今天發現無論是roaddetection，還是dispnet的損失都難以下降，我不太清楚為什麼。現在做了幾個改變，首先，對於roaddetection，把多個size的卷積核從原來的直接相加變成堆疊在一起，加上了bn，不過加上bn以後計算機帶不動。
對於dispnet的改動主要是可以每10000步顯示乙個結果出來，還有就是加上了指數平滑函式。希望效果還不錯。
看上去好像並沒有什麼用。
不過對於dispnet來說，初步可以看出來，網路還是有所學習的。
ElasticFusion實驗記錄
執行gputest 修改 elasticfusion core src utils gpuconfig.h 使用kinect2，需要修改 maincontroller.cpp ln 37 resolution getinstance 512,424 resolution getinstance 64...
實驗記錄20181118
1，首先，dispnet去除了corr層，因為我還不確定corr層的原理是否正確，然後繼續採用左右影像cancat在一起，然後現在採用flyingthings3d的資料集，來看看效果如何？2，我覺得road detection的任務還是不能用分類的方法，分類的方法還是產生單個單個的結果，很容易產生不...
URDF實驗記錄
urdf檔案解讀 note 建立乙個工作空間 workspace 命令mkdir p 建立乙個目錄 tut ws和其下的子目錄 src。mkdir p tut ws src編譯乙個工作空間 編譯工作空間 cd tut ws catkin make設定環境變數 source devel setup.b...