Jetson 共用资料

单眼深度估计

2023-07-25 admin 150

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。

3.视频单声道深度

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


首页
产品
案例
联系