收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。
需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人
都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
3. 方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。
4. 关键点描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。
2.2、步骤
第一步是构建高斯尺度金字塔。
在同一组中所应用的高斯滤波尺度（也就是sigma）越来越大，**相应的滤波模板也应该越来越大哦（否则体现不了尺度不变性）！**之后再计算差分高斯（DoG）金字塔用于近似拉普拉斯高斯（LoG）金字塔，并在其中寻找极值点作为关键点。不管原图尺度是多少，在包含了所有尺度的尺度空间下都能找到那些稳定的极值点，这样就做到了尺度不变！
第二步是生成描述子。
在这一步中实现了尺度，旋转，光照不变性。根据所检测到的关键点，利用其邻域（邻域半径与该关键点的尺度成正比，这样才能实现尺度不变性）各个像素的梯度信息（包括梯度方向和强度），统计出梯度直方图，即可找到主方向（也就是梯度直方图中最大值所对应的方向）。将方形邻域框旋转主方向的角度（我的理解是这一步将主方向“清零”，是实现旋转不变形的关键。注意邻域半径与该关键点的尺度成正比），在该邻域内利用梯度信息生成其中各个小块的梯度直方图，连接起来即为描述子（即实现了旋转不变性）。最后将描述子做归一化实现光照不变性。
2、高斯模糊
SIFT算法是在不同的尺度空间上查找关键点，而尺度空间的获取需要使用高斯模糊来实现&#
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新
需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）
资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**
7353
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
