我们使用DepthAI做的实验项目。
示例 在此库中包含了各个示例的代码，运行它们调用depthai。这几乎是一个depthai使用教程。
以下列表并不详尽(由于我们随机添加实验，可能会忘记更新此列表):
[Gen2] 凝视估计 (点击查看详情)
该示例演示了如何使用 Gen2 Pipeline Builder 在DepthAI上运行3个模型(3序列，2并行)推理。
制作此示例的Origina OpenVINO演示在这里
[Gen2] 亚像素和LR检查视差深度 (点击查看详情)
此示例显示了如何进行亚像素，LR检查或扩展视差，以及如何将这些测量值投影到点云中以进行可视化。这将使用 Gen2 Pipeline Builder。
[Gen2] 年龄与性别检测 (点击查看详情)
这显示了一个简单的两阶段神经推理示例，先进行面部检测，然后根据面部进行年龄/性别估计。
[Gen2] 文本检测+光学字符识别(OCR)管道 (点击查看详情)
该管道执行文本检测(EAST)，然后对检测到的文本进行光学字符识别。
[Gen2] 行人识别 (点击查看详情)
该示例演示了如何使用Gen2 Pipeline Builder在DepthAI上进行两阶段推理，以识别和重新识别具有唯一ID的行人。
原OpenVINO演示，在其上实现这个例子，详情在这里.
COVID-19口罩/无口罩检测器 (点击查看详情)
该项目向您展示了如何运行在这里训练过的COVID-19口罩/无口罩检测器。
社会距离示例 (点击查看详情)
由于DepthAI可以提供对象在物理空间中的完整3D位置，因此使用DepthAI编写社交距离监视器需要几行代码。这就是这个项目，它是快速与社会隔离的监视器进行操作的地方。
演示界面 (点击查看详情)
该应用程序用于演示DepthAI平台的各种功能。包含带有说明，控制台输出和预览窗口的示例。
MJPEG和JSON流式传输 (点击查看详情)
这为使DepthAI与OpenDataCam兼容奠定了基础。
立体声神经推理结果可视化工具 (点击查看详情)
因此，由于通常在立体神经推理结果上进行特定于应用程序的主机端过滤，并且由于这些计算是轻量级的(即可以在ESP32上完成)，因此将三角剖分本身留给了主机。如果有兴趣直接在DepthAI上执行此操作，请告诉我们！
人数统计 (点击查看详情)
这是megaAI和/或DepthAI的基本用法示例（尽管实际上并没有使用DepthAI的深度方面）：仅对场景中的人进行计数并记录该计数。
因此，您可以使用它来绘制一天的房间占用情况。人们可以修改这个例子来说明，其中在一个房间里那帮人，随着时间的推移，如果需要的话。但是目前，随着时间的推移，它只会产生一定数量的人员-因此，从摄像机的角度来看，总数是多少。
人物追踪器 (点击查看详情)
此应用程序统计视频流中有多少人向上/向下/向左/向右移动，从而使您可以接收有关多少人进入房间或经过走廊的信息。
在这个例子中使用的模型是 person_detection_retail_0013 从OpenVIN模型动物园。
点云投影 (点击查看详情)
这是一个简单的应用程序，可从中创建rgbd图像right并进行depth_raw流传输并将其投影到点云中。还有一个交互式点云可视化器。（带有left和rgb的depth_raw将很快添加）
RGB-D和PCL(点击查看详情)
这是一个简单的应用程序，可从中创建rgbd图像rgb并进行depth流处理，并将其投影到具有深度叠加和点云的rgb中。还有一个交互式点云可视化器。
主机端WLS过滤器 (点击查看详情)
这给出了一个使用DepthAI的rectified_right和depth流进行主机端WLS过滤的示例。
在 BW1092 运行的示例如下所示:
