YOLO3D是一个基于YOLOv3的3D目标检测模型，该模型在KITTI数据集上的精度达到了0.78，比YOLOv3的精度提升了0.05。该模型的主要特点是：结合了resnet能够实现3d框的检测。
参考repo: ruhyadi/YOLO3D
例程特性：
- 支持FP32 BModel模型编译及推理；
- 支持batch_size=1的模型推理；
- 支持
python进行前后处理
适配版本
- 支持SOPHON SDK 2.7.0 及以上版本
- 支持 SE5
MiDas 旨在实现通用的单目深度估计，因此模型在推理运行时不需要额外的数据集。
开发环境是指用于模型转换或验证以及程序编译等开发过程的环境，目前只支持x86，建议使用我们提供的基于Ubuntu16.04的docker镜像。
运行环境是具备Sophon设备的平台上实际使用设备进行算法应用部署的环境，有PCIe加速卡、SM5模组、SE5边缘计算盒子等，所有运行环境上的BModel都是一样的，SDK中各模块的接口也是一致的。
开发环境与运行环境可能是统一的（如插有SC5加速卡的x86主机，既是开发环境又是运行环境），也可能是分离的（如使用x86主机作为开发环境转换模型和编译程序，使用SE5盒子部署运行最终的算法应用）。
但是，无论使用的产品是SoC模式还是PCIe模式，都需要一台x86主机作为开发环境，模型的转换工作必须在开发环境中完成。
-
开发主机：一台安装了Ubuntu16.04/18.04/20.04的x86主机，运行内存建议12GB以上
-
安装docker：参考《官方教程》，若已经安装请跳过
-
开发docker基础镜像：点击前往官网下载Ubuntu开发镜像，Ubuntu 16.04 with Python 3.7
wget https://sophon-file.sophon.cn/sophon-prod-s3/drive/22/03/19/13/bmnnsdk2-bm1684-ubuntu-docker-py37.zip
-
SDK软件包：点击前往官网下载SDK软件包
wget https://sophon-file.sophon.cn/sophon-prod-s3/drive/22/05/31/11/bmnnsdk2_bm1684_v2.7.0_20220531patched.zip
- 加载docker镜像:
docker load -i bmnnsdk2-bm1684-ubuntu.docker- 解压缩SDK：
tar zxvf bmnnsdk2-bm1684_v2.7.0.tar.gz- 创建docker容器，SDK将被挂载映射到容器内部供使用：
cd bmnnsdk2-bm1684_v2.7.0
# 若您没有执行前述关于docker命令免root执行的配置操作，需在命令前添加sudo
./docker_run_bmnnsdk.sh- 进入docker容器中安装库：
# 进入容器中执行
cd /workspace/scripts/
./install_lib.sh nntc- 设置环境变量：
# 配置环境变量，这一步会安装一些依赖库，并导出环境变量到当前终端
# 导出的环境变量只对当前终端有效，每次进入容器都需要重新执行一遍，或者可以将这些环境变量写入~/.bashrc，这样每次登录将会自动设置环境变量
source envsetup_pcie.sh模型来源于：bash download_from_nas.sh下载模型， 也可以通过脚本制作模型(后续上传).
模型是训练过的，所以可以拿来直接进行推理。
模型转换的过程需要在x86下的docker开发环境中完成。以下操作均在x86下的docker开发环境中完成。(目前暂无转换脚本)
运行bash ./download_bmodel.sh 下载编译好的bmodel
转换脚本暂时缺失
量化暂时缺失
对于x86 SC5平台，程序执行所需的环境变量执行source envsetup_pcie.sh时已经配置完成。
- 环境配置
由于Python例程用到sail库，需安装Sophon Inference：
# 确认平台及python版本，然后进入相应目录，比如x86平台，python3.7
cd $REL_TOP/lib/sail/python3/pcie/py37
pip3 install sophon-x.x.x-py3-none-any.whlPython代码无需编译，无论是x86 SC5平台还是arm SE5平台配置好环境之后就可直接运行。
使用bm_opencv解码的注意事项： 默认使用原生opencv，若使用bm_opencv解码可能会导致推理结果的差异。若要使用bm_opencv可添加环境变量如下：
export PYTHONPATH=$PYTHONPATH:$REL_TOP/lib/opencv/x86/opencv-python/测试命令： 因为有默认参数，所以直接运行即可
python3 yolo3d.py生成的图片位于当前 目录下
注意使用 python3.8 版本的 sophon sail
export PATH=$PATH:/system/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/system/lib/
export PYTHONPATH=$PYTHONPATH:/system/libpython3 yolo3d.py[1] ruhyadi/YOLO3D