BIYing_Aurora的博客

在计算机视觉与图像处理领域，如何从含大量异常值的数据中准确提取有效模型是关键挑战。本笔记聚焦同济大学自动化专业课程核心内容，深度解析随机抽样一致性（RANSAC）算法，揭示其通过 “随机抽样 + 模型验证” 机制区分内点与外点的核心逻辑，以及在直线拟合、圆检测等场景中的鲁棒性优势。🔥 核心亮点速览：噪声数据克星；动态优化机制；多场景适配🧠 算法核心：用 “投票” 对抗噪声⚙️ 实战案例：圆检测中的 RANSAC 应用📌 关键挑战：时间不可控；参数敏感

🔥【同济大学IPMV】Blob检测：LoG与DoG算法全解析！本文详解斑点检测(Blob Detection)核心原理，带你掌握：1️⃣ LoG算法：尺度归一化+极值搜索，σ=r/√2时响应最强2️⃣ DoG优化：高斯差分快速逼近LoG，SIFT特征提取的基石3️⃣ 实战对比：边缘检测看"过零点"，斑点检测找"极值点"

🔥【同济大学课程笔记】图像处理与机器视觉：边缘与直线检测全解析🔥 重要性：边缘检测是计算机视觉基石！📌 核心内容速览1️⃣ 边缘本质：亮度突变区域，用梯度计算定位变化方向与强度。2️⃣ 关键算法：Sobel：快速一阶检测，适合简单场景。Canny：高斯模糊+双阈值，抗噪强，工业级标准。LoG：二阶导数精准定位，医疗影像首选。3️⃣ 直线检测：霍夫变换通过参数空间投票，鲁棒提取直线（车道线/文档表格）。

🔥【同济大学IPMV课程笔记】Lec11 关键点特征与角点检测：从数学原理到实战应用本文深入解析图像处理核心算法——关键点特征与角点检测。从梯度数学描述出发，通过泰勒展开简化计算，揭示二阶矩阵M的特征值如何区分平坦/边缘/角点区域。重点讲解Harris算子的工程优化：用行列式与迹近似λₘᵢₙ，实现高效角点响应计算，并分析其平移/旋转不变性与尺度敏感性短板。📌 核心内容：1️⃣ 特征点三要素2️⃣ 数学本质3️⃣ Harris算子🔗 应用场景：全景拼接、物体识别、3D重建

📌【同济大学IPMV课程精华】图像金字塔：多尺度分析的核心技术！本文系统讲解图像金字塔在多尺度处理中的关键作用，涵盖：高斯金字塔构建：从模糊到降采样的完整流程双线性插值原理：数学推导+图解，彻底搞懂上采样混叠现象解析：为什么降采样前必须滤波？Pooling对比：Max/Average pooling的适用场景与差异超分辨率挑战：GAN网络的修复效果与局限性模板匹配实战：金字塔如何高效定位目标？课程笔记持续更新，适合CV初学者和研究者！🔍 #图像处理 #机器视觉 #同济大学

同济大学 智能建造 工程经济学

用生活化类比+技术干货，生动解析OSI七层模型，带你穿透复杂网络架构，理解物联网通信本质！ 🌐🚚1️⃣ 发送端“打包”：应用层（写内容）→表示层（翻译）→传输层（拆包裹）→网络层（填地址）→物理层（变比特流）2️⃣ 接收端“拆包”：逆向还原数据，每层剥离头部信息如拆快递包装3️⃣ 核心机制：下层为上层服务，物理层只管0/1信号，上层协议逐级处理语义关键亮点：7层功能速查表二/三层交换对比物联网协议

🚀 【3分钟速懂Rodrigues公式】想让机器人优雅旋转？告别欧拉角的"万向锁"噩梦！🔥 Rodrigues公式用「轴+角度」直接计算旋转：1️⃣ 核心魔法：向量旋转后 = 原位置·cosθ + 轴分量补偿 + 叉积扭转（几何直觉拉满！）2️⃣ 两大形态：向量版（物理意义清晰）🆚 矩阵版（编程实现高效）3️⃣ 实战优势：机械臂关节旋转、无人机姿态控制通吃，还能做丝滑插值（SLERP）！💡 一句话总结：比欧拉角稳定，比四元数直观，机器人学里的旋转「万金油」！

🔥【同济大学IPMV期末必过指南】图像处理核心考点一网打尽！3天速成不是梦！💯📌 考试重点预警：✅ 卷积vs互相关：核旋转区别+三种卷积类型计算（附真题对比图）✅ 梯度计算：一阶/二阶差分公式+边缘检测效果对比（Sobel/Prewitt/Laplacian高频考点）✅ 直方图均衡化：4步实现法+灰度映射表（必考计算题）✅ 滤波全家桶：  - 高斯滤波σ参数选择技巧  - 双边滤波保边原理（简答题高频）  - 中值滤波去噪场景（选择必考）✅ 傅里叶变换：频域卷积定理+高斯低通实现

你是否正在为同济大学自动化专业的⭐图像处理与机器视觉⭐课程头疼？是否在复杂的坐标系变换和矩阵运算中迷失方向？别担心，这篇文章就是你的救星！本文基于2025年同济大学自动化专业课程，由 Rui Fan 教授主讲，专注于🚀透视变换（Perspective Transformation）🚀的核心知识点，帮你轻松掌握考试重点！

同济大学自动化专业 图像处理与机器视觉课程理论部分课程概要与脉络考试用