代码目录讲解
这里对个人对代码的理解进行讲解，个人由于设备不太行，没有去对模型进行复现，仅集合了网上内容对代码进行了解读，希望可以有帮助。
目录结构
- asserts：这个主要是包含readme中需要使用的图片
- datasets：这个文件内包含kitti_dataset.py和mono_dataset.py这部分主要是用于继承了Dataset类用于获取数据
- experiments:主要是训练相关指令，方便查看
- networks:主要是神经网络结构
- splits：文件夹主要是KITTI数据集的下载相关文件目录，包括不同训练类型下使用到的训练文件，这里具体使用哪个可以查看readme
- depth_prediction_example.ipynb：这个是用于验证的文件
- evaluate_depth.py： 不参与到训练，主要是测试时进行验证使用，和验证深度网络有效性
- evaluation_pose.py：用于确定相机姿势网络的有效性
- export_gt_depth.py：不参与训练，大概用于深度kitti图像的深度信息
- kitti_utils.py：读取kitti数据
- layers:辅助函数，参与计算，主要是涉及训练过程中的一些图像转化函数，实现了计算损失、生成点云、生成二维图像、计算T和R等功能。
- options: 具体的训练指令相关文件，用于使用命令行进行训练，对各个训练参数都进行了描述
- text_simple.py: 验证文件
- trainer.py：具体的训练过程
- train.py:生成trainer对象，进行训练
- utils.py：辅助函数