网络架构

标定图：下面这张打印到a4纸上。1.进入ros工作目录,下载用于生成校准文件的ros包cd ~/catkin_ws/srcgit clone https://gitee.com/spiritboy/camera_calibration.git2.编译ros工作区文件rosdep install --from-paths src --ignore-src -r -ycatkin_make -DCMAKE_BUILD_TYPE=Release3. 运行相机节点跳转多相机文章roslaun

multiprocessing.Value(typecode_or_type, *args[, lock])。该方法返回从共享内存中分配的一个ctypes 对象,其中typecode_or_type定义了返回的类型。它要么是一个ctypes类型，要么是一个代表ctypes类型的code。比如c_bool和’b’是同样的，因为’b’是c_bool的code。from multiprocessing import Value,Array,Lock,Processfrom threading import.

1.搜索指定文件夹下，所有包含内容的文件sudo grep -r -n "数据错误" /home/ | cut -d: -f1 | uniq2.根据执行命令 杀死进程kill.sh 文件#! /bin/basha=`ps -ef | grep 'python main.py' |grep -v grep|grep -v sh|awk '{print $2}' `sudo kill -9 $a...

setup.py 如何使用 CMake 来编译复杂的项目上面使用 setup.py 编译了一个简单的 C 模块。不过它的弊端也很明显，那就是需要在 setup.py 里面组织 C 项目的结构，包括指定 sources, include_dirs, libraries 和其它编译选项。当项目变得复杂的时候，setup.py 也就变得异常难以管理。而实际上，C 和 C++ 本身就有强大的 CMake 这个工具来进行项目管理了。在 setup.py 里面能不能直接用 CMake 呢？我都在写这篇文章了，答案

sudo python3 setup.py buildsudo python3 setup.py install --record files.txtcat files.txt |sudo xargs rm -rf

YUV420与NV12 具有相同的跨度

1.首先命令行输入lsusb查看设备:找到对应USB的设备ID，我这里是 10c4:ea60, 当然你可以不连接USB设备输入lsusb,连接上后再输一次lsusb，多加出现的那一行就是你对应的ID啦。2. 输入 cd /etc/udev/rules.d 进入rules.d目录，新建一个usb.rules文件，可以用 sudo touch usb.rules 也可以直接sudo vim usb.rules,创建完进入文件后加入以下命令：KERNEL=="ttyUSB*", ATTRS{idVendor

1.编译安装turn_on_wheeltec_robot包rosdep install --from-paths src --ignore-src -r -ysudo apt-get install ros-melodic-ackermann*catkin_make -DCMAKE_BUILD_TYPE=Releasesource ~/catkin_ws/devel/setup.bash2.安装yocs_velocity_smootheryocs_velocity_smoother3.设置串

方式一sudo apt-get install ros-kinetic-yocs-velocity-smoother方式二catkin_ws:source /opt/ros/kinetic/setup.bashcd ~/catkin_ws/src && git clone https://gitee.com/spiritboy/yujin_ocsrosdep install --from-paths src --ignore-src -r -ycd ~/catkin_

catkin_ws:source /opt/ros/kinetic/setup.bashcd ~/catkin_ws/src && git clone https://github.com/ros-perception/image_pipelinecd ~/catkin_ws && catkin_make --only-pkg-with-deps image_viewsource ~/catkin_ws/devel/setup.bashrospack fi

创建ros包读取usb_cam多相机节点数据上一步：nano多相机usb_camjetson nano 创建ros包1.创建空包2. 添加launch文件3. 添加python脚本4. 编译5. 运行上一步：nano多相机usb_camjetson nano 创建ros包1.创建空包进入src目录cd ~/catkin_ws/src创建ros包catkin_create_pkg line_follower std_msgs roscpp rospy sensor_msgs geometry_

安装环境pip3 install fastapi uvicorn使用示例from fastapi import FastAPIimport uvicorn as uvicornapp = FastAPI()@app.get('/button')async def button(id:int): return 1if __name__ == '__main__': kwargs = {'app': app, 'host': "0.0.0.0", 'port': 808

