heroacool的专栏

非常好的介绍https://zhuanlan.zhihu.com/p/94799295

backbone等介绍

opencv背景建模Unsupervised Moving Object Detection https://github.com/antonilo/unsupervised_detection

查到的一些demoPCL Organized Segmentation Demonstrationhttps://www.youtube.com/watch?v=LZ8l4w3qw3E常用的库https://libigl.github.io/https://www.cgal.org/2020/04/02/Tutorial_on_Surface_Reconstruction/pcl...

主要参考两篇综述论文Object Detection in 20 Years: A SurveyRecent Advances in Deep Learning for Object Detectioncsdn上有翻译版，对照这翻译版，能够更快的理解，注意如果是菜鸟，最好review三遍，三遍是我从高中时期总结出来的高效学习方法，大学和工作后也一直在实践．https://blog.csdn...

环境: ubuntu14.04 需求:在同一台电脑上,有的工程需要使用OpenCV2.4.X,有的工程需要使用OpenCV3.x. 解决办法: 1,下载OpenCV2.4.9,make install 路径为”~/Downloads/opencv2.4.9” 2,下载OpenCV3.0,make install 路径为”/usr/local” 3,需要使用OpenCV2.4.9的工程中,C

环境：ubuntu注意事项如果你已经安装了ROS，而ROS已经自带opencv2.4.8，要在同一台的电脑上兼容使用opencv2.4.x和opencv3.x请参考解决办法安装包准准备１，在opencv官网上下载opencv3.0。 ２，在github上下载opencv-contrib，请注意选择opencv-contrib版本,一定要和opencv版本对应。安装过程安装依赖项sudo apt-g

对于RGBD物体识别问题，我采用的思路是先从几何特征，将物体的点云分割好，也就是将不同物体通过点云分割出来，然后通过成像关系和RGBD配准信息，在图像上找到对应的区域ROI，然后对图像进行识别，后续根据识别结果再进行抓取。当然其中还有一个很重要的地方，就是物体的姿态估计，或者说最佳抓取点的选取，这个问题暂且不管。本文重点关注未知物体的点云分割工具PCL SegmenterLight步骤1，安装和编

https://blog.csdn.net/codeswarrior/article/details/79834257

本文从博客园转载过来，有意思，值得咀嚼，原文来源于孟岩的系列博客“理解矩阵”，链接都在文末的参考资料处线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。 比如说，在全国一般工科院系教学中应用最广泛的同济线性代数教材（现在到了第四版），一上来就介绍逆序数这个古怪概念，然后用逆序数给出行列式的一个极不直观的定义，接着是一些

saf

参考资料http://blog.csdn.net/harvic880925/article/details/50995587http://www.cnblogs.com/hnfxs/p/3148743.htmlhttp://haoxiang.org/2011/06/bezier-spline-curve-fit/http://www.jianshu.com/p/c5949adc7ec15.

源码https://github.com/vershov/caltech-lane-detection问题make: gengetopt: Command not found 去gnu下载gengetopt，推荐使用华中科技大学镜像 http://mirror.hust.edu.cn/gnu/gengetopt/ 选择合适的版本 wget http://mirror.hust.edu.cn

https://www.learnopencv.com/rotation-matrix-to-euler-angles/

二分类器指标ROC和PR曲线对于二分类器来说，常见的指标是ROC曲线和PR曲线。 先介绍一个Confusion matrix，这个图是必须牢记脑袋里的。有了这个图就好说了，ROC曲线表示的是TPR（真阳率）和FPR（假阳率）的关系，PR去向表示的是precision和recall的关系。 如下： AUCAUC（Area Under Curve）即为ROC曲线下的面积。为什么选择ROC曲线？既然

使用opencv中的svm时，LINEAR核的时候，得到的支持向量老是错的，代码如下：#include <opencv2/core.hpp>#include <opencv2/imgproc.hpp>#include "opencv2/imgcodecs.hpp"#include <opencv2/highgui.hpp>#include <opencv2/ml.hpp>using name

挖坑

物体识别中经常遇到多分类器问题，svm是比较成熟和直接的想法。一般来说使用svm作为多分类器主要有以下思路：一对多(one-vs-all)。训练时依次将目标类别作为正样本，其余样本作为负样本，以此训练n个svm。这个在Andrew Ng的Machine leaning的课上介绍过。 缺点：因为训练集是1：N的情况，存在较大的bias，不是特别实用。一对一(one-vs-one)。训练时，任意两

对相机标定原理不熟悉的同学可以参考张正友标记法的译文 MATLAB：2014a待标记图像：http://download.csdn.net/detail/heroacool/9477530应用程序下找到Camera Calibration工具箱 加载待标定的图像 填写棋盘格每个格子边长的真实值 可以预览成功检测出棋盘格的图像，然后开始标定，点击Calibrate 平均误差小于0.5即可 导出相机

1，打开compile.m文件，把里面的对OpenCV的绝对路径改成自己在电脑上安装的OpenCV的路径。 include = ' -ID:\opencv\build\include\opencv2\ -ID:\opencv\build\include\opencv\ -ID:\opencv\build\include\'; libpath = 'D:\opencv\build\x86\v

目标本文记录的RGBD物体识别，目标不是介绍现有的通用的物体识别技术，而是面向物流货物分拣领域的物体识别，旨在实现一个可以在限制条件下（实验室条件下）能够work的demo。开发工具OpenCVPCL系统框架简述1，基于点云物体分割。2，基于分割结果，物体ROI提取。3，基于Bag of Words物体识别。后续博文将会持续依次介绍以上组成部分。

微软的kinect和华硕的xtion在RGBD物体识别上用得比较多，一般来说都是通过openni来采集的，pcl里io模块可以直接调用这个接口。但是对于之前接触图像和opencv比较多的同学来说，使用opencv比较方便。本文即介绍如何通过opencv显示kinect或者xtion的RGBD图像。opencv3编译在编译过程中需要打包编译openni2相关库，注意opencv官网上说的是> Conf

这是我本科时翻译的张正友标定法论文，其原文为“Flexible camera calibration by viewing a plane from unknown orientations”。翻译的pdf版本为：

1，在相机标定时，内参矩阵中焦距的单位为像素，已经被dx，dy从米制，变换为了像素。2，在标定过程中，棋盘格的大小，只影响外参中的T，不影响内参矩阵，也不影响外参中的R。3，不影响畸变项。

CVPR 2014 http://www.pamitc.org/cvpr14/program.php微软博客 http://blog.sina.com.cn/s/blog_4caedc7a0102uxol.html已经得到cmm的同意）CVPR2014 Objectness Estimation at 300fps.（附上程序） http://blog.csdn.net/xiaojidan20

之前都是使用OpenCV/C++来做的图像处理。因为python更轻量，更方便所以硕士毕业论文使用python处理下，做的过程中记录下使用python处理特征提取遇到的一些问题，以上为背景。开发环境windows8.1 pycharm anaconda2 (自带很多包) opencv2.4.11读取图像可以使用opencv，也可以使用skimage，记住他们的区别： 1. 读图：opencv

主要参考《基于Adaboost的人脸检测方法及眼睛定位算法研究》，讲解非常详细。 百度网盘链接为：http://pan.baidu.com/s/1kTQ5xTP