<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dearpeer的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/dearpeer</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; dearpeer]]></copyright><item><title><![CDATA[视觉测量检测系统 【附带全部源代码】]]></title><link>https://blog.csdn.net/dearpeer/article/details/68483530</link><guid>https://blog.csdn.net/dearpeer/article/details/68483530</guid><author>dearpeer</author><pubDate>Thu, 30 Mar 2017 10:02:14 +0800</pubDate><description><![CDATA[团队基于halcon图像处理库的基础上开发的一款视觉检测测量软件 
精度高  亚像素精度 
多设备1  支持所有面阵相机，线扫设备 目前已支持的设置（映美精，svs，basler，vieworks；keyence，米铱激光） 
多设备2  同时连接多种设备，设备混搭 
多任务  同时处理，多种线程 
速度快  可以通过进度条，或是软件计时功能查看耗时 
可编程  支持设备自定义，变量自]]></description><category></category></item><item><title><![CDATA[【软件使用】GitHub使用教程for VS2012]]></title><link>https://blog.csdn.net/dearpeer/article/details/44160083</link><guid>https://blog.csdn.net/dearpeer/article/details/44160083</guid><author>dearpeer</author><pubDate>Mon, 09 Mar 2015 21:06:16 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/yc-755909659/p/3753355.html



一直以来都想使用Git来管理自己平时积累的小代码，就是除了工作之外的代码了。有时候自己搞个小代码，在公司写了，就要通过U盘或者网盘等等一系列工具进行Copy，然后回家才能继续在原来的基础上作业。Copy来Copy去的麻烦不说，很容易出错，导致好不容易写的一点代码就找不到了。而且]]></description><category></category></item><item><title><![CDATA[vs2010下C++调用lib或dll文件]]></title><link>https://blog.csdn.net/dearpeer/article/details/44039969</link><guid>https://blog.csdn.net/dearpeer/article/details/44039969</guid><author>dearpeer</author><pubDate>Tue, 03 Mar 2015 16:40:30 +0800</pubDate><description><![CDATA[转自：http://blog.sina.com.cn/s/blog_a50d2d740101fwuq.html


转载▼






标签： 

lib
 

dll
 

it


分类： C/Cpp






注：

  DLL：表示链接库，包含dll,lib文件；

  dll: 表示my.dll文件

  lib: 表]]></description><category></category></item><item><title><![CDATA[关于lming_08的最小二乘法向量使用的一些问题]]></title><link>https://blog.csdn.net/dearpeer/article/details/44001793</link><guid>https://blog.csdn.net/dearpeer/article/details/44001793</guid><author>dearpeer</author><pubDate>Sun, 01 Mar 2015 11:39:50 +0800</pubDate><description><![CDATA[lming_08
你好 ！
我在引用你的基于最小二乘法估计点云的曲面法向量 这篇文章的成果时遇到的一些问题，如果你能看到，麻烦不吝赐教。
我稍稍更改了平面法向量代码直接应用来求点的平面方程，在使用过程中遇到离散点不在一个平面是拟合出来的平面方程和最小二乘法拟合的结果方程差异和大（你所给的实例中的点云拟合的平面却又和最小二乘法拟合的平面方程一致），请问我直接使用是否可以，不可以的话问题是出在哪]]></description><category></category></item><item><title><![CDATA[多目视觉 知识搜集]]></title><link>https://blog.csdn.net/dearpeer/article/details/43268965</link><guid>https://blog.csdn.net/dearpeer/article/details/43268965</guid><author>dearpeer</author><pubDate>Thu, 29 Jan 2015 11:34:03 +0800</pubDate><description><![CDATA[邹宇华  blog  http://my.csdn.net/chenyusiyuan
oepncv 立体视觉http://blog.lehu.shu.edu.cn/byman/A263366.html]]></description><category></category></item><item><title><![CDATA[C# 中的委托和事件]]></title><link>https://blog.csdn.net/dearpeer/article/details/41351701</link><guid>https://blog.csdn.net/dearpeer/article/details/41351701</guid><author>dearpeer</author><pubDate>Fri, 21 Nov 2014 17:15:16 +0800</pubDate><description><![CDATA[转自：http://www.tracefact.net/CSharp-Programming/Delegates-and-Events-in-CSharp.aspx