生成公钥你可以按如下命令来生成 sshkey:ssh-keygen -t rsa -C "xxxxx@xxxxx.com"注意：这里的 xxxxx@xxxxx.com 只是生成的 sshkey 的名称，并不约束或要求具体命名为某个邮箱。现网的大部分教程均讲解的使用邮箱生成，其一开始的初衷仅仅是为了便于辨识所以使用了邮箱。按照提示完成三次回车，即可生成 ssh key。通过查看 ~/.ssh/id_rsa.pub 文件内容，获取到你的 public keycat ~/.ssh/id_rsa.p

jetson nano ros 入门usb_cam上一步:创建ROS工作区1. 安装usb_cam驱动2. 检测并安装需要的包3. 编译4. 添加环境5. 运行上一步:创建ROS工作区1. 安装usb_cam驱动cd ~/catkin_ws/src git clone https://github.com/bosch-ros-pkg/usb_cam.git cd ~/catkin_ws catkin_make 2. 检测并安装需要的包cd ~/catkin_wsrosdep in

jetson nano ros 创建工作空间上一步:nano安装ros创建和构建一个catkin工作空间上一步:nano安装ros创建和构建一个catkin工作空间mkdir -p ~/catkin_ws/srccd ~/catkin_ws/catkin_makecatkin_make命令是处理catkin工作空间的便利工具。它首次在您的工作空间中运行，它将创建一个CMakeLists .txt链接到您的"src"文件夹中注意：如果您正在从源头构建 ROS 以实现 Python 3 兼容性，

jetson nano 核心 ROS 教程一.nano安装ros玩转jetson nano在ubuntu18.04中修改nano镜像一.nano安装ros玩转jetson nano在ubuntu18.04中修改nano镜像

jetson nano 安装ros初始准备nano连接wifinano网络配置nano基础设置一. 安装ros-melodic 对应ubuntu18.04二. rosdep update报错初始准备nano连接wifinano网络配置nano基础设置一. 安装ros-melodic 对应ubuntu18.04官方教程ros国内源设置软件源sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.tuna.tsing

常用参数介绍：-D，–onedir：创建一个文件夹包含exe文件(默认)-F，–onefile：打包之后只会生成一个exe的文件-c，–console，–nowindowed：使用控制台窗口(默认)-w，–windowed，–noconsole：使用窗口显示-i：设置打包exe的图标，默认使用的是Python的图标pip install pyinstallerpyinstaller -F -w -i=panda.ico example.py...

usb_camhttps://github.com/ros-drivers/usb_camusb_cam多台相机使用前提是一台usb_cam可以用nodes/usb_cam_node.cpp的修改//添加string头文件#include <ros/ros.h>#include <usb_cam/usb_cam.h>#include <image_transport/image_transport.h>#include <camera_info_m

Popen 缓冲区会满，不读取的管道不要去定义stderr 标准输出也使用这个管道不读取就不要定义sp.Popen(command, stdin=sp.PIPE) # 开启管道对ffmepg进行推流jetson nano 保存h264编码视频链接

# -*- coding: utf-8 -*-# 引入模块import timeimport ospaths = 'video'for path in os.listdir(paths): for files in os.listdir(paths+"/"+path): for f in files: timeArray = time.localtime(f.split(".")[0]) otherStyleTime =

# --coding:utf-8--from Camera.sdk.Camera import Camerafrom math import sin,cos,radians,fabsimport copyimport timeimport numpy as npimport cv2def prethreatment(gray): thre = cv2.Canny(gray,100,100) # cv2.imshow("2",thre) kernel = np.one

>>> a=False>>> b=False>>> c=True>>> not aTrue>>> not a or b and not cTrue>>> (not a or b)True>>> (not a or b) and (not c)False>>> (not a or b) & (not c)False结论：and的优

二维码顶点效果代码# --coding:utf-8--from Camera.sdk.Camera import Cameraimport timeimport numpy as npimport cv2def detecte(gray): '''提取所有轮廓''' # _,gray=cv2.threshold(gray,0,255,cv2.THRESH_OTSU+cv2.THRESH_BINARY_INV) gray = cv2.Canny(gray,100,

查找/dev/sda 以后的盘符#!/bin/bash for i in `ls /dev/sd* | sed 's/\/dev\/sd//g'`do if [ `echo $i | wc -L` -eq 1 -a $i != "a" ] then echo "/dev/sd$i" #sh 1.sh sd$i & #sh 2.sh sd$i & fidone1.sh 对盘符进行写入交互#!/bin/bash export p=/dev

