需要下载作者提供的数据集，跟MVSNet的数据集不是很一样，但都不大2G+1G
整体环境推荐不要复用MVSNet，主要是PyTorch版本比较新，再依照requirements安装下没安过的库即可
如果opencv-python在conda中无法安装成功，就直接用pip安装，一样可以用的
我最开始复用了MVSNet的cuda和torch环境，会在很多位置报错
RuntimeError: output with device cuda:0 and dtype Float doesn't match the desired device cuda:0 and dtype Double，定位到报错位置将变量改为xx.double()进行格式转换会消除一些，但有些始终无法修改成功，所幸从头安装了
修改下train.sh里的配置，直接运行就可以，对GPU的消耗不是很大，迭代的速度也比较快
安排好数据集的位置就可以直接运行sh eval.sh进行测试即可，最终深度图结果会在outputs_pretrained里
一点需要注意的是，如果运行时报错则需要指定一个GPU: CUDA_VISIBLE_DEVICES=0
eval之后会在outputs中生成每个场景的confidence和depth_est
记得要使用python2进行fusion，我最后是重新安装了一个python2的conda环境成功的
安装好环境，链接一下fusibile的位置到CVP-MVSNet/fusibile/目录下
ln -s /media/public/yan1/doublez/realdoubleZ/Developer/MVS/fusibile/build/fusibile fusion/fusibilefusion之后会在outputs里的fusibile_fused生成每个场景的文件夹，文件夹里就是那些一大堆内容，最核心的是
cams/images/consistencyCheck/final3d_model.ply