Computer Vision
文章平均质量分 82
songrotek
深度增强学习DRL,机器人researcher
展开
-
计算机视觉CV 之 CMT跟踪算法分析二
1 前言在上一篇文章中,我对CMT算法做了初步的介绍,并且初步分析了一下CppMT的代码,在本篇文章中,我将结合作者的论文更全面细致的分析CMT算法。这里先说明一下,作者关于CMT算法写了两篇文章: Consensus-based Matching and Tracking of Keypoints for Object Tracking (wacv2014 best paper reward)原创 2015-08-19 08:32:43 · 9407 阅读 · 1 评论 -
计算机视觉CV 之 CMT跟踪算法分析一
1 简介这个算法的全称是Clustering of Static-Adaptive Correspondences for Deformable Object Tracking,文章发表在CVPR2015上,官方的网址为: http://www.gnebehay.com/cmt/这个作者就是OpenTLD的C++版本的作者,包括ROS版的OpenTLD也是基于他的代码改的。 对于CMT这个跟踪算原创 2015-08-14 15:31:46 · 17538 阅读 · 23 评论 -
计算机视觉CV 之 CMT跟踪算法分析四
1 前言在上一部分我们已经分析到了计算特征点的缩放和旋转,这里最后分析去掉不好的特征点的方法。2 最后步骤分析vote的基本思想就是这些特征点相对中心的相对距离在把缩放旋转考虑进去之后是相对不变的,也就是按道理下一帧的特征点相对中心的位置是不变的。但是由于图像本身的变化,不可能得到完全一样的相对位置,这个时候,有一些会离中心近,有一些会偏差很大。那么,作者就采用聚类的方法,选择最大的一类作为最好的原创 2015-08-27 09:57:08 · 5154 阅读 · 1 评论 -
AR Drone系列之:使用ROS catkin创建package并使用cv_bridge实现对ar drone摄像头数据的处理
1 开发环境Ubuntu 12.04ROS Hydro2 前提可参考这篇blog:http://blog.csdn.net/yake827/article/details/44564057 blog:http://blog.csdn.net/celesius/article/details/39188119已安装adrone_autonomy package 并且可以运行https://githu原创 2015-08-12 09:42:13 · 6541 阅读 · 4 评论 -
计算机视觉 之 在iOS上测试跟踪算法Visual Object Tracking Algorithm
前言在计算机视觉CV领域,视觉跟踪是其中一个重要的子问题。从我的角度看,视觉跟踪就是用在机器人上,用在移动设备上,因此,何不把一些跟踪算法放在iPhone上看看实际的跟踪效果。这才是最真实的对比,使用一些视频毕竟不实际,而且关键是不能很好的对比实时性。对于移动设备而已,实时性是最重要的吧。之所以有跟踪问题的出现,也是因为绝大多数的物体检测Object Detection算法实在是太慢了,根本无法用在原创 2015-08-11 16:33:25 · 6030 阅读 · 7 评论 -
Deep Learning for Robotics 资源汇总
Deep Learning for Robotics 各种资源汇总包含Deep Learning,Computer Vision,Robotics,Reinforcement Learning原创 2015-06-11 09:29:58 · 3896 阅读 · 0 评论 -
OpenCV For iOS 2: 获取视频并显示轮廓Capture Video
在上一篇文章中,我们实现了原创 2014-11-04 12:37:16 · 13025 阅读 · 23 评论 -
OpenCV For iOS 1: 连接OpenCV 3.0
本文的内容参考Instant OpenCV for iOS结合最新的开发平台完成。本系列文章采用的的开发环境为:1)Xcode 62)OpenCV for iOS 3.0.0 alpha接下来Step by Step 说明如何在最新的平台下使用OpenCV,以将一个彩色图片转换为边缘图为例Step 1:创建一个新的项目Step 2:在Building phase里面添加opencv2.framew原创 2014-11-04 10:07:16 · 15472 阅读 · 17 评论 -
计算机视觉CV 之 CMT跟踪算法分析3
1 前言在上一篇blog中,我们分析了CMT的整体算法流程及前面几步的实现分析,接下来我们继续分析后面的几步。2 Step 4,5,6 特征点匹配与数据融合这几步就是通过跟踪和特征匹配来获取这一帧的特征点,将两者融合在一起。上一篇文章分析了光流,这里再分析一下特征匹配。源代码如下: //Detect keypoints, compute descriptors 计算当前图像的关键点 v原创 2015-08-21 10:16:00 · 5392 阅读 · 2 评论