介绍本文将指导您逐步为您的 NVIDIA Jetson nano 板创建一个最适合您的项目的简约的基于 Ubuntu 的映像。为什么要从头开始构建映像而不是使用官方映像？首先，为了好玩。从头开始构建东西总是很有趣，因为你总是在这个过程中学到一些东西。其次，官方镜像很大（超过 5GB ????），里面装满了很多不必要的预装包（ubuntu-desktop、浏览器……），占用了大量的磁盘空间和内存。因此，让我们创建一个干净简约的图像。下载脚本在开始之前，让我们首先克隆我放置所有需要的脚本的存储库。$

关闭图像界面sudo systemctl set-default multi-user.target开启图像界面sudo systemctl set-default graphical.target设置中国时间同步sudo apt-get install ntpdatesudo ntpdate cn.pool.ntp.orgsudo hwclock --systohc换源sudo cp /etc/apt/sources.list /etc/apt/sources.list.baks

装载镜像sudo kpartx -v -a sd-blob-b01.img打印装载的镜像信息parted /dev/loop16 print卸载sudo kpartx -dv /dev/loop16断掉和映像文件的挂接关系sudo losetup -d /dev/loop16

Linux 将用户账号、密码等相关的信息分别存储在四个文件夹下：/etc/passwd —— 管理用户UID/GID重要参数/etc/shadow —— 管理用户密码/etc/group —— 管理用户组相关信息/etc/gshadow —— 管理用户组管理员相关信息这些文件中，每一行代表一个用户或一个用户组，并存储了相关的用户或用户组信息。修改用户名把上面4个文件的原始用户名全部替换成新的%s/name/jetson/g #每行的w替换成jetson...

在网上下载jetson nano 的镜像文件jetson-nano-jp451-sd-card-image.zip解压得到镜像sd-blob-b01.img我们可以把img的文件理解成一个磁盘，一个以二进制形式存在的磁盘。磁盘中肯定是有分区。因此我们可以直接使用mount指令，把磁盘里的分区挂载起来。(1) 在linux下使用fdisk命令查看镜像(2) 可以看到img文件中有很多分区，第一个分区是从28672开始的，这里需要特别注意，需要转换一下：28672*512=14680064..

1、安装wifi模块拧开nano上面大大的散热板的螺丝，拆下散热板，卸掉wifi安装槽中的固定螺丝，装入wifi模块，引出两条天线，拧上螺丝…2、开机3、打开终端输入：// 查看网络设备sudo nmcli dev// 开启WiFisudo nmcli r wifi on// 扫描附近WiFisudo nmcli dev wifi// 连接wifisudo nmcli dev wifi connect "your_wifi_name" password "your_wifi_code

使用opencv 3.x版本#include <opencv2/opencv.hpp>#include <opencv2/videostab.hpp>#include <string>#include <iostream> using namespace std;using namespace cv;using namespace cv::videostab; string inputPath = "inputVideo.mp4";str

jetson nano tf卡系统克隆linux安装工具根据使用的文件系统大小生成镜像文件更改空镜像文件的分区表信息挂载虚拟磁盘并对虚拟磁盘进行分区格式化备份SD卡数据此方法貌似会丢失环境windows使用win32 磁盘映像工具linux安装工具sudo apt-get install dosfstools dump parted kpartx根据使用的文件系统大小生成镜像文件将SD卡插入PC机上df -h -m打印信息如下Filesystem 1M-blocks Used

平台：jetson nano（树莓派，linux pc）备份系统将系统装好环境的tf卡用读卡器插入jetson nano或者其他linux系统。找到插进来的U盘设备 sudo fdisk -l创建一个挂载文件sudo mkdir /mnt/jetson把他挂载上去sudo mount /dev/sda1 /mnt/jetson使用 dd 和 gzip 备份sudo dd if=/dev/sda1 | gzip > jetson.2021.5.12.gz烧写系统插入新的t

