Reaearcher-Du

抽样或采样是指从目标总体中抽取出部分个体也就是样本，通过对样本的属性或特征进行分析，以此对总体进行评估。采样作为一种重要的数据分析方法，在深度学习、渲染等诸多方面具有广泛的应用。本文将回顾一种基本的采样方法即逆变换采样。

Mean Value Coordinates for Closed Triangular Meshes 发表于ACM SIGGRAPH 2003, 是图形学领域的经典论文，论文只有6页，这在SIGGRAPH会议中并不多见，目前引用超过700次，在插值，参数化，变形等领域被广泛应用。

八叉树颜色量化算法代码

论文解析：Photo2ClipArt:Image Abstraction and Vectorization Using Layered Linear Gradients

NeRF学习资料

双边滤波（Bilateral filter）是一种非线性的滤波方法，本质是基于高斯滤波，目的是解决高斯滤波造成的边缘模糊。结合图像的空间邻近度和像素值相似度的一种折处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。双边滤波器的好处是可以做边缘保存（edge preserving），一般用高斯滤波去降噪，会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的

重着色是可视媒体编辑领域的热门研究方向，广泛应用于电影制作和艺术设计中，在图像视频的颜色编辑中发挥着重要的作用。目前基于调色板的图像重着色方法主要有两类：第一类方法通过聚类提取图像调色板，然后通过RBF插值获取每个像素点关于聚类中心的权重进行图像重着色编辑。第二类方法通过计算凸包提取图像调色板。这类方法将图像看作RGB颜色空间的点集，计算该点集的凸包并进一步简化。然后通过MVC插值的方法求得每个像素点关于调色板的权重，最后通过修改调色板的颜色实现图像重着色。据调研，目前大部分基于调色板的颜色编辑主要集中

GAMES101-现代计算机图形学入门课程主页：http://games-cn.org/intro-graphics/GAMES101-现代计算机图形学入门B站视频：https://www.bilibili.com/video/av90798049/学习笔记：GAMES101-现代计算机图形学入门：https://blog.csdn.net/weixin_43803133/category_10303553.htmlOpenGL入门学习笔记：https://blog.csdn.net/weixin_.

最近学了一个新的算法：MeahShift，中文翻译为均值漂移，可用于目标跟踪，聚类，图像分割等任务。本文主要介绍如何通过MeahShift实现聚类。说到聚类，大家第一时间会想到Kmeans，但是它需要我们提前给定K，然后不停的迭代直至收敛到K个中心，然而很多时候我们并不知道K取多少比较合适。那么，基于MeanShift的聚类算法就不需要提前给定类别的数目，它可以自动决定有多少类。一、MeanShit原理我们以二维为例，如下图所示，给定二维空间的nnn个点，随机的从任意点pip_ipi​开始，以rrr为半

Mean Value Coordinates(MVC) 是一种重要的插值技术，广泛应用于参数化、网格变形等几何处理方向。但很少有博客讲述MVC，尤其是计算三角网格的MVC，大多数人直接按论文中的伪代码进行实现。最近重读了关于MVC的几篇经典论文，因此在这里简单介绍一下。1 重心坐标对于三角形△v1v2v3\triangle v_1v_2v_3△v1​v2​v3​ 中任一点 ppp表示为三角形三个顶点的凸组合, 即满足如下的等式：p=λ1v1+λ2v2+λ3v3p = \lambda_1v_1 + \l

知乎：如何通俗理解范数？L1 Norm Regularization and Sparsity Explained for Dummiesl0-Norm, l1-Norm, l2-Norm, … , l-infinity Norm

最近研究经典论文：GrabCut, 里面讲到混合高斯模型GMM，特地学习一下。以下代码段来自：https://blog.csdn.net/u012436149/article/details/53557008# -*- coding: utf-8 -*-# for multi-Gaussian__author__ = "KeithYin"import numpy as npdef gaussian(x,mu,sigma): temp = -np.square(x-mu)/(2*sigma

官网：http://www.qhull.org/， qhull是一个强大的计算几何库，可以用于计算高维的convex hull, Delaunay triangulation, Voronoi diagram等，在python中调用非常方便，最近由于需要将项目迁移到C++，因此折腾了一下。qhull的c++接口并不太完善，很多接口是基于Rbox（生成数据），因此我根据自身需要，修改了qhull的c...

在原有基础上，增加了输出每一帧ate。#!/usr/bin/python# -*- coding: utf-8 -*-import sysimport numpyimport argparseimport associate#一般数据的第一帧的相机的位姿设定为单位矩阵，但是grounftruth的第一帧未必是算法估计位姿打第一帧，#因此两个轨迹很有不能不在同一个坐标系，因此需...

微分域变形领域最重要的两篇论文分别是：[1] Yu Y , Zhou K , Xu D , et al. Mesh editing with poisson-based gradient field manipulation[J]. ACM Transactions on Graphics, 2004, 23(3):644. [ciation:679][2] Olga Sorkine...

最近看到好几篇论文如Colorization，poisson image editing等都使用线性系统求解泊松方程。今天找一篇文章简单推导一下：参考论文：AppWand: Editing Measured Materials using Appearance-Driven Optimization， SIGGRAPH 07论文是编辑传播领域的经典论文，用于将局部的编辑，传播到图像的所有区域...

