<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[工业机器视觉]]></title><description><![CDATA[工业机器视觉相关教程及案例分享]]></description><link>https://blog.csdn.net/memorynode</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; memorynode]]></copyright><item><title><![CDATA[PCL入门系列 —— ConditionalRemoval 点云条件滤波]]></title><link>https://blog.csdn.net/memorynode/article/details/125304684</link><guid>https://blog.csdn.net/memorynode/article/details/125304684</guid><author>memorynode</author><pubDate>Wed, 15 Jun 2022 21:02:41 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::convexHull 随机生成点坐标并进行凸包检测]]></title><link>https://blog.csdn.net/memorynode/article/details/125304555</link><guid>https://blog.csdn.net/memorynode/article/details/125304555</guid><author>memorynode</author><pubDate>Wed, 15 Jun 2022 20:58:03 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— RadiusOutlierRemoval 点云半径滤波]]></title><link>https://blog.csdn.net/memorynode/article/details/125287947</link><guid>https://blog.csdn.net/memorynode/article/details/125287947</guid><author>memorynode</author><pubDate>Tue, 14 Jun 2022 23:03:02 +0800</pubDate><description><![CDATA[与StatisticalOutlierRemoval统计滤波类似，通过判定指定半径内的点数量是否满足阈值来判定是否为离群点，进而进行剔除，达到滤波的目的；]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::approxPolyDP 计算包围框]]></title><link>https://blog.csdn.net/memorynode/article/details/125287880</link><guid>https://blog.csdn.net/memorynode/article/details/125287880</guid><author>memorynode</author><pubDate>Tue, 14 Jun 2022 22:58:44 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— StatisticalOutlierRemoval 点云统计滤波]]></title><link>https://blog.csdn.net/memorynode/article/details/125267561</link><guid>https://blog.csdn.net/memorynode/article/details/125267561</guid><author>memorynode</author><pubDate>Mon, 13 Jun 2022 21:12:33 +0800</pubDate><description><![CDATA[基于当前点与邻域点数据的距离统计信息进行离群点判定并进行剔除，当噪声数据的空间点密度与有效区域的点密度差距较为明显时会有不错的滤波效果；]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::minEnclosingCircle 随机生成点坐标并计算最小包围圆]]></title><link>https://blog.csdn.net/memorynode/article/details/125267403</link><guid>https://blog.csdn.net/memorynode/article/details/125267403</guid><author>memorynode</author><pubDate>Mon, 13 Jun 2022 21:06:02 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— PassThrough 直通滤波、点云裁剪]]></title><link>https://blog.csdn.net/memorynode/article/details/125240295</link><guid>https://blog.csdn.net/memorynode/article/details/125240295</guid><author>memorynode</author><pubDate>Sat, 11 Jun 2022 23:35:26 +0800</pubDate><description><![CDATA[通过直通滤波可以将点云数据按照轴向的范围尺度进行裁剪，剔除无关区域，常用于离线点云处理或场景变动较小的在线流程中；]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::minAreaRect 随机生成点坐标并计算最小包围矩形]]></title><link>https://blog.csdn.net/memorynode/article/details/125240212</link><guid>https://blog.csdn.net/memorynode/article/details/125240212</guid><author>memorynode</author><pubDate>Sat, 11 Jun 2022 23:28:19 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::erode、cv::dilate 图像腐蚀和膨胀]]></title><link>https://blog.csdn.net/memorynode/article/details/125229473</link><guid>https://blog.csdn.net/memorynode/article/details/125229473</guid><author>memorynode</author><pubDate>Fri, 10 Jun 2022 23:08:27 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— NormalSpaceSampling 基于法向空间的点云降采样]]></title><link>https://blog.csdn.net/memorynode/article/details/125229378</link><guid>https://blog.csdn.net/memorynode/article/details/125229378</guid><author>memorynode</author><pubDate>Fri, 10 Jun 2022 23:00:21 +0800</pubDate><description><![CDATA[基于其算法原理，会将法向相似甚至一致的点数据进行大批量降采样，同时尽可能保留法向特征较为“明显”位置的点云数据；]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::dilate 图像膨胀]]></title><link>https://blog.csdn.net/memorynode/article/details/125212966</link><guid>https://blog.csdn.net/memorynode/article/details/125212966</guid><author>memorynode</author><pubDate>Thu, 09 Jun 2022 23:25:44 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— cv::erode 