DQN走迷宫1.实现最短路径走到终点2.思路2.1.强化学习（RL Reinforcement Learing）2.2.深度学习（卷积神经网络CNN）3.踩过的坑4.代码实现（python3.6 tensorflow）5.运行结果与分析1.实现最短路径走到终点游戏场景：黑点以每步两格的速度前进，可以任意方向行走，当撞墙后死亡 并重新开始目的：黑点通过训练，能够自动识别障碍物，并以最短路径走向终点。2.思路黑点行走难点是如何准确判断下一步的动作（上下左右）？而这正是强化学习想要解决的问题。应用场景

人脸管理系统实际操作演示系统下载RetinaFace作用RetinaFace原理arcface loss作用Arcface的优点Arcface的原理Qt designer界面设计数据库sqllite特征存储npy文件实际操作演示 人脸识别的贴图 戴眼镜 人脸跟踪 人脸识别 人脸活体检测 宿舍信息管理系统

1.文件sudo vim /etc/network/interfaces2.设置ip 网关auto eth0iface eth0 inet static address 192.168.31.101 netmask 255.255.255.0 gateway 192.168.31.13 编辑dnssudo vim /etc/systemd/resolved.conf4.设置dns[Resolve]DNS=211.141.90.68#FallbackDNS=

关于 After=network.target 在连网后执行的说明After 表示在 这个target后面进行执行。也就是网络启动完成之后，执行 /etc/rc.local 文件。 但是,经过实际体验 并没有用所以需要自己在写入命令的时候使用&符号，然后在脚本里面写入循环判断脚本 直到开机连网 脚本执行成功。jetson nano 自动添加服务脚本因为要运行python 所以要注意执行用户，权限问题su - jetson -c "sh ~/start.sh &"'add_rc.s

其实很简单。。。用一块树莓派 用读卡器把jetson nano的卡插上去找到插进来的U盘设备 sudo fdisk -l创建一个挂载文件sudo mkdir /mnt/jetson把他挂载上去sudo mount /dev/sda1 /mnt/jetson卸载拔出u盘sudo umount /mnt/jetson...

余弦相似度归一化之后的embedding向量进行点积实际上就是计算夹角余弦值>>> a = np.array([255,255,33,33,33,40])>>> b = np.array([255,255,255,33,33,40])>>> c = np.array([255,255,255,255,255,255])>>> a = a/np.linalg.norm(a)>>> b = b/np.linal

python开发的同学们应该都知道怎么样去启动一个python应用，但是一旦我们把python应用部署到linux服务器上该如何启动呢？方式①：就是使用进程管理工具，比如supervisor。方式②：就是自己写一个简单shell脚本，将程序在后台运行，即使关闭linux终端窗口也不会影响进程的运行。两者优缺点方式优点缺点supervisor进程管理① 可以通过网页执行启动停止的操作② 单配置文件可控制多个程序③ 可控制进程数量4④进程资源控制能力比较强① 本身需要被监控②

基于OpenCV的验证码图片处理提供验证码图片数据集data/：能够对其中至少五种验证码（captcha+另外四种）进行以下处理：预处理：灰度处理、二值化处理、去噪字符分割：用OpenCV的轮廓识别方法，并能够保存在相应的文件夹下例如：分格后的字符为 ，则该图片保存在文件夹/processed/8/下预期结果：程序运行后能够得到字母+数字共62个文件夹...

边缘特征方式二值化阀值ret, binary = cv2.threshold(gaussianBlur, thred , 255, cv2.THRESH_BINARY)binary = cv2.adaptiveThreshold(gaussianBlur, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)HSV颜色阀值imgHSV = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)lower = n

抠药盒并矫正原图效果图目录截图hsv调节代码 hsv.py扣取矫正代码 1.py原图效果图目录截图hsv调节代码 hsv.pyimport cv2import numpy as npdef stackImages(scale,imgArray): rows = len(imgArray) cols = len(imgArray[0]) rowsAvailable = isinstance(imgArray[0], list) width = imgAr

import ospath = os.path.join(os.getcwd(), 'pro')if not os.path.exists(path): os.mkdir(path) # 如果不存在这个pro文件夹，就自动创建一个

通过os模块执行import osos.system("python main.py")多线程import threadingimport osthreading.Thread(target=os.system, args=("python main.py",)).start()多进程from multiprocessing import Processimport osProcess(target=os.system, args=("python main.py",)).start

配置文件安装configParserpip install configParser解析示例import configparser#初始化cf = configparser.ConfigParser()cf.read("config/config.ini")#返回所有的分组secs = cf.sections()print ("sections:",secs)#factory分组下所有keyf = cf.options("factory")print ("factory:

