matlab 不运行一段代码

Matlab集成的c代码视觉测距单眼管道 目录 介绍 该项目是在苏黎世联邦理工学院（移动机器人的视觉算法）[]课程中学习的所有概念的集合。 特别是，在锻炼过程中开发的构建基块已经过改进和组装，以构建单眼视觉里程计管道，并获得了非常令人满意的结果。 入门 先决条件 该代码已运行，并已通过MATLAB R2020b进行了测试。 需要以下许可证： 工具箱 image_toolbox Optimization_Toolbox statistics_toolbox video_and_image_blockset 在仿真结束时，已通过license('inuse')命令确定了上述工具箱集。 该代码是在所有工具箱都可以访问的情况下开发的。 正在安装 克隆仓库。 在以下内容中，假定存储库已克隆到/users/aterpin/visual-odometry-mono 。 下载数据集（至少一个）。 您可以在“性能”部分的“数据集”小节中找到经过测试的产品。 ..一种。 备注：如果要使用自己的数据集，则可以扩展InputBlock类。 b。 我们将进一步假设您在名为/users/aterpin/data/

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

视觉里程计的综述文章

8MATLAB代码为单目视觉测程与KITTI数据集。该方法的目的是利用连续图像之间丰富的信息关系，并利用最小的硬件，即单目视觉传感器来弥补错误的测距传感器。在这个项目中，我们实现了每个图像的特征检测、特征提取和特征匹配方法。还实现了单目视觉测程的流水线，并在KITTI数据集上测试了我们的实现。

EndoSLAM数据集和内窥镜视频的无监督单眼视觉测程和深度估计方法 EndoSLAM数据集概述 我们介绍了一种内窥镜SLAM数据集，该数据集既包含前体数据又包含合成数据。 数据集的离体部分包括标准和胶囊内窥镜记录。 数据集分为35个子数据集。 具体而言，分别存在结肠，小肠和胃的18、5和12个子数据集。 据作者所知，这是已发布的第一个用于胶囊内窥镜SLAM任务的数据集，具有定时6 DoF姿态数据和高精度3D地图地面真相 使用了两种不同的胶囊和传统的内窥镜相机，具有高分辨率和低分辨率，从而产生了不同的相机规格和照明条件。 来自不同相机的图像具有相同器官的不同分辨率和每个相关器官的深度，是所提出数据集的进一步独特功能。 我们还提供了两种类型的无线内窥镜的图像和姿态值，它们在某些方面彼此不同，例如相机分辨率，帧频以及用于检测Z线，十二指肠乳头和出血的诊断结果。 一些子数据集在两个版本中包

神经网络 | DeepVO:Towards End-to-End Visual Odometry-附件资源

包含SLAM 视觉里程计部分完整实现，使用数据集为TUM的RGB-D数据集。主要包含计算并将相机位姿输出到文件的函数与匹配计算的相机位姿与地面真值的函数。

大牛Davide Scaramuzza的两篇文章Visual Odometry: Part I[1],Visual Odometry: Part II，值得我们学习。这是完整两篇：Visual Odometry: Part I[1][2]