图像腐蚀]]></title><link>https://blog.csdn.net/memorynode/article/details/125212592</link><guid>https://blog.csdn.net/memorynode/article/details/125212592</guid><author>memorynode</author><pubDate>Thu, 09 Jun 2022 22:56:24 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— findContours、drawContours查找轮廓并随机着色可视化]]></title><link>https://blog.csdn.net/memorynode/article/details/125193511</link><guid>https://blog.csdn.net/memorynode/article/details/125193511</guid><author>memorynode</author><pubDate>Wed, 08 Jun 2022 22:04:14 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— findContours查找轮廓]]></title><link>https://blog.csdn.net/memorynode/article/details/125174787</link><guid>https://blog.csdn.net/memorynode/article/details/125174787</guid><author>memorynode</author><pubDate>Tue, 07 Jun 2022 22:40:30 +0800</pubDate><description><![CDATA[随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。后续会逐步扩增与工业机器视觉相关的一些其它内容，如：项目案例剖析、场景数据分]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— IntegralImageNormalEstimation 基于积分图的(有序)点云法线估计]]></title><link>https://blog.csdn.net/memorynode/article/details/124832422</link><guid>https://blog.csdn.net/memorynode/article/details/124832422</guid><author>memorynode</author><pubDate>Tue, 17 May 2022 23:03:46 +0800</pubDate><description><![CDATA[与基于邻域的法线估计方法NormalEstimation相比，基于积分图的方法IntegralImageNormalEstimation，在同一份数据情况下，相对会快一些，但需注意，基于积分图的方法只能输入有序点云；]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— NormalEstimation、NormalEstimationOMP 基于邻域的点云法线估计]]></title><link>https://blog.csdn.net/memorynode/article/details/124741656</link><guid>https://blog.csdn.net/memorynode/article/details/124741656</guid><author>memorynode</author><pubDate>Thu, 12 May 2022 22:31:58 +0800</pubDate><description><![CDATA[基于邻域的点云法线估计，通常可通过设置“最邻近点数”或“搜索半径”来获取用于计算当前点法线的参考数据；
参考数据的搜索方式及相应的参数数值，需根据点云的具体情况进行设置；]]></description><category></category></item><item><title><![CDATA[Eigen入门系列 —— 基于Eigen（最小二乘法）求解方程（QR、cholesky）]]></title><link>https://blog.csdn.net/memorynode/article/details/124721320</link><guid>https://blog.csdn.net/memorynode/article/details/124721320</guid><author>memorynode</author><pubDate>Wed, 11 May 2022 23:04:24 +0800</pubDate><description><![CDATA[Eigen入门系列 —— 基于Eigen（最小二乘法）求解方程（QR、cholesky）前言程序说明输出结果代码示例

前言
随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。
为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使.]]></description><category></category></item><item><title><![CDATA[PCL入门系列 —— UniformSampling均匀降采样]]></title><link>https://blog.csdn.net/memorynode/article/details/124677219</link><guid>https://blog.csdn.net/memorynode/article/details/124677219</guid><author>memorynode</author><pubDate>Mon, 09 May 2022 22:39:32 +0800</pubDate><description><![CDATA[基于均匀概率分布进行采样，达到降低数据量的目的；
相比于VoxelGrid体素栅格采样，VoxelGrid能够在保证点云几何特征不变的条件下，控制点云空间间距，工程中使用的更多一些；]]></description><category></category></item><item><title><![CDATA[OpenCV入门系列 —— bilateralFilter双边滤波]]></title><link>https://blog.csdn.net/memorynode/article/details/124655647</link><guid>https://blog.csdn.net/memorynode/article/details/124655647</guid><author>memorynode</author><pubDate>Sun, 08 May 2022 22:03:27 +0800</pubDate><description><![CDATA[图像滤波、平滑等相关处理操作的目的是在于弱化像素间跳变梯度，将后续需要依靠像素跳变梯度操作的泛性、鲁棒性提升；
与之前的blur、medianBlur、boxFilter等滤波算法有所不同的是，bilateralFilter双边滤波有保留图像中的边缘信息的效果；...]]></description><category></category></item><item><title><![CDATA[Eigen入门系列 —— Eigen::Matrix矩阵特征值、特征向量计算]]></title><link>https://blog.csdn.net/memorynode/article/details/124640991</link><guid>https://blog.csdn.net/memorynode/article/details/124640991</guid><author>memorynode</author><pubDate>Sat, 07 May 2022 22:46:24 +0800</pubDate><description><![CDATA[Eigen入门系列 —— Eigen::Matrix矩阵特征值、特征向量计算前言程序说明输出结果代码示例

前言
随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。
为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简.]]></description><category></category></item></channel></rss>