待填的大坑

VINS-Fusion

一种基于视觉惯性传感器的视觉SLAM算法。它将视觉和惯性信息进行融合，来提高机器人在未知环境下的定位和导航能力。

VINS-Fusion系统架构图

前端和后端之间通过一个状态传递机制来交换数据。前端将IMU和图像数据合并，生成一组状态量，然后将其传递给后端进行融合和优化；后端将优化后的状态量传递回前端，以便更新机器人的运动估计。

字体设计

先用rosenfeld把宋体细化。

视频修复

一 找到最高清的视频源-----------------------------------------------------------------------已经完成
二将视频源分解成单帧图片-----------------------------------------------------------------有现成工具

https://blog.csdn.net/qq_34793133/article/details/83929612

import cv2
vidcap = cv2.VideoCapture('005.avi')
success,image = vidcap.read()
count = 0
success = True
while success:
  success,image = vidcap.read()
  cv2.imwrite("frame%d.jpg" % count, image)     # save frame as JPEG file
  if cv2.waitKey(10) == 27:                     
      break
  count += 1
　　

waitKey()函数详解 
 1--waitKey()--这个函数是在一个给定的时间内(单位ms)等待用户按键触发;如果用户没有按下 键,则接续等待(循环)
 2--如下所示: while(1){ if(waitKey(100)==27)break; } 在这个程序中,我们告诉OpenCv等待用户触发事件,等待时间为100ms，
 如果在这个时间段内, 用户按下ESC(ASCII码为27),则跳出循环,否则,不跳出循环
 3--如果设置waitKey(0),则表示程序会无限制的等待用户的按键事件
videoCapture.read() 函数，第一个返回值为是否成功获取视频帧，第二个返回值为返回的视频帧：
success, frame = videoCapture.read()
1.
cv2.VideoWriter(filename, fourcc, fps, framesize, isColor)–视频写入/出
使用这个函数可以创建一个用于写出视频文件的句柄，第一个参数为写出的视频文件的名字/路径，第二个参数为写出视频的编码格式，
第三个参数为写出视频的fps值，第四个参数为写出视频的画面大小，最后一个参数为设置写出视频是否为彩色视频，可以省略，默认为彩色。

三提高分辨率拉成4k（关键，锐化一并做了）----------------------------------------学习中

Real-CUGAN。这个项目是B站官方研发的一个专门用作修复B站的动漫画质的模型，如今已经开源。 Real-CUGAN，全称为Real Cascade U-Nets for Anime Image Super Resolution。据了解， Real-CUGAN支持2x/3x/4x倍超分辨率，其中2倍模型支持4种降噪强度与保守修复，
3倍/4倍模型支持2种降噪强度与保守修复。 此外，Real-CUGAN使用的训练代码源自一款百万级动漫数据RealESRGAN，而其结构与此前一个
爆火的超分模型Waiuf2x相兼容。这两款超分模型均已开源，且都曾火爆全网。

=====================================================================================================
waifu2x是使用深度卷积神经网络的图片超解析系统,针对二次元图片效果最佳。
waifu2x是一个日本技术宅创造的一个图像拉伸算法。该算法对于二次元图片来说，扩图降噪一次搞定，效果非常之好，可谓神器。

waifu2x原理是基于最新人工智能深度学习技术，深度卷积神经网络（Deep Convolutional Neural Networks）。
它会将噪点和锯齿的部分进行补充，实现图片的无损放大，作者将一堆gal的图片缩小再把他们的原图放到一起，让waifu去学习如何放大拉伸，
所以一般waifu 下来都有一个model文件夹这东西就是他的训练集，相当于人的大脑。
=====================================================================================================
作者：Gitee
链接：https://www.zhihu.com/question/362006222/answer/2343332788
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

不同与Waiuf2x，RealESRGAN的研发阵容堪称豪华。腾讯有一支堪称腾讯PCG的「侦察兵」、「特种兵」的研究院，他们始终站在腾讯探索挑战智
能媒体相关前沿技术的第一线，这就是腾讯ARC实验室。 2021年9月，这支队伍发表了一款名为RealESRGAN的图像超分辨率模型，它可以有效的
消除低分辨率图像中的振铃和overshoot伪影，同时也能更逼真的恢复细节。这并非首创，实际上RealESRGAN是对其前身ESRGAN的完善与深度
研究，从而能够更精准的修复图像。不过，或许有人会疑惑，三个爆红的超分模型都很优秀，但是应该学习使用哪一款呢？或者说是否有一款
模型，能够成为集大成者，兼具三者的功能呢？02 推荐一款集大成者的超分模型今天，我们就给大家介绍一款在Gitee上开源且获得了525个
star、Gitee指数达17% 的程序。它集成了 Waifu2x,Real-ESRGAN，Real-CUGAN，以及 SRMD,  Anime4K, RIFE, CAIN, DAIN 和
 ACNet.等众多模型，并且能够为图片、GIF 和 视频 提供放大与降噪(超分辨率)及视频补帧(插帧)的功能。
 这款模型就是Waifu2x-Extension-GUI。

四提高色彩饱和度--------------------------------------------------------------------------------学习队列中

参考topaz denoise ai的设置方法
1提高明亮度
2降低噪点（黑白噪点，彩色噪点），【降噪和提高锐度是一对互动的调试】
OpenCV提供了此方法的四个变体。

cv.fastNlMeansDenoising()-处理单个灰度图像
cv.fastNlMeansDenoisingColored()-处理彩色图像。
cv.fastNlMeansDenoisingMulti()-处理在短时间内捕获的图像序列（灰度图像）
cv.fastNlMeansDenoisingColoredMulti()-与上面相同，但用于彩色图像。
3降低背景的明亮度https://baijiahao.baidu.com/s?id=1666283842072633390&wfr=spider&for=pc

五最后才是插帧（关键）-----------------------------------------------------------------------学习队列中

https://zhuanlan.zhihu.com/p/338258331
全平台AI视频补帧工具(DAIN/CAIN/RIFE-ncnn-vulkan)
``