2019年09月_ingy

12月 11月 10月 09月 08月 06月 04月 03月 02月 01月

原创 matlab 将一行扩展到多行

>> A = [1, 2, 3]>> B = repmat(A, 10, 1)B = 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 ...

2019-09-23 16:21:40 7735

原创 python安装库

python -m pip install 库名我是用的anaconda：pip install 库名

2019-09-23 10:22:53 98

原创基于SIFT特征检测算子的全景图像拼接

背景介绍现在的全景图像拼接一般是涉及两张或多张左右平移的图像的拼接，例如两张左右视角的楼宇的照片的拼接，而本文主要简单描述如何用Python和OpenCV实现多张特殊角度的图片自动拼接，首先展示一下最终的拼接效果。基本原理要实现两张图片的简单拼接，需要找出两张图片中相似的点 (至少四个，因为hom...

2019-09-22 15:08:35 982

原创 [计算机视觉] （六）三维空间重建

目录空间点重建最小二乘求点坐标一种理想的空间点重建模型空间直线重建空间曲线重建空间点重建假如我们能得到物体表面上所有点的三维坐标，则三维物体的形状与位置就是唯一确定的。在有些简单的场合，例如三维物体是一个多面体，我们只需要知道它的各个顶点的三维坐标与相邻关系，则该多面体的形状与位置也是唯一确定的。因此，用立体视觉的方法获取三维点的坐标（我们称之为基于点的三维重建）...

2019-09-16 16:34:00 1971 1

转载 [DIP] 引导滤波（guided Filter）

引导滤波算法是一种可以保持边缘的一种滤波算法。引导滤波之所以叫这个名字，是因为算法在进行滤波时需要一幅引导图像，引导图像可以是另外单独的图像，也可以是输入图像本身，当引导图为输入图像本身时，引导滤波就成为一个保持边缘的滤波操作。引导滤波可以用于降噪、细节平滑、HDR压缩、抠图、去雾以及联合采样等领域。线性旋转变化滤波过程中，某像素点的输出为：...

2019-09-11 11:24:33 1257

原创 [计算机视觉] （五）立体视觉相机标定

目录概述特征匹配极线约束反对称矩阵极线约束求解概述在立体视觉系统中，一般需要用两个摄像机，需要通过标定，测量双摄像机之间的相对位置，如图1所示。图1 双目相机几何关系用两个摄像机观察周围环境，在标定中，我们可以分别得到两个摄像机各自的内外参数，外参数表示空间点的世界坐标和相机坐标的映射关系，两个三维坐标的映射涉及到旋转和平移，所以分别用R1、t1与R2、t2...

2019-09-09 23:11:05 1804

原创 [计算机视觉] （四）相机的径向畸变参数

概述相机的径向畸变是因为成像模型并不能完全符合针孔成像模型造成的（针孔成像模型可认为是理想的假设）。其数学模型是在成像坐标系上，实际的坐标和理想的坐标之间的退化：（）（式1）在图像上的表现： ...

2019-09-07 23:07:04 1773

原创 [Machine Learning] 卷积神经网络CNN概念

卷积神经网络与普通神经网络的区别在于，卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中，一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中，通常包含若干个特征平面(featureMap)，每个特征平面由一些矩形排列的的神经元组成，同一特征平面的神经元共享权值，这里共享的权值就是卷积核。卷积核一般以随机小数矩阵的形式初始化，在网络的训练过程中卷积核将学习得到合...

2019-09-02 13:58:08 467

转载数字信号处理中均值、方差、均方值、均方差计算和它们的物理意义

1 均值均值表示信号中直流分量的大小，用E(x)表示。对于高斯白噪声信号而言，它的均值为0，所以它只有交流分量。 2 均值的平方均值的平方，用{E(x)}^2表示，它表示的是信号中直流分量的功率。3 均方值均方值表示信号平方后的均值，用E(...

