将ZED获取的视频格式svo转换成其他格式

最新推荐文章于 2024-06-17 17:45:41 发布
最新推荐文章于 2024-06-17 17:45:41 发布
阅读量54 收藏
点赞数
分类专栏： 单目+双目 文章标签： 深度学习 人工智能 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_53545309/article/details/139701835
版权
单目+双目 专栏收录该内容
22 篇文章 3 订阅 ¥49.90 ¥99.00
订阅专栏

引言

svo视频格式是ZED的专属格式，实际应用中我们需要将该格式转化成其他可读的文件格式。

1 安装ZED-SDK

双击打开ZED的视频转化执行文件

"C:\Program Files (x86)\ZED SDK\samples\bin\ZED_SVO_Export.exe"

打开如下所示：

根据上述指示执行转换命令，官网也有详细的视频转化教程（zed官网）：
笔者这里将官网的教程翻译如下：

# 按照以下步骤开始将 SVO 导出为其他文件格式：

# （1）打开命令行提示符。
Windows：在 Windows 开始菜单中键入“cmd”并按 Enter。
Linux：从桌面按 Ctrl+Alt+t
# （2）移至包含示例可执行文件的文件夹。
Windows系统： cd C:\Program Files (x86)\ZED SDK\samples\bin
Linux：cd /path/to/your/build/directory
# &
了解本专栏 订阅专栏 解锁全文
今夕是何年，
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
opencv+zed测距
11-13
基于opencv和zed的测距程序，主要通过获取点云图，鼠标选择对象，获得距离
html2text：将HTML转换为Markdown格式的文本
02-03
html2text是一个Python脚本，可将HTML页面转换为清晰易读的纯ASCII文本。 更好的是，ASCII也恰好是有效的Markdown（文本到HTML格式）。 用法： html2text [filename [encoding]] 选项 描述 --version 显示程序的...
VS2015+Qt5.9+ZED Stereo相机视频显示框架
09-09
ZED提供的SDK获取的都是其自己定义的视频格式SVO，不便于进行开发。整了一个可编辑的显示框架。实时输出ZED相机左右视频帧。
zed-examples:ZED SDK示例项目
05-03
摄像机流-此示例显示如何在本地网络上流和接收ZED的视频源。 深度感应-此示例显示如何捕获3D点云并使用OpenGL显示。 它还显示了如何以不同的格式保存深度数据。 位置跟踪-此示例显示了如何使用位置跟踪以及如何在...
中兴zed软件.zip
08-06
打开中兴.zed后缀文件，中兴产品文档
深度学习长文｜使用 JAX 进行 AI 模型训练
冷冻工厂
06-13 445
实际上，考虑到 PyTorch 背后庞大的开发者社区，以及 PyTorch 所原生支持而 JAX/FLAX 尚未涵盖的众多特性（例如自动混合精度、先进的注意力机制层，至少在本文撰写时），有人可能会强烈主张没有必要投入时间去掌握 JAX。在本文中，我们将使用 Flax，据本文撰写时的观察，它似乎是最受欢迎的选择。值得注意的是，每个机器学习开发框架都可能拥有其独到的特性（例如，截至本文撰写时，JAX 的 SPMD 自动分片和 PyTorch 的 SDPA 注意力机制），这些特性可能在性能比较中起到关键作用。
深度学习Day-20：DenseNet算法实战 乳腺癌识别
m0_51359915的博客
06-12 552
中的学习记录博客。
Python学习从0开始——Kaggle深度学习002
哈哈哈哈
06-14 705
与所有机器学习任务一样，我们从一组训练数据开始。训练数据中的每个示例都由一些特征(输入)和预期目标(输出)组成。训练网络意味着调整其权重，使其能够将特征转化为目标。例如，在80种谷物的数据集中，我们想要一个网络，它可以获取每种谷物的“糖”、“纤维”和“蛋白质”含量，并对该谷物的“卡路里”进行预测。如果我们可以成功地训练一个网络来做到这一点，它的权重必须以某种方式表示这些特征和训练数据中表达的目标之间的关系。除了训练数据，我们还需要两个东西：一个衡量网络预测好坏的“损失函数”。
区间预测 | Matlab实现EVO-CNN-SVM能量谷算法优化卷积神经网络支持向量机结合核密度估计多置信区间多变量回归区间预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
06-13 704
区间预测 | Matlab实现EVO-CNN-SVM能量谷算法优化卷积神经网络支持向量机结合核密度估计多置信区间多变量回归区间预测
【深度学习】IP-Adapter 和 InstantID 的核心机制比较
q742971636的博客
06-12 815
IP-Adapter通过解耦的交叉注意力机制实现文本与图像提示的结合，使得图像提示和文本提示可以协同工作。InstantID通过提取面部 ID 嵌入和设计 IdentityNet，结合面部图像、地标图像和文本提示，实现高保真度的面部身份保留生成。
【深度学习】GELU激活函数是什么？
最新发布
q742971636的博客
06-17 886
应用 GELU 激活函数。GELUxx⋅ΦxGELUxx⋅Φx其中Φx\Phi(x)Φx是标准正态分布的累积分布函数。
如何训练一个企业邮局系统区分垃圾邮件和非垃圾邮件的私有化模型？用于提高企业的沟通效率
zhang9880000的博客
06-13 696
首先，明确您的模型要解决的问题类型（如分类、回归、聚类等）以及应用场景。这将决定所需数据的特性、规模和格式。例如，文本分类任务需要大量的标注文本数据，而推荐系统可能需要用户行为日志等。 数据收集广泛性：从多个来源收集数据，确保数据的多样性和全面性，避免过拟合特定的数据分布。 合法性与伦理：确保数据收集遵循法律法规和伦理规范，获取必要的授权和同意，保护个人隐私。 去噪：在收集过程中尽量剔除错误、重复或无关的信息，提高数据质量。
[深度学习]基于C++和onnxruntime部署yolov10的onnx模型
FL1623863129的博客
06-13 1003
