- 博客(16)
- 收藏
- 关注
原创 鸟瞰图(附源码)
opencv自带的鸟瞰图略坑,先看一下,稍后研究一下其他的论文,再实现对比一下效果。#include #include #include #include #include using namespace std;void help(){ printf("Birds eye view\n\n" " ADJUST VIEW HEIGHT using keys 'u' u
2014-12-03 17:45:06
4417
1
原创 摄像机标定(附源码)
今天介绍图和标定camera。首先是用到的opencv函数。后面附上源码。FindChessboardCorners 寻找棋盘图的内角点位置 int cvFindChessboardCorners( const void*image, CvSize pattern_size,CvPoint2D32f* corners,int* corner_count=NULL,int
2014-12-01 20:08:54
3044
原创 总结(一) 知识点初步理解
最近看了些立体视觉方面的资料,感觉立体视觉涉及到的东西太多,且数学理论比较强,特别是几何方面的东西,下面是对这一周看关于立体视觉方面的资料的初步总结,很多知识也是懂了个概念而已,深入的话要在以后的实践过程中不断体会,其中主要是一些名词,写下来算是对自己有个小的总结:一. 射影几何知识。 包括平面射影几何和空间射影几何。射影几何只是在欧式几何中引入了无穷远元素而已,比如说无
2014-11-20 12:59:06
1241
原创 OpenCV笔记(2)
图像深度是指存储每个像素所用的位数,他也是用来度量图像的色彩分辨率的。图像深度确定彩色图像的每个像素可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级,比如一幅单色图像,若每个像素有8位,则最大灰度数目为2的8次方,即256。一幅彩色图像RGB3个分量的像素位数分别为4,4,2,则最大颜色数目为2的4+4+2次方,即1024
2014-11-19 08:38:39
503
转载 OpenCV 2.4.8 or OpenCV 2.4.9组件结构全解析
之前啃了不少OpenCV的官方文档,发现如果了解了一些OpenCV整体的模块架构后,再重点学习自己感兴趣的部分的话,就会有一览众山小的感觉,于是,就决定写出这篇文章,作为启程OpenCV系列博文的第二篇。 至于OpenCV组件结构的研究方法,我们不妨管中窥豹,通过opencv安装路径下include目录里面头文件的分类存放,来一窥OpenCV这些年迅猛发展起来的庞杂组件架构。我们进入到
2014-11-19 08:28:11
620
原创 3D重构基础七--structure and motion
这里,structure=structure of the scene; motion = motion of camera.
2014-11-17 20:09:46
1021
原创 [总结]Camera model and multiple view geometry
总结一下:一、实际点到image点映射关系为:化简后为:其中,C为主点(principal point),一般是图像中心。s请看图3.3右,一般为0.最后,我们写成这种形式:===================================================二、相机运动(motion of camera)相机运动
2014-11-14 18:23:58
984
转载 [补充二]基于多幅图像的3D重构
原文地址:http://blog.csdn.net/connor_lele/article/details/24603841
2014-11-13 09:54:07
5202
原创 [补充一]3D视频
插个好玩的视频。这是麻省理工学院媒体实验室 Hiroshi Ishii 教授负责的一个项目,他设计了一个可以 3D 实时重建表面。设计师 John Maeda 已在他的 Blog 中上传了一段视频,其中展示了由Ishii及其学生一起制作的系统是如何运转的。一个可以捕捉运动物体和 3D 物体的摄影机。一个计算机来处理 3D 信息,并把这些诶信息传送到一个可以“复制”物体且可以运动的圆
2014-11-12 12:09:37
549
原创 3D重构基础五--Essential and Fundamental matrices
Part 1 本质矩阵本质矩阵与相机的外部参数有关,先看其定义。
2014-11-12 09:58:20
1591
1
原创 3D重构基础三--内部参数
在上一节中,我们用矩阵描述了外部参数,即物体的坐标到相机坐标的变换。同时还分析了透视投影,即成像的过程,整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v),即从像平面(Film Coords)到像素(Pixel Coords)。对一幅数字图像,我们可以改变它的宽高比,即作尺度变换。
2014-11-10 16:01:57
1922
原创 3D重构基础二--坐标转换
借助几何和代数的方法来描述立体感知。先从简单的情况开始......假设两个相机的内部参数一致,如焦距、镜头等等,为了数学描述的方便,需引入坐标,由于坐标是人为引入的,因此客观世界中的事物可以处于不同的坐标系中。假设两个相机的X轴方向一致,像平面重叠,如下图所示,坐标系以左相机为准,右相机相对于左相机是简单的平移,用坐标表示为(Tx,0,0)Tx一般称为基线(base
2014-11-10 15:39:52
2708
原创 3D重构基础一
资料来源:3D reconstruction from multiple images (Theo Moons,Maarten Vergauwen, Luc Van Gool)一、Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂,此处,我们只从物理角度,并采用数学的方法来讨论。Inferring depth from image
2014-11-10 15:38:20
2997
1
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