- 博客(7)
- 收藏
- 关注
RSS订阅原创 计算机视觉——Bag of features
一、Bag of features1.1 Bag of features概述BOF方法源自于文本处理的词袋模型。Bag-of-words model (BoW model) 最早出现在NLP和IR领域. 该模型忽略掉文本的语法和语序, 用一组无序的单词(words)来表达一段文字或一个文档. 近年来, BoW模型被广泛应用于计算机视觉中. 与应用于文本的BoW类比, 图像的特征(feature)被当作单词(Word)。视觉上具相似性的图像。这样返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似
2020-05-24 17:34:32
665
原创 计算机视觉——计算视差
一、实验原理1.1 双目视差与深度距离关系推导详解相机成像的模型如下图所示：P为空间中的点，P1和P2是点P在左右像平面上的成像点，f是焦距，OR和OT是左右相机的光心。由下图可见左右两个相机的光轴是平行的。XR和XT是两个成像点在左右两个像面上距离图像左边缘的距离。首先由图可得：由相似三角形原理：（1）+（2）有：其中b1可以用b、XR和XT表示。最后整理可得：由...
2020-04-26 17:58:31
5284
原创 计算机视觉——多视图几何
一、基本原理1.1外极几何外极几何是研究两幅图像之间存在的几何。它和场景结构无关，只依赖于摄像机的内外参数。研究这种几何可以用在图像匹配、三维重建方面。外极点： 基线与像平面的交点。外极平面： 过基线的平面。外极线： 对极平面与图像平面的交线。基本矩阵F ： 对应点对之间的约束m’Fm=0基础矩阵的代数推导：1.2基础矩阵的估算方法基础矩阵F是一个3×3的矩阵，有...
2020-04-21 23:55:06
887
原创 计算机视觉——相机定位
一、相机标定1.1原理首先先简单的了解一下相机标定的原理。摄像机标定(Camera calibration)简单来说是从世界坐标系换到图像坐标系的过程，也就是求最终的投影矩阵 P 的过程。一般来说，标定的过程分为两个部分：第一步是从世界坐标系转换为相机坐标系，这一步是三维点到三维点的转换，包括 R，t （相机外参）等参数；第二部是从相机坐标系转为图像坐标系，这一步是三维点到二维点的转换...
2020-04-07 17:03:22
4113
1
原创 计算机视觉——图像拼接
一、全景图像拼接1.1全景图像拼接简介图像拼接技术就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅无缝的全景图或高分辨率图像的技术。图像拼接在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。图像拼接的输出是两个输入图像的并集。1.2全景图像拼接步骤1.根据给定图像/集，实现特征匹配。2.通过匹配特征计算图像之间的变换结构。3.利用图...
2020-03-24 19:35:24
1664
原创 计算机视觉——SIFT特征提取与检索
文章目录一、SIFT特征提取1.1 定义1.2 SIFT特征提取与检索的基本步骤1.3 基本步骤的详细解释二、SIFT特征提取与检索的实验与分析2.1针对自己所处的环境，拍摄多张图片，构造出一个小的数据集一、SIFT特征提取1.1 定义SIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换。是在不同的尺度空间上查找关键点(特征点)，并计算出关键点...
2020-03-08 13:04:27
960
原创 计算机视觉——Harris角点检测
一、Harris角点1.1何为角点角点就是多条轮廓线之间的交点。如下图中红色圈中标出的位置：从数字图像处理的角度来看的话，可以描述如下：1.像素点附近区域像素无论是在梯度方向、还是在梯度幅值上都发生较大的变化。2.一阶导数(即灰度的梯度)的局部最大所对应的像素点；3.两条及两条以上边缘的交点；4.图像中梯度值和梯度方向的变化速率都很高的点；5.角点处的一阶导数最大，二阶导数为零，...
2020-02-25 16:19:28
804
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人