🏡博客主页： virobotics(仪酷智能)：LabVIEW深度学习、人工智能博主
🍻本文由virobotics(仪酷智能)原创首发
🥳欢迎大家关注✌点赞👍收藏⭐留言📝
一、前言
Hello，大家好，我是virobotics（仪酷智能），一个深耕于LabVIEW和人工智能领域的开发工程师。
今天给大家分享在LabVIEW中实现深度相机与三维定位：立体匹配与ACV算法。关于双目相机基础支持可查看上一篇博文『LabVIEW深度相机与三维定位实战（上）』
二、环境搭建
2.1 部署本项目时所用环境
- 操作系统：Windows10
- python：3.6及以上
- LabVIEW：2018及以上 64位版本
- AI视觉工具包：techforce_lib_opencv_cpu-1.0.0.98.vip
- onnx工具包：virobotics_lib_onnx_cuda_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】
2.2 LabVIEW工具包下载及安装
- AI视觉工具包下载与安装参考：
https://blog.csdn.net/virobotics/article/details/123656523 - onnx工具包下载与安装参考：
https://blog.csdn.net/virobotics/article/details/124998746
三、LabVIEW实现ACVNet立体匹配
3.1 获取模型
项目中提供一个onnx格式的ACVNet模型，模型文件位于：“范例\acvnet_maxdisp192_sceneflow_240x320.onnx”
模型的输入为左右两张彩色图，大小均为 3240320，须归一化到（-1~1）之间。
最大视差为maxdisp = 192 。
模型的输出为3个层级下的，左图各个像素的视差预测。通常我们只取其中一个层级下的预测结果。
3.2 测试范例
打开“范例\ACVNet_main.vi”；
切换到程序框图，检查依赖的模型文件路径、左右图片路径是否正确。
切换到前面板，运行VI，观察输出结果。（本范例采用灰度图对预测结果进行后处理，灰度大小与该点的视差大小正相关）
修改图片路径，用上一篇博文采集的left.png和right.png图片作为输入，运行测试。
四、项目源码
如需源码，可查看：https://blog.csdn.net/virobotics/article/details/132026300
更多内容，可关注微信公众号：VIRobotics
总结
以上就是今天要给大家分享的内容，希望对大家有用。如有笔误，还请各位及时指正。后续还会继续给各位朋友分享其他案例，欢迎大家关注博主。我是virobotics（仪酷智能），我们下篇文章见~
**如果文章对你有帮助，欢迎✌关注、👍点赞、✌收藏
