UNet:使用PyTorch进行语义分割 使用Cityscapes和Kitti数据集 用法 注意:使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后,您可以通过CLI轻松测试图像上的输出蒙版。 要预测单个图像并保存,请执行以下操作: python predict.py -i image.jpg -o output.jpg 要预测多幅图像并显示它们而不保存它们,请执行以下操作: python predict.py -i image1.jpg image2.jpg --viz --no-save > python predict.py -h usage: predict.py [-h] [--model FILE] --input INPUT [INPUT ...] [--output INPUT [INPUT
2021-12-04 13:35:47 12.66MB Python
1
视觉里程表 这是在上的OpenCV 3.4实现。 方法 2D-2D单眼VO和2D-3D立体声VO 实施细节 编译 在2目录中: mkdir build cd build cmake .. make 跑步 编译后,直接在构建中单核细胞增多症 ./vo [sequence ID] [dataset directory] 立体声 ./vo [sequence ID] [max frame] [optimize frame] [dataset directory] 表现
2021-12-03 17:54:53 552KB C++
1
采用python3,对KITTI数据集进行处理。。
2021-12-01 09:11:03 5KB KITTI
1
KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。上传部分包含双目两个相机的的灰度图像,相机内参以及时间序列。
2021-11-26 22:54:02 133.43MB slam 数据集 双目相机 自动驾驶
1
ros-kitti-project-master.rar
2021-11-03 22:01:26 27.47MB kitti
1
该脚本可以将KITTI数据集中的图像序列换转成ROS中的.bag文件格式。具体使用方法代码中给了示例。例如:将双目数据转换成.bag文件: python img2bag_kitti_StereoBag.py /home/Andy/my_workspace/Dataset/KITTI/01 KITTI_01.bag /home/Andy/my_workspace/Dataset/KITTI/01/times.txt
2021-11-02 22:38:31 6KB KITTI  rosbag bag
1
PointPillars_misc 脚本记录Kitti数据集上PointPillars模型的结果
2021-10-30 16:03:50 307KB JupyterNotebook
1
kitti的一个点云文件,已经从bin转pcd
2021-10-27 19:01:20 4.28MB kitti
1
语义KITTI的API 此存储库包含帮助程序脚本,用于打开、可视化、处理和评估来自 SemanticKITTI 数据集的点云和标签的结果。 链接到原始数据集 链接到。 链接到 SemanticKITTI 基准。 链接到 SemanticKITTI MOS 基准(在 SemanticKITTI 网站添加 MOS 后可能会删除)。 序列 13 中的 3D 点云示例: 序列 13 中的 2D 球面投影示例: 用于语义场景完成的体素化点云示例: 数据组织 数据按以下格式组织: /kitti/dataset/ └── sequences/ ├── 00/ │   ├── poses.txt │ ├── image_2/ │
2021-10-24 16:24:15 66KB machine-learning deep-learning evaluation labels
1
KITTI对象数据转换和可视化 数据集 从Kitti下载数据(calib,image_2,label_2,velodyne),并将其放在kitti/object数据文件夹中 文件夹结构如下: kitti object testing calib 000000.txt image_2 000000.png label_2 000000.txt velodyne 000000.bin pred 000000.txt training calib
1