- 博客(7)
- 收藏
- 关注
RSS订阅原创 USB摄像头实现ORB_SLAM2
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、具体实现步骤1. 创建catkin 工作空间：2.编译catkin 工作空间3.编译usb_cam package4. 打开 usb_cam-test.launch总结前言这篇文章主要记录以下我是如何使用USB 实现ORB_SLAM2,以及在编译过程中出现的错误是如何解决，希望能够帮助别人在实现这个框架的时候避免踩雷提示：本文章的实现基础是 Ubuntu 18.04, 其他的Eigen3, OpenCV，Pango
2021-03-19 22:20:00
548
原创 MATLAB-相机标定
MATLAB-相机标定这篇文章主要介绍如何使用Matlab进行相机，其实有很多方法可以实现相机的标定，比如使用OpenCV, ROS camera calibration 等等工具。但是我自己还是比较喜欢用MATLAB， 因为方便简单，只需要拍些照片，读取进去就直接能得到内参。实现前提：安装了camera calibration 在Matlab打印棋盘格 ，打印成A4 size, 可以在这里下载棋盘格，然后用标定相机，各个角度拍棋盘格，存起来待标定我打印的是：A4 - 25mm squares -
2021-03-19 10:46:19
3659
4
原创 OpenCV 读取图片使用cv2.imread 并显示图片
OpenCV 读取图片使用cv2.imread 并显示图片OpenCV读取图片的主要函数是cv2.imread, 有三种读取方式：cv2.imread(image path, cv2.IMREAD_COLOR): 这种是加载彩色图片，也可以写成：cv2.imread(image path,1)cv2.imread(image path, cv2.IMREAD_GRAYSCALE)：直接读取成为灰度图片，也可以写成 cv2.imread(image path,0)cv2.imread(i
2020-07-21 03:19:40
8202
原创 道路线检测数据库（lane_detection)，文章以及GitHub
以下是一些数据库经常用在自动驾驶的道路线检测以及相关的神经网络结构，以及相关的文章和GitHub，我会把连接放在底下：TuSimple链接：https://paperswithcode.com/sota/lane-detection-on-tusimple数据库连接：https://github.com/TuSimple/tusimple-benchmark/issues/3CULane数据库连接：https://github.com/XingangPan/SCNN3.ApolloSc
2020-06-09 12:05:56
1388
原创 图像分割的评价指标
因为之前研究了下图像分割的评分指标， 主要应用在道路线检测方面上pixel accurancy (像素准确性）IoU (Intersection over Union)Mean IoUF1 score在解释以上的评价指标之前， 我们需要先了解混淆矩阵， 因为以上的评价指标是跟混淆矩阵有关， 或者可以说是由混淆矩阵引出。混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。 [
2020-06-09 11:39:10
15334
3
原创 使用matplotlib.pyplot绘制多个图片
本文主要是使用matplotlib 实现绘制多个图片：代码 ：import numpy as npimport matplotlib.pyplot as plt%matplotlib inline读取和显示原图片image = Image.open(’/dogs.jpg’)plt.imshow(image)分别显示R，G,B 通道图片image=np.asarray(image)pic_red=image[:,:,0]pic_green=image[:,:,1]pic_
2020-06-09 09:14:12
2580
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