引言

委托 和 事件在 .Net Framework中的应用非常广泛，然而，较好地理解委托和事件对很多接触C#时间不长的人来说并不容易。它们就像是一道槛儿，过了这个槛的人，觉得真是太容易了，而没有过去的人每次见到委托和事件]]></description><category></category></item><item><title><![CDATA[线程间操作无效: 从不是创建控件“”的线程访问它]]></title><link>https://blog.csdn.net/dearpeer/article/details/41351659</link><guid>https://blog.csdn.net/dearpeer/article/details/41351659</guid><author>dearpeer</author><pubDate>Fri, 21 Nov 2014 17:12:19 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/zyh-nhy/archive/2008/01/28/1056194.html]]></description><category></category></item><item><title><![CDATA[halcon边缘提取和赃物检测的常用方法]]></title><link>https://blog.csdn.net/dearpeer/article/details/40855233</link><guid>https://blog.csdn.net/dearpeer/article/details/40855233</guid><author>dearpeer</author><pubDate>Thu, 06 Nov 2014 09:42:05 +0800</pubDate><description><![CDATA[一、边缘提取]]></description><category></category></item><item><title><![CDATA[OpenCV2.3使用摄像头和视频]]></title><link>https://blog.csdn.net/dearpeer/article/details/40788231</link><guid>https://blog.csdn.net/dearpeer/article/details/40788231</guid><author>dearpeer</author><pubDate>Tue, 04 Nov 2014 17:25:54 +0800</pubDate><description><![CDATA[现在市面上得书都用的是老版本的Opencv1的内容，早以前不适合了，新版只能自己研究了。
先上代码。




http://blog.sina.com.cn/s/blog_a3e7ccd6010105yn.html


//使用摄像头 
void videoCapture1()
{
VideoCapture cap(0);
//设置摄像头
cap.set( CV_CAP]]></description><category></category></item><item><title><![CDATA[Halcon相机标定]]></title><link>https://blog.csdn.net/dearpeer/article/details/40783999</link><guid>https://blog.csdn.net/dearpeer/article/details/40783999</guid><author>dearpeer</author><pubDate>Tue, 04 Nov 2014 13:52:07 +0800</pubDate><description><![CDATA[相关算子：相关算子：
1.create_calib_data( : : CalibSetup, NumCameras, NumCalibObjects : CalibDataID)
创建一个标定（数据）模型
CalibSetup：标定类型
NumCameras：相机数目
NumCalibObjects：图片中标定板个数
CalibDataID：标定模型句柄（标示符）
2.set_ca]]></description><category></category></item><item><title><![CDATA[halcon基础之Blob Analysis]]></title><link>https://blog.csdn.net/dearpeer/article/details/40653581</link><guid>https://blog.csdn.net/dearpeer/article/details/40653581</guid><author>dearpeer</author><pubDate>Fri, 31 Oct 2014 13:54:13 +0800</pubDate><description><![CDATA[Blob Analysis是对图像中相同灰度值的前景像素进行识别的一种方法。Blob就是灰度值相同的前景像素构成的连通域。Blob分析可为机器视觉应用提供图像中的blobs的数量、位置、形状和方向等信息，还可以提供相关blobs间的几何拓扑结构。

1.1 基本理念

Analysis" title="十六.halcon基础之Blob Analysis" style="margin:0px]]></description><category></category></item><item><title><![CDATA[OpenCV_轮廓的查找、表达、绘制、特性及匹配]]></title><link>https://blog.csdn.net/dearpeer/article/details/34801775</link><guid>https://blog.csdn.net/dearpeer/article/details/34801775</guid><author>dearpeer</author><pubDate>Thu, 26 Jun 2014 09:39:04 +0800</pubDate><description><![CDATA[OpenCV_轮廓的查找、表达、绘制、特性及匹配


这是一篇很好的文章 未经博主同意就转过来了
 原文 http://www.cnblogs.com/slysky/archive/2011/10/14/2212227.html

虽然Canny之类的边缘检测算法可以根据像素间的差异检测出轮廓边界的像素，但是它并没有将轮廓作为一个整体。下一步是要将这些边缘像素组装成轮廓。
轮廓是构成]]></description><category></category></item></channel></rss>