1.schedpython内置的模块，它是一个调度（延时处理机制），每次想要定时执行某任务都必须写入一个调度。import schedimport timefrom datetime import datetime# 初始化sched模块的 scheduler 类# 第一个参数是一个可以返回时间戳的函数，第二个参数可以在定时未到达之前阻塞。# 生成调度器schedule = sched.scheduler(time.time, time.sleep)# 被周期性调度触发的函数def pr

numpy常用操作1.创建numpy矩阵2.查看矩阵维度3.选取第一列4.选取最后一列5.选取第一行6.选取最后一行7.选取2到4行8.选取1到2列9.选取第2列的第3行10.选取第2列的第3到5行，间隔为211.修改维度12.矩阵转置13.矩阵行倒序14.矩阵列倒序15.矩阵顺时针旋转90°（逆时针旋转270°）16.矩阵顺时针旋转180°（逆时针旋转180°）17.矩阵顺时针旋转270°（逆时针旋转90°）18.条件查找满足第1列大于300的数据满足第1列大于300`且`小于400的数据满足第1列大于3

树莓派安装界面一.更新系统到最新。二.运行完成后需要做一个清理。三.开始安装桌面。一.更新系统到最新。 sudo apt-get update sudo apt-get upgrade sudo apt-get dist-upgrade二.运行完成后需要做一个清理。 sudo apt-get clean三.开始安装桌面。下一部分重点介绍如何在Raspbian Lite上安装GUI。为了拥有GUI，我们需要以下4件事 1.显示服务器 2.桌面环境 3.窗口管理器 4

win10vnc连接树莓派4b一. 确保树莓派已经装好系统并联网二. 启用树莓派 VNC 服务三. 使用vnc连接一. 确保树莓派已经装好系统并联网系统安装以及WiFi连接教程更换国内源二. 启用树莓派 VNC 服务在终端输入以下命令进入配置界面。sudo raspi-config选择Interfacing Options选择vnc select选择ok询问是否安装vnc ，输入Y， 回车 ，等待安装完成 然后finish 退出三. 使用vnc连接1.下载

树莓派4B + openvino 换源参考链接一. 安装opencv二. 安装openvino三. 添加USB规则四. 运行示例换源参考链接一. 安装opencv参考第三个下载安装的方式(点击此链接)二. 安装openvino下载openvino官网下载加群下载686070107或者直接在树莓派中执行命令下载wget https://download.01.org/opencv/2020/openvinotoolkit/2020.4/l_openvino_toolkit_runtime

使用opencv保存视频pythonc++pythonimport numpy as npimport cv2cap = cv2.VideoCapture(0);#('M','P','4','V')<('F','M','P','4')<('M', 'J', 'P','G') 不同编码视频保存的体积大小fourcc = cv2.VideoWriter_fourcc('F','M','P','4') out = cv2.VideoWriter('output.avi',fourcc,2

树莓派安装opencv 的几种方式使用apt安装opencv使用pip安装opencv编译安装使用apt安装opencv模块少sudo apt-get install python3-opencv模块稍微多一些sudo apt-get install libopencv-dev安装完成之后，opencv相关的头文件被安装到/usr/lib目录中， 该目录是linux默认头文件查找路径。opencv的相关动态链接库被安装到 /usr/lib目录中。这些动态链接库包括：【opencv_

配置国内源配置apt源配置pip源配置apt源打开sources.list文件sudo vi /etc/apt/sources.list按d键将内容全部删除，将下面的内容复制进去 :wq 保存退出deb http://mirrors.aliyun.com/raspbian/raspbian/ buster main contrib non-free rpi打开raspi.list文件sudo vi /etc/apt/sources.list.d/raspi.list将内容

材料：树莓派，tf卡，读卡器，数据线一.烧录系统将tf卡连接读卡器插入电脑打开磁盘管理工具删除tf卡上的卷，全部删除到未分配状态使用将系统烧录到tf卡

更换国内源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_urls yes创建快捷方式在创建conda环境之前运行命令conda config -

