗样本可解释性的工作理论部分看不懂,看懂了再来 ...
3d object是什么文件_[单目3D目标检测论文笔记] 3D Bounding Box Estimation
本文是3D Bounding Box Estimation Using Deep Learning and Geometry的论文笔记及个人理解.这篇文章是单目图像3d目标检测的一个经典工作之一.其目 ...
enet分割_[论文笔记] 图像语义分割——ENet（ICLR 2017）
[论文笔记] 图像语义分割--ENet(ICLR 2017) bluestyle • 2019 年 05 月 03 日介绍 Motivation: 移动应用上的实时像素级语义分割是一个重要的问题,然 ...
ORB-SLAM3 论文笔记
ORB-SLAM3 论文笔记这篇博客 ORB-SLAM3系统相机模型的抽象(Camera Model) 重定位的问题图片矫正的问题视觉惯性SLAM的工作原理相关公式 IMU初始化跟踪和建图 ...
论文笔记《Selective Search for Object Recognition》
论文笔记 <Selective Search for Object Recognition> 项目网址:http://koen.me/research/selectivesearch/ 一 ...
论文笔记：HIE-SQL:History Information Enhanced Network for Context-Dependent Text-to-SQL Semantic Parsing
论文笔记:HIE-SQL: History Information Enhanced Network for Context-Dependent Text-to-SQL Semantic Parsin ...
小样本论文笔记5：Model Based - [6] One-shot learning with memory-augmented neural networks.
小样本论文笔记5:Model Based - [6] One-shot learning with memory-augmented neural networks 文章目录小样本论文笔记5:Mod ...

论文笔记_S2D.52_CMRNet++_运行记录

1 环境搭建

2 需要的文件

2.1 pykitti中的默认的文件位置

2.2 preprocess | 运行 kitti_maps.py 需要的文件

2.3 preprocess | 运行 kitti_maps.py 生成的文件

2.4 Training | 运行 main_visibility_CALIB.py 需要的文件

2.5 Evaluation | 运行 evaluate_iterative_single_CALIB.py 需要的文件

3 运行命令

论文笔记_S2D.52_CMRNet++_运行记录相关推荐

最新文章

热门文章