- 博客(4)
- 资源 (7)
- 收藏
- 关注
原创 SLAM入门之视觉里程计(3):两视图对极约束 基础矩阵
在上篇相机模型中介绍了图像的成像过程,场景中的三维点通过“小孔”映射到二维的图像平面,可以使用下面公式描述: x=MXx = MX其中,cc是图像中的像点,MM是一个3×43\times4的相机矩阵,XX是场景中的三维点。 通过小孔相机模型,可知假如从像点xx向相机的中心CC反投影一条射线xC−→\overrightarrow{xC},则该射线必定经过对应像点的三维空间点XX,但显然仅仅通过
2017-12-30 20:52:00 1334
原创 SLAM入门之视觉里程计(2):相机模型(内参数,外参数)
相机成像的过程实际是将真实的三维空间中的三维点映射到成像平面(二维空间)过程,可以简单的使用小孔成像模型来描述该过程,以了解成像过程中三维空间到二位图像空间的变换过程。 本文包含两部分内容,首先介绍小孔成像模型的各种几何关系;接着描述了成像过程中的四种坐标系(像素坐标,图像坐标,相机坐标,世界坐标)的变换关系。小孔成像模型相机可以抽象为最简单的形式:一个小孔和一个成像平面,小孔位于成像平面和真实的
2017-12-27 18:20:40 1823
原创 SLAM入门之视觉里程计(1):特征点的匹配
SLAM 主要分为两个部分:前端和后端,前端也就是视觉里程计(VO),它根据相邻图像的信息粗略的估计出相机的运动,给后端提供较好的初始值。VO的实现方法可以根据是否需要提取特征分为两类:基于特征点的方法,不使用特征点的直接方法。 基于特征点的VO运行稳定,对光照、动态物体不敏感。图像特征点的提取和匹配是计算机视觉中的一个基本问题,在视觉SLAM中就需要首先找到相邻图像对应点的组合,根据这些匹配的点对
2017-12-20 22:06:45 7369 1
原创 图像处理基础(6):锐化空间滤波器
前面介绍的几种滤波器都属于平滑滤波器(低通滤波器),用来平滑图像和抑制噪声的;而锐化空间滤波器恰恰相反,主要用来增强图像的突变信息,图像的细节和边缘信息。平滑滤波器主要是使用邻域的均值(或者中值)来代替模板中心的像素,消弱和邻域间的差别,以达到平滑图像和抑制噪声的目的;相反,锐化滤波器则使用邻域的微分作为算子,增大邻域间像素的差值,使图像的突变部分变的更加明显。本位主要介绍了一下几点内容: - 图
2017-12-18 01:33:14 3775 2
Golomb编码和指数哥伦布编码 exp-Golomb
2017-01-18
OpenCV 特征点匹配及 优化下载
2017-01-04
生成指定分贝数指定形状的音频波形
2016-12-19
FFmpeg + SoundTouch实现音频的变调变速
2016-10-27
使用标准C++库实现的WAV音频文件读写
2016-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人