DeepLiDAR 项目使用教程

DeepLiDAR 项目使用教程

DeepLiDAR Deep Surface Normal Guided Depth Prediction for Outdoor Scene from Sparse LiDAR Data and Single Color Image (CVPR 2019) 项目地址: https://gitcode.com/gh_mirrors/de/DeepLiDAR

1. 项目目录结构及介绍

DeepLiDAR 项目的目录结构如下：

DeepLiDAR/
├── dataloader/
├── submodels/
├── surface_normal/
├── trainings/
├── utils/
├── LICENSE
├── README.md
├── pipeline.jpg
├── preprocess.py
├── test.py

目录介绍

• dataloader/: 包含数据加载相关的代码。
• submodels/: 包含项目中使用的子模型代码。
• surface_normal/: 包含用于计算表面法线的代码。
• trainings/: 包含训练策略和相关代码。
• utils/: 包含项目中使用的各种实用工具代码。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。
• pipeline.jpg: 项目流程图。
• preprocess.py: 数据预处理脚本。
• test.py: 用于评估训练模型的脚本。

2. 项目启动文件介绍

项目的启动文件主要是 test.py，用于评估训练好的模型。以下是 test.py 的基本介绍：

test.py

• 功能: 用于加载训练好的模型并评估其在自定义数据上的表现。
• 使用方法:

  python test.py --loadmodel <your_trained_model>
  

• 参数:
  • --loadmodel: 指定要加载的训练模型文件路径。

3. 项目的配置文件介绍

DeepLiDAR 项目没有明确的配置文件，但可以通过修改 test.py 中的路径参数来配置数据路径。以下是需要配置的路径参数：

test.py 中的路径配置

• gt_fold: 指定地面真值数据文件夹路径。
• left_fold: 指定 RGB 图像文件夹路径。
• lidar2_raw: 指定稀疏 LiDAR 深度数据文件夹路径。

例如：

# 在 test.py 中配置路径
gt_fold = 'path/to/groundtruth'
left_fold = 'path/to/RGB_images'
lidar2_raw = 'path/to/Sparse_LiDAR_depth'

通过修改这些路径参数，可以适应不同的数据集和评估需求。

DeepLiDAR Deep Surface Normal Guided Depth Prediction for Outdoor Scene from Sparse LiDAR Data and Single Color Image (CVPR 2019) 项目地址: https://gitcode.com/gh_mirrors/de/DeepLiDAR