论文笔记_S2D.52_CMRNet++_运行记录
目录
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++: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 ...
最新文章
- 一张图看懂华为2018年年报
- RSA, ACS5.X 集成配置
- phpnow升级mysql版本_PHPnow 升级后 PHP不支持GD、MySQL 枫
- day15 接口与异常
- 纪念第一次青海湖之行泡汤
- 题解 P3978 【[TJOI2015]概率论】
- android 点动态显示图片,Android用RecyclerView实现动态添加本地图片
- JavaWeb项目中解决中文乱码方法
- ssl证书的生成与签名
- RHEL4下建立sendmail服务器
- protues 仿真 12864转OLED接法
- android获取截屏图片大小,【Android】android获取长图截屏(显示之外的也要)
- 输入一个字符,判断该字符是大写英文字符,小写英文字符,空格,还是其他字符
- 【深度分析】汽车零部件供应商管理+采购体系
- python清屏幕_如何在python中清除屏幕?
- 小武学fpgastep5
- Win11里面【应用或关闭Windows功能】在哪
- mysql partition 语法,MySQL与瀚高数据库的范围分区的语法及实例(APP)
- 硅谷投资人秘籍:16个指标避免掉坑
- 有关保险及公积金的文章,阅读绝对获益!!
热门文章
- 数据库中多对多的关系设计
- fread函数将二进制文件读入成矩阵形式
- Migrations有两个文件迁移数据的方法
- 父类子类的创建对象和实例化
- django form 介绍
- Linux Apache Mysql PHP典范设置装备安排-2
- Android客户端和服务器端数据交互的第一种方法
- Java操作MongoDB(聚合函数)向Mongo插入及查询数据
- .Net MVC新建视图时出现“AutoMapper已拥有为System.ValueTuple定义的依赖项”的错误提示
- 27. 二叉搜索树与双向链表(C++版本)