![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
computer vision
文章平均质量分 77
lenearth
这个作者很懒,什么都没留下…
展开
-
Bundle Adjustment - 基于feature的3D场景重建算法
给出从不同视角拍摄的,描述同一个场景的一系列图片,bundleadjustment可以根据所有点在图像中的投影作为标准,同时提炼出描述场景结构的3D点坐标、相对运动参数和相机的光学参数。通常在每个基于feature的3D场景重建算法中都要用到BundleAdjustment,它是基于3D结构和视角参数(即相机位置,朝向,固有标定和径向畸变)的优化问题,在假定所获得的图像特征中有一些no转载 2014-01-13 22:22:42 · 679 阅读 · 0 评论 -
SIFT算法的应用--目标识别之Bag-of-words模型
SIFT算法的应用-目标识别之用Bag-of-words模型表示一幅图像 作者:wawayu,July。编程艺术室出品。出处:http://blog.csdn.net/v_JULY_v 。 引言本blog之前已经写了四篇关于SIFT的文章,请参考九、图像特征提取与匹配之SIFT算法,九(续)、sift算法的编译与实现,九(再续)、教你一步一步用c语言转载 2014-02-25 21:45:42 · 922 阅读 · 0 评论 -
Floyd-Warshall算法实现类
图的最短路径算法就剩下几个了,Floyd-Warshall算法是利用动态规划来实现的,其可以用来统计图的任意点对之间的距离。不过复杂度显而易见,需要O(V^3)。Wiki上有该算法的原理如下:设为从到的只以集合中的节点为中间节点的最短路径的长度。若最短路径经过点k,则;若最短路径不经过点k,则。因此,。代码如下:[cpp] view plainc转载 2014-02-16 11:32:59 · 734 阅读 · 0 评论 -
迪杰斯特拉算法
Dijkstra(迪杰斯特拉)算法是典型的最短路径路由算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法能得出最短路径的最优解,但由于它遍历计算的节点很多,所以效率低。 Dijkstra算法是很有代表性的最短路算法,在很多专业课程中都作为基本内容有详细的介绍,如数据结构,图论,运筹学等等。其基本思想是,设置顶点集转载 2014-02-16 12:02:28 · 616 阅读 · 0 评论 -
sift算法的笔记 sift的gpu加速及相关资料汇总
SIFT算法简介 SIFT算子是一种图像的局部描述子,具有尺度、旋转、平移的不变性,而且对光照变化、仿射变换和3维投影变换具有一定的鲁棒性。在Mikolajczyk(在参考文献中有个下载链接,包括了这些论文,0积分)对包括SIFT算子在内的十种局部描述子所做的不变性对比实验中,SIFT及其扩展算法已被证实在同类描述子中具有最强的健壮性。 SIFT算法的主要思想是在尺度空间寻找极值点转载 2014-02-16 14:41:26 · 4291 阅读 · 0 评论 -
structure from motion
重新看了一遍华盛顿大学的SFM重建的过程,对该过程果然又有新的理解。 文章提出的方法如下: (1)提取SIFT特征点; (2)每两幅图像之间进行SIFT特征点进行匹配; 匹配过程中首先采用了KD-TREE的方法对最近邻的特征点进行匹配,然后采用了多视角几何进行限制。值得注意的是多视角的几何限制,在多视角的图像匹配中经常出现(Geometry constriant)。转载 2014-02-16 20:50:16 · 626 阅读 · 0 评论 -
RANSAC算法详解
ransac是RANdom SAmple Consensus的简称,它是根据一组包含异常数据的样本数据集,通过迭代的方法计算出数据的数学模型参数,得到有效样本数据的非确定性的算法。它于1981年由 Fischler和Bolles最先提出。对于RANSAC算法有一个基本的假设:样本中包含正确数据(inliers,符合模型的数据)和异常数据(Outliers,不符合模型的数据),即数据集中含有转载 2014-02-16 21:02:01 · 1414 阅读 · 0 评论