2016年11月_susandebug

12月 11月 09月 06月 05月 04月 03月 02月 01月

转载马尔可夫模型及隐马尔可夫模型(HMM)

马尔可夫模型马尔可夫模型是由Andrei A. Markov于1913年提出的∙∙ 设 SS是一个由有限个状态组成的集合S={1,2,3,…,n−1,n}S={1,2,3,…,n−1,n}随机序列 XX 在 tt时刻所处的状态为 qtqt，其中 qt∈Sqt∈S，若有：P(qt=j|qt−1=i,qt−2=k,⋯)=P(qt=j|qt−1=i)P(qt=

2016-11-18 09:16:16 2928 1

转载计算机视觉基础5——本质矩阵与基本矩阵(Essential and Fundamental Matrices)

回顾本质矩阵的定义本质矩阵的基本性质：结合成像的几何关系　　　　　　Longuet-Higgins equation注意大小写的区别哦，大小表示物点矢量，小与表示像点矢量。像平面上的一点可以看作：• (u,v) 2D film point(局限于像平面上来考虑)• (u,v,f) 3D point o

2016-11-18 09:09:18 3267

转载计算机视觉基础4——对极几何(Epipolar Geometry)

先思考一个问题：用两个相机在不同的位置拍摄同一物体，如果两张照片中的景物有重叠的部分，我们有理由相信，这两张照片之间存在一定的对应关系，本节的任务就是如何描述它们之间的对应关系，描述工具是对极几何，它是研究立体视觉的重要数学方法。　　要寻找两幅图像之间的对应关系，最直接的方法就是逐点匹配，如果加以一定的约束条件对极约束(epipolar constraint)，搜索的范围可以大大减小。

2016-11-18 09:08:16 1123

转载共面点成像——planar homography

在前面已经讨论了三维物体成像过程，相比之下，还有一种稍简单的情况——平面成像，即所有的物点都处在同一个平面上，我们有理由相信，这种情况下的成像关系是一般立体成像的一种特例。先回顾一下一般的单体成像过程对于共面的物点，在恰当的世界坐标系中，可以令其中一个坐标值为0，不妨设第三维坐标为0，图示如下：由于物点的第三维坐标为0，整个

2016-11-18 09:06:38 809

转载计算机视觉基础3——内部参数描述

在上一节中，我们用矩阵描述了外部参数，即物体的坐标到相机坐标的变换。同时还分析了透视投影，即成像的过程，整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v)，即从像平面(Film Coords)到像素(Pixel Coords)。对一幅数字图像，我们可以改变它的宽高比，即作尺度变换。

2016-11-18 09:05:22 723

试想像一下，很多游客同时在不同角度拍摄Eiffel Tower(埃菲尔铁塔)，该如何用数学的方法来描述这一过程呢？首先要解决的问题就是定位，或者说坐标选定的问题，埃菲尔铁塔只有一座，如果按经、纬度来刻画，它的坐标是唯一确定的，但游客显然不关系这一点，他(她)只按自己的喜好选择角度和位置，因此，物体(景物)有物体的坐标系统，相机有相机的坐标系统，即便同一个相机，当调整参数时，在同样的位置、相同的角度

2016-11-18 09:04:10 703

转载计算机视觉基础1——视差与深度信息

资料来源：Robert Collins,CSE486, Penn State第8讲Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。Inferring depth from images taken at the same time by two or more cameras.

2016-11-18 09:03:04 1499

转载双目匹配与视差计算

立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：（1）光学失真和噪声（亮度、色调、饱和度等失衡）（2）平滑表面的镜面反射（3）投影缩减（

2016-11-17 11:05:41 22048