Linear_Luo的专栏

特征提取SURF特征: http://www.vision.ee.ethz.ch/software/index.de.html(当然这只是其中之一)LBP特征(一种纹理特征)：http://www.comp.hkbu.edu.hk/~icpr06/tutorials/Pietikainen.htmlFast Corner Detection（OpenCV中的Fast算法）:FASTCorner Detection -- Edward Rosten机器视觉A simple object de

我们先来看opencv给出的一个教程[http://docs.opencv.org/3.1.0/dd/d53/tutorial_py_depthmap.html]里面对概念的说明。先看下面这张图： 　　通过这张图，我们得出视差的计算表达式为： disparity=x−x′=BFZdisparity=x-x^{'}=\frac{BF}{Z} 　　其中xx和x′x^{'}对应的是场景中的3D点

本页会根据自己的积累不断更新一.CV之reconstruction1.Yasutaka Furukawa[ 雅书塔卡·富鲁卡瓦 ] （华盛顿大学和伊利诺伊香槟分校） http://www.cse.wustl.edu/~furukawa/ 2.华盛顿大学图形与图像实验室 http://grail.cs.was

有关Kinect应用开发正日新月异，稍有懈怠就会被远远甩在身后。不过，Kinect目前带给我们的仍只是一个充满无限可能的远景，正如App store能吸引年仅11岁的开发者一样，Kinect未来将对“全民开发者”产生重要推动作用。另一方面，一些基于Kinect的应用研究仍颇复杂，主要是因为一些关键环节的滞后而导致的。2011年的siggraph talks上，KinectFusion首次展示了实时、

1 经典ICP　　ICP的目的很简单，就是求解两堆点云之间的变换关系。怎么做呢？思路很自然，既然不知道R和t(针对刚体运动)，那我们就假设为未知量呗，然后通过某些方法求解。下面我们来看看具体怎么求的～没办法，要把问题描述清楚，数学是少不了的了。假设有两堆点云，分别记为两个集合X=x1,x2,...,xmX=x_1,x_2,...,x_m和Y=y1,y2,...,ymY=y_1,y_2,...,y_m

最近看点云处理的文章，有些文章中提到了superpixel这个概念，查了一些资料，对其理解记录如下：超像素就是把一幅原本是像素级(pixel-level)的图，划分成区域级(district-level)的图。可以将其看做是对基本信息进行的抽象。超像素分割属于图像分割(image segmentation)，再细化应该属于过分割(over segmentation)。比如我们对一幅图像进行超像

一. 基于图论的方法(Graph-basedalgorithms)：1.Normalized cuts, 2000.Jianbo Shi and Jitendra Malik.Normalized cuts and image segmentation. IEEE Transactions onPattern Analysis and Machine Intelligence

最近看文章，出现了integral image概念，发现了这篇文章，下面是正文：   在[1]中，有两个重要的思想：    1级联弱分类器可以组成强分类器，且最终的结果可以媲美甚至于超越很多强的分类器。这也是至今仍然常用的一种分类器框架---EnsembleClassifier。    2为了能够快速实时有效的检测物体，利用pre-compute理念，形成积分图像的模式。到要用到p