2019-09-02 11:21:41 4647

原创三维模型重建综述

三维模型重建步骤步骤如下图所示，其中最重要的就是由原始的三维点云数据处理得到几何结构，也就是网格结构或者拓扑结构，做这一步的原因包括三维点云数据的冗余太多，非常不利于数据的存储；点云的渲染质量太差，尤其是离相机太近的点，会产生很乱的效果；可以在几何结构上添加纹理以提高渲染的效果。三维点云的获取方式激光雷达 Kninect软件单目多视角系统双目立体视觉系统...

2019-09-01 14:49:31 3853

morphology.zip

数学形态学操作，简单的说，膨胀操作时，图像中的物体（前景）会向背景进行扩张；腐蚀时，物体（前景）会进行收缩。由于形态学操作变化的区域发生在边缘，容易想象，基于数学形态学的边缘检测，只要进行一些相减操作，得到的就是图像中物体的边缘。

2020-06-02

SIM7600M22_OL_2U_V1.00_180820.tar.gz

SIM7600平台基于ARM Cortex-A7中央处理器，运行嵌入式Linux操作系统，内核版本是3.18.20，文件系统采用UBIFS，Linux管理的ubi文件系统包含三个逻辑分区（区分物理分区和逻辑分区）。

2020-05-11

eventloop.zip

深度解析Qt的事件循环机制，示例和PPT。 Qt将系统产生的信号(软件中断)转换成Qt事件，并且将事件封装成类，所有的事件类都是由QEvent派生的，事件的产生和处理就是Qt程序的主轴，且伴随着整个程序的运行周期。因此我们说，Qt是事件驱动的。

2020-04-07

ADCensus.zip

基于AD绝对差和Census变换的立体匹配算法代码，需要的环境是：opencv3+pcl+boost+openmp

2019-11-24

点云的条件欧式分割.zip

欧几里德分割法称之为标准的距离分离，另外一种分割方法是条件聚类算法，这个条件的设置是可以由我们自定义的，因为除了距离检查，聚类的点还需要满足一个特殊的自定义的要求，就是以第一个点为标准作为种子点，候选其周边的点作为它的对比或者比较的对象，如果满足条件就加入到聚类的对象中。

2019-10-30

点云的欧式分割.zip

基于欧式距离的分割和基于区域生长的分割本质上都是用区分邻里关系远近来完成的。由于点云数据提供了更高维度的数据，故有很多信息可以提取获得。欧几里得算法使用邻居之间距离作为判定标准，而区域生长算法则利用了法线，曲率，颜色等信息来判断点云是否应该聚成一类。

2019-10-30

Surf_rgbd_pointcloud_Registration.cpp

首先从两个数据集中按照同样的关键点选取的标准，提取关键点，对选择所有的关键点分别计算其特征描述子，结合特征描述子在两个数据集中的坐标位置，以两者之间的特征和位置的相似度为基础，来估算它们的对应关系，初步的估计对应点对，假设数据是有噪声，除去对配准有影响的错误的对应点对，利用剩余的正确的对应关系来估算刚体变换，完整配准。

2019-10-28

source.zip

在获取点云数据时，由于设备精度，操作者经验，环境因素带来的影响，以及电磁波的衍射特性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中讲不可避免的出现一些噪声。在点云处理流程中滤波处理作为预处理的第一步，对后续的影响比较大，只有在滤波预处理中将噪声点，离群点，孔洞，数据压缩等按照后续处理定制，才能够更好的进行配准，特征提取，曲面重建，可视化等后续应用处理。

2019-10-24

VoxelGrid.zip

体素网格滤波相关，实现点云的下采样，原始点云与滤波后的点云可视化结果，明显的可以看出来，点的密度大小与整齐程度不同，虽然处理后的数据量大大减小，但是很明显所含有的形状特征和空间结构信息与原始点云差不多。

2019-10-23

SIFT全景图像拼接.py

实现多张图像的全景拼接，适用于多张图像之间存在旋转角度的情景。

2019-09-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人