-
traditional depth estimation 包含sfm和sfs两种传统方法,对应深度估计课程实战课中的传统实战方法
-
基于连续帧的自监督学习方法: monodepth2 和 FeatDepth
-
处理动态物体的自监督学习方法: depth and motion learning 和 struct2depth
-
depth_estimate_application:是深度估计应用的一些代码,包括尺度恢复,伪点云生成,以及真实尺度下RGBD可视化
-
sfm所用数据集存放在百度网盘: https://pan.baidu.com/s/1bQpqF4Zn6O4C1WNfKNjcmQ 提取码: z682;
-
sfs数据集存放在sfs代码中的res文件夹中
-
kitti数据集可以从官网下载: http://www.cvlibs.net/datasets/kitti/raw_data.php
也可以从百度网盘下载: https://pan.baidu.com/s/1qdoGlaRq8q-d0_bsAbrvyg 提取码: lu95
-
cityscapes数据集官网下载链接: https://www.cityscapes-dataset.com/
-
私有数据集存放在百度网盘链接 链接: https://pan.baidu.com/s/1OFeCMCj8d2vAtNelgeGdGQ 提取码: 1nwa (文件较大,split命令行分割成多个包)
-
depth_and_motion 在 kitti 和 cityscapes 上训练的模型
-
tensorflow 格式的 resnet 18 预训练权重
-
struct2depth 在 kitti 和 cityscapes 上训练的模型
都存放在百度网盘: https://pan.baidu.com/s/18oFEx5u8x_qwL7xXHAJyhg 提取码: 7kto
如果上述链接失效,可以查看如下链接: https://pan.baidu.com/s/1FnkXgAueeLeI-QgALE-MmA 提取码:2333