使用C#部署yolov8的目标检测tensorrt模型，C# winform部署yolov10的onnx模型，YOLOv8检测界面-PyQt5实现，2024年新版【YOLOV5从入门到实战教程】B站最良心的YOLOV5全套教程（适合小白）含源码！：解析模型输出的结果，这通常涉及将输出的张量数据转换为可理解的检测结果，如边界框坐标和类别标签。：通过ONNX Runtime的推理引擎，将图像数据输入到模型中，并执行目标检测任务。：使用ONNX Runtime的API加载转换后的YOLOv10 ONNX模型。
CV预测：快速使用LeNet-5卷积神经网络
AI相关从业分享
06-13 481
LeNet网络逐层结构:图片输入:32x32x1第一层:卷积核(6个，5x5x1，步长:1)，输出:28x28x6最大池化层:卷积核(2x2，步长:2)，输出:14x14x6第二层:卷积核(16个，5x5x6，步长:1)，输出:10x10x16最大池化层:卷积核(2x2，步长:2)，输出:5x5x16拉直后输出:5 x5x16=400全连接层1:120个节点全连接层2:84个节点输出层:10个节点注:在进行卷积运算时，没有对输入进行填充。
【深度学习】深入解码：提升NLP生成文本的策略与参数详解
q742971636的博客
06-13 924
解码策略和解码参数在自然语言处理（NLP）模型的生成过程中起着不同的作用，但它们共同决定了生成文本的质量和特性。
DeepSeek-V2-Chat多卡推理(不考虑性能)
Hi20240217的博客
06-12 487
本文演示了如何使用accelerate推理DeepSeek-V2-Chat(裁剪以后的模型,仅演示如何将权值拆到多卡)
基于Pytorch框架的深度学习MobileViT神经网络鸟类识别分类系统源码
修行之路
06-12 866
基于Pytorch框架的深度学习MobileViT神经网络鸟类识别分类系统源码
【深度学习】TCN，An Empirical Evaluation of Generic Convolutional【二】
q742971636的博客
06-16 1091
膨胀卷积（Dilated Convolution），也称为空洞卷积（Atrous Convolution），是在标准卷积的基础上通过引入膨胀因子（dilation factor）来扩展感受野，而不增加参数数量或计算复杂度。膨胀卷积通过在滤波器的每两个元素之间插入空洞（即，零值）来实现这一点。
深度学习之激活函数
qq_41915623的博客
06-12 1107
激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。在神经元中，输入的input经过一系列加权求和后作用于另一个函数，这个函数就是这里的激活函数。
python实现zed采集左右摄像头的视频并存储成avi的格式
04-05
以下是一个简单的Python代码示例，用于采集ZED相机的左右摄像头视频并将其保存为AVI格式文件。 首先，需要安装ZED SDK和OpenCV库。然后，使用以下代码： ```python import pyzed.sl as sl import cv2 def main(): # 初始化ZED相机 zed = sl.Camera() # 设置相机参数 init_params = sl.InitParameters() init_params.camera_resolution = sl.RESOLUTION.HD1080 init_params.camera_fps = 30 # 打开相机 err = zed.open(init_params) if err != sl.ERROR_CODE.SUCCESS: print("相机打开失败！") exit(-1) # 创建视频编码器 fourcc = cv2.VideoWriter_fourcc(*'XVID') left_video = cv2.VideoWriter('left.avi', fourcc, 30.0, (init_params.camera_resolution.width, init_params.camera_resolution.height), True) right_video = cv2.VideoWriter('right.avi', fourcc, 30.0, (init_params.camera_resolution.width, init_params.camera_resolution.height), True) # 循环读取帧数据并保存视频 while True: # 采集一帧 if zed.grab() == sl.ERROR_CODE.SUCCESS: # 获取左右摄像头图像 left_image = sl.Mat() right_image = sl.Mat() zed.retrieve_image(left_image, sl.VIEW.LEFT) zed.retrieve_image(right_image, sl.VIEW.RIGHT) # 将图像转换为OpenCV格式 left_frame = left_image.get_data() right_frame = right_image.get_data() left_frame = cv2.cvtColor(left_frame, cv2.COLOR_RGBA2RGB) right_frame = cv2.cvtColor(right_frame, cv2.COLOR_RGBA2RGB) # 保存视频帧 left_video.write(left_frame) right_video.write(right_frame) # 显示图像 cv2.imshow("Left", left_frame) cv2.imshow("Right", right_frame) # 按下ESC键退出 if cv2.waitKey(1) == 27: break # 释放资源 zed.close() left_video.release() right_video.release() cv2.destroyAllWindows() if __name__ == '__main__': main() ``` 该代码打开ZED相机，设置相机参数，创建视频编码器，并在循环读取帧数据并保存视频。在每个循环中，它采集左右摄像头的图像，将其转换为OpenCV格式，并将其保存到相应的AVI文件中。此外，它还将图像显示在窗口中，以便您可以实时查看采集的图像。最后，按下ESC键退出程序并释放资源。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值