单眼深度估计
单眼深度估计
1.介绍
深度传感对于地图绘制、导航和障碍物检测等任务很有用，但历史上它需要立体相机或RGB-D相机。现在有DNN能够从单个单眼图像推断相对深度（又称单眼深度）。请参阅麻省理工学院的FastDepth论文，了解使用全卷积网络（FCN）实现这一目标的一种方法。
depthNet对象接受单色图像作为输入，并输出深度图。深度图被着色以进行可视化，但原始深度场也可用于直接访问深度。depthNet可以从Python和C++中使用。 作为使用depthNet类的示例，我们提供了C++和Python的示例程序：
2.图像上单声道深度
首先，让我们尝试在一些示例图像上运行depthnet示例。除了输入/输出路径之外，还有一些额外的命令行选项是可选的：
--network 更改正在使用的深度模型的网络标志
建议将输出图像保存到images/test挂载的目录中。然后，在jetson推理/data/images/test下，可以很容易地从主机设备上查看这些图像
构建项目后，请确保您的终端位于aarch64/bin目录中：
cd jetson-inference/build/aarch64/bin
以下是室内场景单声道深度估计的一些示例：
# C++
$ ./depthnet images/room_1.jpg images/test/depth_room_%i.jpg
# Python
$ ./depthnet.py images/room_1.jpg images/test/depth_room.jpg
注意：第一次运行每个模型时，TensorRT将花费几分钟时间来优化网络。 这个经过优化的网络文件随后被缓存到磁盘上，因此将来使用该模型的运行将更快地加载。
要在实时摄像机流或视频上运行单声道深度估计，请从“摄像机流和多媒体”页面输入设备或文件路径。
# C++
$ ./depthnet /dev/video0 # csi://0 if using MIPI CSI camera
# Python
$ ./depthnet.py /dev/video0 # csi://0 if using MIPI CSI camera
注意：如果屏幕太小，无法容纳输出，可以使用--depth scale=0.5来缩小大小深度图像的大小，或者减小相机的大小，其中--输入宽度=X--输入高度=Y