InfrasCal 的安装和配置教程
2025-05-25 17:12:38作者:曹令琨Iris
项目基础介绍
InfrasCal 是一个基于基础设施的多相机系统内参和外参自动校准的C++库。该库支持多种相机模型,包括带有径向和切向畸变的针孔相机模型以及等距鱼眼模型。InfrasCal 适用于需要校准多相机系统的用户,特别是那些拥有映射数据集的多相机架校准。
主要编程语言
本项目主要使用 C++ 编程语言开发,同时使用了一些其他语言编写的第三方库。
关键技术和框架
- 针孔相机模型与鱼眼相机模型:支持两种相机模型,适用于不同的校准需求。
- 基础设施校准技术:利用已有的基础设施,如地图点,进行相机校准。
- Ceres Solver:一个开源的优化库,用于解决相机校准的非线性最小二乘问题。
- OpenCV:开源的计算机视觉库,用于图像处理和特征提取。
- CUDA:NVIDIA推出的并行计算平台和编程模型,用于加速计算。
安装和配置准备工作
在开始安装 InfrasCal 之前,确保你的系统中已经安装以下依赖项:
- BLAS
- Boost
- Eigen3
- SuiteSparse
- Ceres-solver
- OpenCV 及 contrib 模块
- CUDA (可选,用于GPU加速)
同时,你需要安装编译工具和必要的开发包:
sudo apt-get install cmake git gcc g++ libopenblas-dev libblas-dev libeigen3-dev libgoogle-glog-dev
sudo apt-get install build-essential libgl1-mesa-dev libglu1-mesa-dev freeglut3-dev libglew-dev
sudo apt-get install libatlas-base-dev libsuitesparse-dev libsqlite3-dev
安装步骤
- 安装 OpenCV
首先,安装 OpenCV 和 opencv_contrib:
mkdir -p ~/dev && cd ~/dev
git clone --depth 1 --branch 3.4.2 https://github.com/opencv/opencv.git
git clone --depth 1 --branch 3.4.2 https://github.com/opencv/opencv_contrib.git
cd opencv && mkdir build && cd build
CC=/usr/bin/gcc CXX=/usr/bin/g++ cmake .. -DWITH_CUDA=ON -DCMAKE_BUILD_TYPE=Release \
-DOPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules -DOPENCV_ENABLE_NONFREE:BOOL=ON
make -j8
sudo make install
- 安装 InfrasCal
接下来,克隆 InfrasCal 仓库并编译:
cd ~/dev
git clone https://github.com/youkely/InfrasCal.git
cd InfrasCal && mkdir build && cd build
CC=/usr/bin/gcc CXX=/usr/bin/g++ cmake -DCMAKE_BUILD_TYPE=Release ..
make -j8
安装完成后,你可以通过以下命令运行示例程序来验证安装是否成功:
./build/bin/infrastr_calib --camera-count 5 \
--output ./data/demo/results \
--map ./data/demo/map \
--database ./data/demo/map/database.db \
--input ./data/demo/ \
--vocab ./data/vocabulary/sift128.bin \
-v --camera-model pinhole-radtan --save
请确保替换示例命令中的参数以匹配你的实际配置。
以上就是 InfrasCal 的详细安装和配置步骤。如果遇到任何问题,请查阅项目的官方文档或向社区寻求帮助。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1