This book has been written for a wider audience, including students and practitioners interested in current consumer depth cameras and the data they provide. This book focuses on the system rather than the device and circuit aspects of the acquisition equipment. Processing methods required by the 3D nature of the data are presented within general frameworks purposely as independent as possible from the technological characteristics of the measurement instruments used to capture the data. The results are typically presented by practical exemplifications with real data to give the reader a clear and concrete idea about the actual processing possibilities. This book is organized into three parts, the first devoted to the working principles of ToF and structured light depth cameras, the second to the extraction of accurate 3D information from depth camera data through proper calibration and data fusion techniques, and the third to the use of 3D data in some challenging computer vision applications.

高清资源，拿去看吧。我已经看完了，深入浅出，夯实基础。

kitti-depth数据集，用于自动驾驶、目标检测、深度学习 一定要凑一下字数才能上传，我也不知道该怎么凑字数

MSG-Net（多尺度指导网络） 多尺度制导网络 该存储库（ ）是MSG-Net的正式版本，适用于我们在ECCV16中进行的。 它带有四个训练有素的网络（x2，x4，x8和x16），一个带Kong的RGBD训练集和三个带Kong的RGBD测试集（A，B和C）。 据我们所知，MSG-Net是FIRST卷积神经网络，它尝试在多尺度引导下从相应的高分辨率RGB图像上对深度图像进行升采样。 还提供了MS-Net的另一个（无多尺度指导）。 有关更多详细信息，请访问。 许可和引文 该软件和相关的文档文件（以下简称“软件”），以及包括但不限于附图的研究论文（深度多尺度制导的深度图超分辨率）以及表格（以下简称“纸张”）均已提供给学术界仅用于研究目的，无任何担保。 任何商业用途都必须征得我的同意。 在您的工作中使用软件或论文的任何部分时，请引用以下论文 @InProceedings{hui16

matlab数据输入代码

深度流（FDNet）视频深度估计 这是执行文件 通过融合流向深度提案来估计视频深度 嘉信谢，李Zhuwen，， 在IROS 2020中。 有关更多详细信息，请参见我们的论文（ ）。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.4.0和Numpy 1.16.2开发和测试的 KITTI特征分割的评估 如果要从KITTI RAW数据生成地线深度，请使用官方网站上提供的此下载KITTI数据集。 同时，我们还提供了GroundTruth Depth保存在npy文件中，可从下载 我们在KITTI Eigen上的最终结果可在 然后跑 python kitti_eval/eval_depth_general.py --kitti_dir=/path/to/raw/kitti/dataset/ or /path/to/downloaded/GoundTruth/n

SfM学习者 该代码库实现了本文所述的系统： 通过视频无监督地学习深度和自我运动 ，，， 在CVPR 2017（口头）中。 有关更多详细信息，请参见。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.0，CUDA 8.0和Ubuntu 16.04开发和测试的。 运行单视图深度演示 我们提供了用于运行我们的单视图深度预测模型的演示代码。 首先，通过运行以下命令下载预训练的模型 bash ./models/download_depth_model.sh 然后，您可以使用提供的ipython-notebook demo.ipynb来运行演示。 准备训练数据 为

Manning.PowerShell.in.Depth.2nd.Edition

Depth from Camera Motion and Objection Detection 算法和数据理论部分翻译

这是一本深入讲解Indy网络组件使用的电子书，只可惜是英文版的。