Добавлены пропсы конвейера и стереодвижки, задействованные в прогоне

assets/conveyors (274 МБ) - ленты и угловая секция NVIDIA, на которые ссылается сцена
относительным путём. Раньше исключались как перекачиваемые, но без них сцена не
композится из коробки.

cv/ - код стереодвижков, которые вызывает control_test, без весов:
* defom-stereo - рабочий бейзлайн (DEFOM vitl, вход 480, iters 24)
* crestereo - второй движок, точнее по габаритам (MAE 23.5 против 32.8 мм)
* fast-foundationstereo - проверялся, в бейзлайн не вошёл
* circular_section.py - показатель кругового сечения, перенесён в measure_plane.py:
  выравнивает облако по СОБСТВЕННЫМ главным осям и режет на пяти высотах вдоль каждой.
  Три самодельные версии (мировые оси, одно сечение) давали хуже; результаты проверки
  на эталонной геометрии - в circular_section_results.json

Веса по-прежнему не в репозитории - источники в MODELS.md. Наборы кадров прежних
прогонов (cv/flow_*, 1.26 ГБ) исключены: это выход, а не исходники.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

cv/crestereo/function_convertion_tests/test_bilinear_sampler.py

@@ -0,0 +1,44 @@
+import pickle
+import numpy as np
+import megengine as mge
+
+import torch
+import torch.nn.functional as F
+
+def bilinear_sampler(img, coords, mode='bilinear', mask=False):
+
+    """ Wrapper for grid_sample, uses pixel coordinates """
+    H, W = img.shape[-2:]
+    xgrid, ygrid = coords.split([1,1], dim=-1)
+    xgrid = 2*xgrid/(W-1) - 1
+    ygrid = 2*ygrid/(H-1) - 1
+
+    grid = torch.cat([xgrid, ygrid], dim=-1)
+    img = F.grid_sample(img, grid, align_corners=True)
+
+    if mask:
+        mask = (xgrid > -1) & (ygrid > -1) & (xgrid < 1) & (ygrid < 1)
+        return img, mask.float()
+
+    return img
+
+def test_bilinear_sampler():
+    # Getting back the megengine objects:
+    with open('test_data/bilinear_sampler_test.pickle', 'rb') as f:
+        right_feature_prev, coords, right_feature = pickle.load(f)
+
+    right_feature_prev = torch.tensor(right_feature_prev.numpy())
+    coords = torch.tensor(coords.numpy())
+    right_feature = right_feature.numpy()
+
+    # Test Pytorch
+    right_feature_pytorch = bilinear_sampler(right_feature_prev, coords).numpy()
+
+    error = np.mean(right_feature_pytorch-right_feature)
+    print(f"test_coords_grid - Avg. Error: {error},  \n \
+        Original shape: {coords.numpy().shape},\n  \
+        Obtained shape: {right_feature_pytorch.shape}, Expected shape: {right_feature.shape}")
+
+if __name__ == '__main__':
+
+    test_bilinear_sampler()