Probabilistic Normal Epipolar Constraint (PNEC) 项目下载及安装教程
2024-12-08 07:40:33作者:戚魁泉Nursing
1. 项目介绍
Probabilistic Normal Epipolar Constraint (PNEC) 是一个用于帧间旋转优化的开源项目,特别适用于特征位置不确定的情况。该项目在2022年CVPR会议上被提出,旨在通过引入概率性的法线极线约束(PNEC)来提高帧间旋转估计的准确性。PNEC 是传统法线极线约束(NEC)的扩展,能够更好地处理特征位置的不确定性。
2. 项目下载位置
要下载 PNEC 项目,请访问项目的 GitHub 仓库。你可以通过以下命令克隆项目到本地:
git clone https://github.com/tum-vision/pnec.git
3. 项目安装环境配置
在安装 PNEC 项目之前,你需要确保你的系统满足以下依赖项:
- SuiteSparse: 用于稀疏矩阵操作。
- Ceres Solver: 用于非线性优化。
- OpenCV: 用于图像处理。
- Boost (Filesystem): 用于文件系统操作。
- opengv: 用于几何视觉。
- basalt: 包含 Eigen、Sophus 等库。
3.1 安装 SuiteSparse
sudo apt-get install libsuitesparse-dev
3.2 安装 Ceres Solver
你可以按照 Ceres Solver 官方指南进行安装:
# 安装依赖项
sudo apt-get install cmake libgoogle-glog-dev libgflags-dev libatlas-base-dev libeigen3-dev libsuitesparse-dev
# 克隆 Ceres Solver 仓库
git clone https://ceres-solver.googlesource.com/ceres-solver
cd ceres-solver
# 编译并安装
mkdir build
cd build
cmake ..
make -j4
sudo make install
3.3 安装 OpenCV
你可以按照以下指南安装 OpenCV:
# 安装依赖项
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
# 克隆 OpenCV 仓库
git clone https://github.com/opencv/opencv.git
cd opencv
# 编译并安装
mkdir build
cd build
cmake ..
make -j4
sudo make install
3.4 安装 Boost (Filesystem)
sudo apt-get install libboost-all-dev
3.5 安装 opengv
opengv 包含在 basalt 中,因此不需要单独安装。
3.6 安装 basalt
git clone --recursive https://gitlab.com/VladyslavUsenko/basalt.git
cd basalt
mkdir build
cd build
cmake ..
make -j4
sudo make install
4. 项目安装方式
在满足所有依赖项后,你可以按照以下步骤安装 PNEC 项目:
# 进入项目目录
cd pnec
# 创建构建目录
mkdir build
cd build
# 生成构建文件
cmake ..
# 编译项目
make -j4
5. 项目处理脚本
PNEC 项目提供了多个脚本来处理不同的任务,例如数据提取、实验创建和结果评估。以下是一些常用的脚本:
5.1 不确定性提取脚本
./uncertainty_extraction.sh "sequence_name"
5.2 创建实验脚本
./create_experiments.sh -d directory -e experiment_number -n number_of_experiments
5.3 运行模拟脚本
./run_simulation.sh -d directory -e experiment_number -n name -m use_essential_matrix_methods -a use_ablation_methods
5.4 评估脚本
python3 /scripts/simulation_evaluation.py -p directory -e experiment_number -n name
通过这些脚本,你可以轻松地运行和评估 PNEC 项目。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
963
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
874
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
184
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
364
431