根据浮漂移动距离判断拉杆import cv2import timeimport numpy as npdef target(res,pt): loc = np.where(res >= 0.9) # 匹配程度大于%90的坐标y,x a = np.hstack((loc[1].reshape(-1,1),loc[0].reshape(-1,1)))#合并矩阵 行转列 a.sort(axis=0) if pt is None: pt = [0

由于更新 nvidia内核版本不一致解决办法 重启会自动更新到一致ubuntu18.04系统，nvidia的驱动都装好了，但是使用指令：nvidia-smi报错：Failed to initialize NVML: Driver/library version mismatch

1. 安装cmakeOpenCV需要使用cmake进行编译sudo apt-get install cmake2. 安装依赖sudo apt-get install build-essential pkg-config libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev3. 解压unzip opencv-4.4.04. 进入文件目录，创建build目录并进入cd ope

解压下载的包tar -xzvf cudnn-11.1-linux-x64-v7.5.0.56.tgz执行$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*...

解压下载的文件添加环境变量vim ~/.bashrcexport LD_LIBRARY_PATH=/home/liguiyuan/software/TensorRT-7.0.0.11/lib:$LD_LIBRARY_PATHsource ~/.bashrc进入解压目录 使用pip安装TensorRTUFFgraphsurgeon验证安装>>> import tensorrt>>> tensorrt.__version__'7.0.0.11'

安装wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pinsudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installer

tensorflow serving部署nanodetpth导出为onnx修改tools/export.py执行导出命令简化模型使用netron查看onnx转meta格式文件安装tensorflow 2.3+安装onnx-tensorflow导出pb文件夹修改文件夹结构安装docker安装nvidia-docker2安装tensorflow_serving运行docker版tensorflow_serving请求测试pth导出为onnx修改tools/export.py执行导出命令python3

环境ubuntu18.04cuda11.2k80 x 8Serving with Docker using your GPUInstall nvidia-dockerBefore serving with a GPU, in addition to installing Docker, you will need:Up-to-date NVIDIA drivers for your systemnvidia-docker: You can follow the installation in

修改/etc/docker/daemon.json（需要管理员权限），添加如下的内容：{ "registry-mirrors": ["https://alzgoonw.mirror.aliyuncs.com"]", "runtimes": { "nvidia": { "path": "/usr/bin/nvidia-container-runtime", "runtimeArgs": [] } }

Ubuntu Bionic 18.04安装docker操作系统要求卸载旧版本 ：设置存储库添加 Docker 的阿里云 GPG 密钥：向 source.list 中添加Docker软件阿里云 源安装引擎库列出存储库中可用的版本：使用第二列中的版本字符串安装特定版本，例如 `5:18.09.1~3-0~ubuntu-xenial`通过运行映像验证 Docker 引擎安装是否正确。hello-world操作系统要求要安装 Docker 引擎，您需要这些 Ubuntu 版本的 64 位版本：Ubuntu

Linux服务器监控查看cpu信息1.查看物理CPU的个数2.查看物理CPU内核的个数3.查看所有逻辑CPU的个数4.查看每个物理CPU中逻辑CPU的个数5.查询CPU是否启用超线程查看cpu信息1.查看物理CPU的个数cat /proc/cpuinfo | grep "physical id" | sort | uniq | wc -l输出结果：2表示Linux服务器上面实际安装了2个物理CPU芯片。2.查看物理CPU内核的个数cat /proc/cpuinfo | grep "cpu

图像拼接SURF算法实现的拼接代码。基于ORB的图像拼接opencv自带的拼接算法stitchSURF算法实现的拼接代码。#include "highgui/highgui.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/legacy/legacy.hpp" #include <iostream> using namespace cv;using namespace std;vo

#include <opencv2\opencv.hpp> #include <opencv2\core\core.hpp> #include <opencv2\highgui\highgui.hpp> #include <opencv\highgui.h>#include <opencv2\imgproc\imgproc.hpp> #include <opencv2\objdetect\objdetect.hpp>

统计多边形数量原图提取内轮廓多边形拟合python代码点击下载源代码文件和图片原图提取内轮廓多边形拟合python代码import cv2import csvimport numpy as npimg = cv2.imread('1.png',1)w,h,c = img.shapeimg2 = np.zeros((w,h,c), np.uint8)img3 = np.zeros((w,h,c), np.uint8)img_gray = cv2.cvtColor(img,