2017年06月_苏源流

原创【视觉 SLAM 1】视觉SLAM- RGBD 加语义分割 1 （需要RGBD相机）

用深度学习技术分析RGBD数据，实现三维物体分类视觉SLAM附言--前文涉及单目视觉，立体视觉。全向（全景）视觉有待进一步介绍，介绍了标定知识。 RGBD视觉本文简要介绍0 前言 SLAMSLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localiz

2017-06-04 23:26:58 3461

原创【计算机视觉】全景相机标定（MATLAB/opencv）

新的标定工具箱: 不需要先验知识的相机或镜像参数和我们只保持的灵活性必须为每个校准网格选择4分(我们不需要单独选择每个角落)。包含投影模型的函数(和雅克比)是可用的在Matlab分别作为一个c++类相关的墨西哥人的功能。类初始化在校准过程中生成的文件。它使3 d点的投影也像点的提升投影射线。这个新的“ 全景标定工具箱 ”是一个完整的重写之前的版本。它使用一些功能从“ 加州理工学院标定工具箱“让Bouguet。这个页面给出的一个例子校准会话。这些图片是用于尝试工具箱。你可以找

2017-06-04 16:56:22 10982 1

翻译【计算机视觉】相机姿态估计之标记检测-Aruco模块常见问题解答 6

Aruco模块常见问题解答原文来源 opencv http://docs.opencv.org/master/d1/dcb/tutorial_aruco_faq.html这是一个编译的问题可能是有用的对于那些想要使用aruco模块。我只想标签一些对象,我应该使用什么?在这种情况下,您只需要单一ArUco标记。您可以将一个或多个标记不同的id在每个对象的识别。

2017-06-04 16:02:20 3936

翻译【计算机视觉】相机姿态估计之标记检测-相机标定ArUco和ChArUco 5

相机标定ArUco和ChArUco 原文来源 opencv http://docs.opencv.org/master/da/d13/tutorial_aruco_calibration.htmlArUco模块也可以用来相机标定。相机标定是获得相机固有参数和失真系数。这个参数保持不变,除非相机光学修改,因此相机相机标定只需要做一次。相机校正通常是执行使用Op

2017-06-04 11:27:42 9978

翻译【计算机视觉】相机姿态估计之标记检测-ArUco钻石标记的检测4

ChArUco标识板和钻石标记,检测是基于前面发现ArUco标记。 ChArUco的情况下,使用标记选择通过直接看他们的标识符。这意味着如果一个标记(包括在标识板)上发现的一个形象,它会自动认为属于标识板。此外,如果找到标志板图像中不止一次,它将产生歧义,因为系统无法知道哪一个应该用于标识板。另一方面,钻石标记的检测不是基于标识符。相反,他们检测是基于相对位置的标记。因此,标记标识符可以重复相同的钻石或在不同的钻石,他们可以同时检测到没有歧义。然而,由于发现标记的复杂性,基于他们的相对位置,钻石

2017-06-04 10:54:31 3304

翻译【计算机视觉】相机姿态估计之标记检测-检测ChArUco角点3

ArUco标记和板非常有用因为他们的快速检测和多功能性。然而,ArUco标记的问题之一是,角落的位置的准确性不是太高,即使应用亚像素细分。相反,棋盘模式的角落可以更准确地提炼因为每个角落周围是两个黑色方块。然而,找到一个棋盘模式不像找到一个通用的ArUco板:它必须是完全可见,遮挡不允许。

2017-06-02 16:38:10 7743 4

翻译【计算机视觉】相机姿态估计之标记检测-ArUco标记检测1

姿态估计是非常重要的在许多计算机视觉应用程序:机器人导航、增强现实,和许多更多。这个过程是基于找到对应点之间在现实环境和他们的2 d图像投影。这通常是一个困难的一步,因此通常使用合成或基准标记使它更容易。最受欢迎的方法是使用二进制广场基准标记。这些标记的主要好处是一个标记提供了足够的通讯(四角)获得相机的姿势。同时,内部二进制编纂使他们特别健壮,允许应用错误检测和校正技术的可能性。

2017-06-02 16:03:44 16501 2

翻译【计算机视觉】相机姿态估计之标记检测-检测ArUco板2

ArUco板是一组标记,就像一个标志,它提供了一个单一的姿势相机。最受欢迎的板是一个标记在同一平面上,因为它可以很容易地印刷:然而,板并不局限于这种安排,可以代表任何2 d或3 d布局。板的区别和一组独立的标记,标记之间的相对位置板是已知的先验。这允许的所有标记可用于估计相机的姿势对整个板。当你使用一组独立的标志,你可以估计每个单独标记的姿势,因为你不知道在环境中相对位置的标记。使用板的主要好处是:· 姿势估计更多功能。只有一些标记进行姿态估计是必要的。因此,构成可以计算出即使在遮挡或部分

2017-06-02 16:00:15 5147

翻译【计算机视觉】从运动中恢复结构SfM 三维重建-输入重建

来源OpenCV 3.2.0-devhttp://docs.opencv.org/master/de/dfd/tutorial_sfm_import_reconstruction.html输入重建目标在本教程中,您将学习如何从一个给定的文件导入重建获得与打包机[1]:加载一个文件包含一组摄像机和3 d点。使用即显示结果。结果下图显示了一个从洛杉矶重建圣家堂 (BC...

2017-06-02 12:43:43 5287

翻译【计算机视觉】从运动中恢复结构SfM-摄像机运动估计,三维重建[2d点序列]

结构运动-摄像机运动估计来源OpenCV 3.3.0目标在本教程中,您将学习如何使用重建api的摄像机运动估计:加载文件与跟踪二维点，并建立容器的所有帧。 libmv重建传递途径运行。使用即显示结果。从运动中恢复结构SfM模块安装使用情况和结果为了运行这个示例,我们需要指定的路径跟踪点文件,相机的焦距长度除了中心投影坐标(以像素为单位)。你可以找到一个示例文件/...

2017-06-02 12:35:31 3913 2

翻译【计算机视觉】从运动中恢复结构SfM模块安装

结构运动Structure From Motion，SFM模块安装来源 http://docs.opencv.org/master/db/db8/tutorial_sfm_installation.htmlOpenCV 3.2.0-dev依赖关系从运动模块结构取决于一些开源库。Eigen 3.2.2 或更高版本。要求 GLog 0.3.1或更高版本。要求 GFlags...

2017-06-02 12:21:13 1680

翻译【计算机视觉】从运动中恢复结构SfM-场景重建,三维重建[图像序列]

原3.2.0-dev http://docs.opencv.org/master/d4/d18/tutorial_sfm_scene_reconstruction.html目标在本教程中,您将学习如何使用重建api稀疏重建:加载和图像文件的路径。 libmv重建传递途径运行。使用即显示结果。模块安装从运动中恢复结构SfM模块安装https://blog.csdn.ne...

2017-06-02 12:10:12 10206 2

开源节流