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

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

采用python3，对KITTI数据集进行处理。。

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。

ros-kitti-project-master.rar

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

PointPillars_misc 脚本记录Kitti数据集上PointPillars模型的结果

kitti的一个点云文件，已经从bin转pcd

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/ │

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