自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

土豆大叔的博客

君志所向 一往无前 愈挫愈勇 再接再厉

  • 博客(5)
  • 资源 (2)
  • 收藏
  • 关注

原创 [VP] 简易相机标定装置实现—计算相机标定矩阵K - 多视觉几何

简易相机标定装置实现—计算相机标定矩阵K一、算法原理二、代码实现0、显示图像和正方形的点1、计算单应矩阵 H1.1 确定正方形的角点1.2 计算单应矩阵 H2、计算图像正方形的成像圆点3、使用Cholesky因子计算标定矩阵 K一、算法原理用相机拍摄一张带有三个正方形框的照片,确定其 4*3=12 个点,如下图所示:设定单应矩阵 H{\bf H}H 为:H=[H11H12H13H21H22H23H31H32H33](1)H = \begin{bmatrix} H_{11} & H_{12

2021-07-18 00:31:00 674 1

原创 [VP] 证明多视觉几何中平行线段长度比不变

平行线段长度比不变一、算法原理二、代码实现一、算法原理首先有四个点 p1,p2,q1,q2p_{1}, p_{2}, q_{1}, q_{2}p1​,p2​,q1​,q2​,经过单应矩阵 HaH_{a}Ha​ 变换后得到新的点:p1′=Hap1,    p2′=Hap2p_{1}^{'}=H_{a}p_{1}, \space\space\space\space p_{2}^{'}=H_{a}p_{2}p1′​=Ha​p1​,   

2021-07-18 00:01:11 199

原创 [VP] 恢复图像镜面扭曲 - 多视觉几何

恢复图像镜面扭曲一、算法原理二、代码实现1、确定四个点2、由这四个点确定四条线3、由四条线确定两个消失点4、由这两个消失点确定消失线5、由消失线确定HPH_{P}HP​6、由warp函数和HPH_{P}HP​复原图像7、用DLT复原图像8、确定 H−TlTH^{-T}l^{T}H−TlT在无穷远处的一条线上一、算法原理感谢老哥提供的图!图像中的四条线在现实世界中应该是平行的,或者可以说现实世界中的平行线经过扭曲变换 H 变成了上图那样。那么我们拿到一张扭曲后的图,首先应该是寻找四个点,这四个点互

2021-07-17 23:46:23 685 2

原创 [VP] 投影空间坐标和线的齐次变换

投影空间坐标和线的齐次变换一、基本原理公式二、代码实现1、证明共线点 x1,x2,x3x_{1},x_{2}, x_{3}x1​,x2​,x3​ 在线 lll 上2、证明xnewx_{new}xnew​ 在线 lnewl_{new}lnew​ 上一、基本原理公式1、齐次点在线上,当且仅当: xTl=lTx=0x^{T}l=l^{T}x=0xTl=lTx=02、齐次点和线在应用了变换矩阵H后,新的点 xnewx_{new}xnew​ 依然在新的线 lnewl_{new}lnew​ 上:lnew=H−

2021-07-10 08:52:50 230

原创 [AI] 如何制作一个低配山寨版贾维斯?-口语人机交互 Spoken Human Robot Interaction

口语人机交互 Spoken Human Robot Interaction一、交互结构总览二、代码一、代码背景二、对话运行结果展示对话一对话二对话三对话四三、实现代码如何制作一个低配山寨版贾维斯?一、交互结构总览第一步:首先通过语音输入设备,将语音信息输入计算机。这里我使用speech_recognition.sr.Microphone() 函数调用计算机麦克风,然后 sr.Recognizer().listen() 将麦克风输入的语音信息保留下来。第二步:使用语言识别库,将输入语音

2021-07-05 21:39:37 2517 3

二进制函数分类数据-附代码

二进制函数的JSON数据,分Encryption, math, sort, sring四类函数,采用机器学习方法将函数分类!详情请看:https://blog.csdn.net/potato_uncle/article/details/110507612

2020-12-04

FER2013数据集

包含以下几种表情: 0 anger 生气 1 disgust 厌恶 2 fear 恐惧 3 happy 开心 4 sad 伤心 5 surprised 惊讶 6 normal 中性 里面有原.csv文件还有处理好的.npy文件,其中名称带data的为图片的ndarray数据,带labels的为其对应的标签。 使用时只需要用 np.load("train_data.npy")语句读取即可

2018-10-01

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除