本学期选了计算机动画课程，第一次作业是图像morphing， 本来打算选择基于四边网格的morphing， 但因为要用到曲面插值，感觉比较麻烦，因此使用基于三角网格的face morphing。总体方案：1、检测人脸特征点，有现成的方法：https://github.com/codeniko/shape_predictor_81_face_landmarks， 可以检测人脸81个特征点...

目前稠密三维重建主要使用两种框架，分别是基于体素的(volumetric-based) TSDF框架 和 基于面元（surfel-based）框架。基于体素的框架可以通过维护重建的历史信息，可以获得紧致的曲面和高质量的重建效果，在kinectfusion等一系列经典方法中被广泛的应用。首先，推荐一个3D开源算法库：Open3D，它实现了很多经典的三维数据几何处理算法，代码风格友好，非常容易阅读。...

今天看Refusion代码时发现作者用的Ray Casting方法非常奇妙，查了一下方法来自87年的一篇EG。原文链接： A Fast Voxel Traversal AlgorithmforRay Tracing文章主要解决的问题为：在一个空间体素模型中，已知起点和终点，求光线从起点到终点经过的所有体素。如下图所示：要求路径尽可能平滑，跟直线DDA算法的输出确实非常相似。作者这篇论文对传统...

Marching Cubes算法是三维离散数据场中提取等值面的经典算法，之前主要应用于医学图像重建，当前在TSDF等重建场景广泛应用。参考论文：Marching Cubes: A High Resolution 3D Surface Construction Algorithm算法主要的思想是在三维离散数据场中通过线性插值来逼近等值面，具体如下：三维离散数据场中每个栅格单元作为一个体素，体素的...

在SLAM中，所谓的位姿其实指的是相机在世界坐标系中的位姿。位姿包括两方面：位置和姿势，即三维坐标和朝向。如下所示，建图的过程就需要知道每一刻相机的位姿，从而将当前相机捕获的点云注册到全局的点云模型中。常用的变换有：世界坐标系 -> 相机坐标系 和 相机的位姿 -> 世界坐标系如下所示：世界坐标系为wxywxywxy, 相机坐标系为cx’y’cx^’y^’cx’y’， PPP...

一. nvidia驱动安装1. 查询显卡型号nvidia-smi -L出现显卡型号，我的是：GPU 0: GeForce RTX 2080 SUPER2. 查询显卡驱动网址：https://www.geforce.cn/drivers输入显卡型号并搜索，列表中会出现很多驱动版本，选择一款驱动3.安装显卡驱动网上常见的做法是：从命令行系统安装，巨麻烦，推荐使用apt-get in...

PCL1.8 + Kinect 2.0的配置是一个比较麻烦的问题，网上很多资料都是针对Kinect 1.0，针对Kinect 2.0的寥寥无几，使用Kinect 2.0相对比较麻烦，需要重装驱动，甚至修改源代码，前前后后踩坑无数花了近一个月时间才配置成功。写下这篇博客一方面对基础配置工作做一简要总结，一方面希望对接触PCL的新手提供必要的帮助，尽量少走弯路。安装环境 pcl 版本：...

对极几何（Epipolar Geometry）描述的是两幅视图之间的内在射影关系，与外部场景无关，只依赖于摄像机内参数和这两幅试图之间的的相对姿态 什么是对极几何粗略概念对极几何相关的一个重要约束5点共面约束对极几何的几个相关概念对应点的约束1. 什么是对极几何·粗略概念提到对极几何，一定是对二幅图像而言，对极几何实际上是“两幅图像之间的对极几何”，它是图像平

图片剪切自：高翔-视觉SLAM十四讲

本文主要参考以下两篇博文以及提供的源代码，在此感谢原作者：1、https://www.cnblogs.com/xrwang/p/SampleOfRansac.htm2、https://blog.csdn.net/weixin_40023317/article/details/90215182RANSAC为Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据...

以下图片就来自于高翔博士《视觉SLAM十四讲》我看到这里的时候对于（7.2）没有看懂，因为直觉上跟（7.1）完全不等，因此我自己推导了以下，发现也可以推导出之后的对级约束（7.7）。具体推导如下：s1p1=KP,s2p2=K(RP+t) s_1p_1 = KP, s_2p_2 = K(RP+t)s1​p1​=KP,s2​p2​=K(RP+t) 注意这里的R和t实际上可以写为R21R_...

一、 论文简介Graph Cut Ransac来自于CVPR2018，本文提出了一种新的鲁棒估计算法，叫做图割RANSAC，简称GC-RANSAC。当找到当前最好模型时，该算法在局部优化中使用图割算法来区分局内点和局外点。本文提出的局部优化算法理论简洁、易于实现，是全局最优解且效率高。原文链接：https://www.researchgate.net/publication/317356965...

本文为ORB-SLAM的翻译，转载自：http://qiqitek.com/blog/?p=102ORB-SLAM: a Versatile and Accurate Monocular SLAM System（文章已发表，有版权）Taylor Guo, 2016...

int main(){ vector<cv::Point3f> features={{1,1, 0}, {2, 2, 0}, {3, 3, 0}, {4, 4, 0}, {2, 4, 0}}; vector<cv::Point3f> raw_queries={{0,0,0}, {3, 4, 0}, {4, 3, 0}}; /**建立kd树索引**/ ...

As-Rigid-As-Possible Surface Modeling， 尽可能刚性的形状变形