yzfzzz/depth-detect

解決的問題

提供一個高效率的框架，實時融合物件檢測與深度估計。透過融合這兩項能力，系統不僅能識別物件，還能估算其距離與運動狀態（速度與加速度），對於障礙物避讓或機器人感知等應用至關重要。

工作原理

該框架採用 C++ 與 TensorRT 基礎的流程，並行執行兩個模型：檢測模型（YOLO）與深度估計模型（Depth-Anything 或 Lite-Mono）。支援同步與非同步（GPU 重疊）執行，以最大化吞吐量。物件檢測完成後，系統使用 BYTETracker 進行多物件追蹤，並結合卡爾曼濾波器平滑運動狀態，根據深度圖估算距離變化。

適用對象

專為在 x86 Linux 或 NVIDIA Jetson 嵌入式平台開發電腦視覺系統的開發者設計，適用於需要低延遲、即時空間感知的應用場景。

核心亮點

• 並行推論：支援同步與非同步流程，實現深度與檢測的並行處理。
• 硬體加速：利用 CUDA 加速預處理（Resize、Normalize）與後處理（NMS），降低 CPU 負載。
• 運動追蹤：整合 BYTETracker 與卡爾曼濾波，實現物件追蹤並估算其運動動態。
• 跨平台相容：相容桌面 GPU（RTX 系列）與嵌入式裝置（Jetson TX2）。