立体匹配算法在Ubuntu系统中使用Middlebury数据集评估的步骤

本文主要是介绍立体匹配算法在Ubuntu系统中使用Middlebury数据集评估的步骤,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.概要

最近在研究立体匹配算法在FPGA硬件平台上的部署,算法质量的评估通常可以采用Middlebury数据集或者是KITTI数据集平台,本文主要是记录使用Middlebury数据集评估的方法和步骤。

2.首先需要下载SDK包和数据集

下载地址:vision.middlebury.edu/stereo/submit3

3.在ubuntu20中将SDK解压和将数据集中 MiddEval3-data-Q.zip 和MiddEval3-GT0-Q.zip 的数据解压放进去,合并文件夹

 4. 对SDK包进行编译

(1)编译Libelas

cd alg-ELAS/build
cmake ..
make
cd ../..

(2)编译code中的工具

cd code/imageLib
make
cd ..
make
cd ..

可能会遇到的问题:fatal error: png.h: No such file or directory

解决方法:

sudo apt-get install libpng-dev

安装好之后,再回去进行编译;

5.安装csh

ubuntu默认下是bash,评估所用的shell命令是csh;

安装流程:

(1) 切换到root用户

su root

可能会出现以下情况

(2) 给用户设置密码,输入密码并确认密码

sudo passwd root

 (3) 重新进入root

su root

(4) 需切换回去普通用户。则输入:su 系统的用户名

(5) 以root用户身份登录后,输入:apt_get install csh

(6) 更改root的shell:chsh

(7) 会提示需要输入的信息,输入csh所在的目录

/bin/csh

(8) 重启系统,以root用户身份登录,输入:echo $SHELL  ,返回“/bin/csh”,说明SHELL修改成功。

6.安装完成后,可以跑readme中的步骤5进行评估(Evaluate results by ELAS)

(1)将png类型图片转换为评估所需的pfm类型, 在/home/xxxx/MiddEval3/code路径下输入命令:./disp2pfm 目标.png disp0XXX.pfm;

(2)将自己算法的视差图转为pfm类型后,按下面的命名格式命名并放到相应的文件夹;

(3) 在/home/xxx/MiddEval3路径下,输入命令:./runeval Q training 1,,就可以看到视差图误匹配率了;

7.cvkit的安装

(1) cvkit 介绍

       Computer Vision Toolkit (cvkit) 是一套可以在 Linux 或 Windows 平台上使用的小型计算机视觉研究工具集。它包含许多有用的工具允许可视化分析图像或3D模型。 其中sv 是一款简洁的科学图像查看器,支持PGM、PPM和PFM以及TIFF图像格式。

下载链接:vision.middlebury.edu/stereo/code

(2)cvkit的编译安装命令(在根目录下依次执行下面的命令)

mkdir build
cd build
cmake ..
make
sudo make install

参考链接:https://blog.csdn.net/Stubborn_/article/details/110170731

可以使用:sv XXX.pfm 查看图片了

这篇关于立体匹配算法在Ubuntu系统中使用Middlebury数据集评估的步骤的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/170823

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd