让机器“看见”—计算机视觉原理及实战—17812人已学习
课程介绍
课程由哈尔滨工业大学副教授,视觉技术研究室负责人屈教授讲解。由浅入深,图文并茂,在讲述概念的同时注重和实际系统结合,为上手并深入研究无人驾驶,智能机器人,人机交互,医疗等行业应用奠定坚实基础。
课程收益
认真学习本门课程后,学员可以掌握计算机视觉技术的基本原理和应用方式。可在实际项目、创新项目、创业实践中应用,同时可供感兴趣同学作为以后深入学习计算机视觉知识的基础。公开课试听:http://edu.csdn.net/course/detail/5510
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学讲师,帮助30万中国企业走向智能化。
课程大纲
第1章:计算机视觉引论及基础介绍
1. 计算机视觉 3:16
2. 第一节课课前答疑 26:05
3. (一)引论及基础 2:10
4. (1.1)什么是计算机视觉 2:53
5. (1.2)视觉系统构成要素 1:29
6. (二)视觉系统构成实例 (2.1)机器视觉系统 3:04
7. (2.2)交通视频检测 2:12
8. (2.3)Xbox 与 Kinect 3:37
9. (2.4)”好奇车“火星探测车 4:21
10. (三)照明模型 (3.1)光通量 4:53
11. (3.2)辐照度 4:32
12. (四)-(4.1)颜色模型 11:09
13. (4.2)OpenCV 实现 15:10
14. (五)图像的采集与显示 (5.1)图像采集 7:21
15. (5.2)图像传输 10:45
16. (5.3)图像显示 8:15
17. (六)课程结构与参考书 (6.1)课程结构 2:33
18. (6.2)参考书籍 3:50
19. 第一节课课后答疑 28:59
第2章:图像预处理,边缘提取及图像分割
1. 图像预处理,边缘提取及图像分割 02:19:07
第3章:图像特征提取及光流估计
1. 计算机视觉第三课课前讨论及答疑 11:22
2. 图像特征提取与运动估计 2:11
3. (一)角点检测 0:30
4. (1.1)Harris算子原理 27:28
5. (1.2)OpenCV实例 5:01
6. (1.3)第一部分答疑 4:30
7. (二)背景建模 0:10
8. (2.1)背景建模原理 22:13
9. (2.2)背景建模处理实例 2:59
10. (2.3)第二部分答疑 3:48
11. (三)光流估计 0:17
12. (3.1)光流估计基本模型 7:08
13. (3.2)Lucas-Kanade方法 14:22
14. (3.3)光流估计示例 5:50
15. (四)总结 1:02
16. 计算机视觉第三课课后答疑 17:40
第4章:图像处理综合实例
1. 计算机视觉第四课课前讨论及答疑 15:29
2. (一)Visual Studio视觉编程工具 2:16
3. (1.1)ImageWatch 2:06
4. (1.2)VSColorOutput 1:35
5. (1.3)VS Line Counter 1:11
6. (1.4)SuperCharge 7:27
7. (二)米粒检测 21:52
8. (三)运动目标检测(静止背景) 23:09
9. (四)光流跟踪 18:38
10. (五)总结 7:40
11. 计算机视觉第四课课后答疑 28:24
第5章:视觉几何基础与位姿估计
1. (一)座标变换与摄像机模型 2:18
2. (1.1)座标系与座标变化 24:56
3. (1.2)线性摄像机模型 12:58
4. (二)相对位姿测量算法 0:13
5. (2.1)基本问题 5:34
6. (2.2)线性求解 21:40
7. (三)基于平面特征点的位姿测量 0:15
8. (3.1)基本问题 5:07
9. (3.2)线性求解 6:13
10. (3.3)扩展 4:44
11. (四)双目视觉基础 0:10
12. (4.1)基本问题 3:05
13. (4.2)平行双目视觉 8:49
14. (五)总结 1:05
15. 计算机视觉第四课课后答疑 20:14
第6章:相机标定及位姿估计实例
1. 计算机视觉第六课课前讨论及答疑 10:32
2. (一)极线几何 2:04
3. (1.1)极线几何与本质矩阵 14:53
4. (1.2)本质矩阵求解 13:08
5. (1.3)扩展 2:51
6. (二)稳健估计 0:21
7. (2.1)基本问题 7:43
8. (2.2)RANSAC 11:24
9. (2.3)OpenCV相关函数 1:42
10. (2.4)第一部分和第二部分答疑 6:49
11. (三)立体匹配 0:29
12. (3.1)基本问题 7:51
13. (3.2)示意 3:23
14. (3.3)OpenCV相关函数 1:17
15. (四)相机标定 1:00
16. (4.1)基本问题 3:44
17. (4.2)Zhang方法 16:38
18. (4.3)演示 7:12
19. (五)总结 1:54
20. 计算机视觉第六课课后答疑 12:55
大家可以点击【 查看详情】查看我的课程
课程介绍
课程由哈尔滨工业大学副教授,视觉技术研究室负责人屈教授讲解。由浅入深,图文并茂,在讲述概念的同时注重和实际系统结合,为上手并深入研究无人驾驶,智能机器人,人机交互,医疗等行业应用奠定坚实基础。
课程收益
认真学习本门课程后,学员可以掌握计算机视觉技术的基本原理和应用方式。可在实际项目、创新项目、创业实践中应用,同时可供感兴趣同学作为以后深入学习计算机视觉知识的基础。公开课试听:http://edu.csdn.net/course/detail/5510
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学讲师,帮助30万中国企业走向智能化。
课程大纲
第1章:计算机视觉引论及基础介绍
1. 计算机视觉 3:16
2. 第一节课课前答疑 26:05
3. (一)引论及基础 2:10
4. (1.1)什么是计算机视觉 2:53
5. (1.2)视觉系统构成要素 1:29
6. (二)视觉系统构成实例 (2.1)机器视觉系统 3:04
7. (2.2)交通视频检测 2:12
8. (2.3)Xbox 与 Kinect 3:37
9. (2.4)”好奇车“火星探测车 4:21
10. (三)照明模型 (3.1)光通量 4:53
11. (3.2)辐照度 4:32
12. (四)-(4.1)颜色模型 11:09
13. (4.2)OpenCV 实现 15:10
14. (五)图像的采集与显示 (5.1)图像采集 7:21
15. (5.2)图像传输 10:45
16. (5.3)图像显示 8:15
17. (六)课程结构与参考书 (6.1)课程结构 2:33
18. (6.2)参考书籍 3:50
19. 第一节课课后答疑 28:59
第2章:图像预处理,边缘提取及图像分割
1. 图像预处理,边缘提取及图像分割 02:19:07
第3章:图像特征提取及光流估计
1. 计算机视觉第三课课前讨论及答疑 11:22
2. 图像特征提取与运动估计 2:11
3. (一)角点检测 0:30
4. (1.1)Harris算子原理 27:28
5. (1.2)OpenCV实例 5:01
6. (1.3)第一部分答疑 4:30
7. (二)背景建模 0:10
8. (2.1)背景建模原理 22:13
9. (2.2)背景建模处理实例 2:59
10. (2.3)第二部分答疑 3:48
11. (三)光流估计 0:17
12. (3.1)光流估计基本模型 7:08
13. (3.2)Lucas-Kanade方法 14:22
14. (3.3)光流估计示例 5:50
15. (四)总结 1:02
16. 计算机视觉第三课课后答疑 17:40
第4章:图像处理综合实例
1. 计算机视觉第四课课前讨论及答疑 15:29
2. (一)Visual Studio视觉编程工具 2:16
3. (1.1)ImageWatch 2:06
4. (1.2)VSColorOutput 1:35
5. (1.3)VS Line Counter 1:11
6. (1.4)SuperCharge 7:27
7. (二)米粒检测 21:52
8. (三)运动目标检测(静止背景) 23:09
9. (四)光流跟踪 18:38
10. (五)总结 7:40
11. 计算机视觉第四课课后答疑 28:24
第5章:视觉几何基础与位姿估计
1. (一)座标变换与摄像机模型 2:18
2. (1.1)座标系与座标变化 24:56
3. (1.2)线性摄像机模型 12:58
4. (二)相对位姿测量算法 0:13
5. (2.1)基本问题 5:34
6. (2.2)线性求解 21:40
7. (三)基于平面特征点的位姿测量 0:15
8. (3.1)基本问题 5:07
9. (3.2)线性求解 6:13
10. (3.3)扩展 4:44
11. (四)双目视觉基础 0:10
12. (4.1)基本问题 3:05
13. (4.2)平行双目视觉 8:49
14. (五)总结 1:05
15. 计算机视觉第四课课后答疑 20:14
第6章:相机标定及位姿估计实例
1. 计算机视觉第六课课前讨论及答疑 10:32
2. (一)极线几何 2:04
3. (1.1)极线几何与本质矩阵 14:53
4. (1.2)本质矩阵求解 13:08
5. (1.3)扩展 2:51
6. (二)稳健估计 0:21
7. (2.1)基本问题 7:43
8. (2.2)RANSAC 11:24
9. (2.3)OpenCV相关函数 1:42
10. (2.4)第一部分和第二部分答疑 6:49
11. (三)立体匹配 0:29
12. (3.1)基本问题 7:51
13. (3.2)示意 3:23
14. (3.3)OpenCV相关函数 1:17
15. (四)相机标定 1:00
16. (4.1)基本问题 3:44
17. (4.2)Zhang方法 16:38
18. (4.3)演示 7:12
19. (五)总结 1:54
20. 计算机视觉第六课课后答疑 12:55
大家可以点击【 查看详情】查看我的课程