vivo01的专栏

原创 微积分复习笔记 Calculus Volume 2 - 5.2 | Infinite Series

5.2 Infinite Series - Calculus Volume 2 | OpenStax

原创 三维测量与建模笔记 - 7.3 表面建模概念和方法

当我们通过3D扫描设备对物体进行扫描后，会得到三维点云，通过表面建模，我们会重建出物体的3D模型。如果想得到完整的物体的3D模型，需要对物体进行多个角度的扫描并通过拼接算法重建。经过处理得到的3D模型，在很多场景中都有大量应用，下图是一些典型的应用。

原创 微积分复习笔记 Calculus Volume 2 - 5.1 Sequences

5.1 Sequences - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 4.5 First-order Linear Equations

4.5 First-order Linear Equations - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 4.4 The Logistic Equation

4.4 The Logistic Equation - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 4.3 Separable Equations

4.3 Separable Equations - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 4.2 Direction Fields and Numerical Methods

4.2 Direction Fields and Numerical Methods - Calculus Volume 2 | OpenStax

原创 三维测量与建模笔记 - 7.2 点云滤波

最初投影结果如右上所示，红色点投影到了比较集中的一个小范围中，然后通过迭代优化，红点之间相互排斥，但排斥的距离不会超过绿点约束的范围，因为绿点对红点有吸引力。左下图是经过几轮迭代后，红点逐渐散开到整个表面，右下图是经过多次迭代后得到的较为理想的均匀分布的情况。选取要计算的点和它周围一定范围内的点可以拟合出一个平面，最基本的方法是通过最小二乘法取对这些点到平面的距离进行优化（计算量很大）。WLOP改进了LOP，主要是加入了一项基于点云密度的局部权重项，并且初始的X可以理解为是原有点云的一个下采样的点云。

原创 微积分复习笔记 Calculus Volume 2 - 4.1 Basics of Differential Equations

4.1 Basics of Differential Equations - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 3.7 Improper Integrals

3.7 Improper Integrals - Calculus Volume 2 | OpenStax

原创 三维测量与建模笔记 - 7.1 三维点云的基本特征

三维点云学习（2）中kd-tree 实现代码来自黎老师github三维kd-tree 的图示如下图所示，为三维kd-tree的切割图，进行三个维度的切割，kd-tree的本质就是对三个维度的数据点不断构建平衡二叉树。这种方法，既可以看成是四叉树方法在三维空间的推广，也可以认为是三维体素阵列表示形体方法的一种改进。多个离散的3D点对应上图的点云。体素（Voxel）是3D空间的像素，量化的，大小固定的单位体积组成（可类比2D的像素，只是体素多了一个维度），每个单元都是固定大小和离散坐标。

原创 微积分复习笔记 Calculus Volume 2 - 3.6 Numerical Integration

3.6 Numerical Integration - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 3.5 Other Strategies for Integration

3.5 Other Strategies for Integration - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 3.4 Partial Fractions

3.4 Partial Fractions - Calculus Volume 2 | OpenStax

原创 三维测量与建模笔记 - 6.2 结构光三维成像简介

双目视觉系统中，找到左右图像中的同名点是很困难的。即便是经过了极线校正，也存在很多问题比如高光等造成无匹配。对于结构光方案来说，找到同名点的过程会相对简单些。结构光方案中，会增加一个投射器，将编码后的光束打到物体上，由于投射的图案本身是预知的，可以起到辅助定位的作用。结构光方案有多种，摄像机数量上看有单目和双目的，编码方式上看有线激光、格雷码编码、伪随机吗等方案。结构光重建有很多应用，其成本较低，精度高，能满足很多工业场景。

原创 三维测量与建模笔记 - 6.1 双目立体视觉系统

参考如下两篇笔记：几何角度理解相机成像过程_亦枫Leonlew的博客-CSDN博客本笔记从几何角度来理解相机的成像过程，我们生活在三维世界中，相机所捕捉到的画面是2D的，3D空间中的点是如何投影到2D平面的过程是本笔记关注的。三角测量的原理如上图，假设以左相机为基础坐标系，则有相机的矩阵P'和左图像之前相差一个[R|t]变换，通过这两个相机矩阵可以算出两个同名点链接两个光心的射线，射线交于一点（理想情况下交于一点，实际中存在误差大概率无法相交，需要进行额外计算），这个点就是该点在三维世界中对应的位置点。

原创 三维测量与建模笔记 - 5.3 光束法平差（Bundle Adjustment）

一、高斯牛顿法发展历程1、从上倒下为高斯牛顿法的前世今生已经未来的演化：最速下降法（一阶梯度法）牛顿法（二阶梯度法）高斯牛顿法列文伯格法马夸尔特法二、高斯牛顿法引出的前世注：由于原理的相似性，最速下降法和牛顿法可以统称为一阶，二阶梯度法1、最速下降法考虑如下优化目标函数：..._gauss-newton算法步骤。如上图，在不同位姿下对同一个物体采集到了一系列图像， 例子中有四张图片。物体上某点M，在四幅图像上都能找到其观测点。此篇笔记尚未理解，先做笔记。

原创 微积分复习笔记 Calculus Volume 2 - 3.3 Trigonometric Substitution

3.3 Trigonometric Substitution - Calculus Volume 2 | OpenStax

原创 三维测量与建模笔记 - 5.2 二视图重建

上面的公式中，m1表示M点在左成像平面上观测到的点位置，P1M是通过相机投影矩阵计算出来的M在左成像平面上的对应点位置（m2,P2M也是相同理解，只是所有位置是在右平面）。通过找到多组同名点，就有多个重投影误差项，我们的目的是找到这些所有重投影误差之和，使这个值最小化，在这个过程中，可以找到最优的P1和P2。理想情况下，在左右两幅图像中找到同名点后，连接同名点和光心会产生两条直线，这两条直线会相交于一点，这个点就是物体世界中该点的位置。第一步，对一个物体拍摄出很多图像，这些图像组成一个图像序列。

原创 微积分复习笔记 Calculus Volume 2 - 3.2 Trigonometric Integrals

3.2 Trigonometric Integrals - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 2 - 3.1 Integration by Parts

The first 2 chapters of volume 2 are the same as those in volume 1. Started with Chapter 3.3.1 Integration by Parts - Calculus Volume 2 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - Appendix

原创 微积分复习笔记 Calculus Volume 1 - 6.9 Calculus of the Hyperbolic Functions

6.9 Calculus of the Hyperbolic Functions - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 5.1 对极几何-基础矩阵-本质矩阵

从式子可以看出，本质矩阵将空间中的某个点M在左右两个归一化平面上的两个点联系起来了，E包含了两个平面的旋转和平移信息。回忆一下基础矩阵F的式子,基础矩阵将空间中的某个点M在左右两个实际成像平面上的两个点联系起来了。

原创 微积分复习笔记 Calculus Volume 1 - 6.8 Exponential Growth and Decay

6.8 Exponential Growth and Decay - Calculus Volume 1 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - 6.7 Integrals, Exponential Functions, and Logarithms

6.7 Integrals, Exponential Functions, and Logarithms - Calculus Volume 1 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - Moments and Centers of Mass

6.6 Moments and Centers of Mass - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 点特征提取 - 4.6 特征匹配

下图是一个特征匹配的例子，表格的意思是对于左边图像的5个特征点，分别和右图的五个特征点进行匹配的分值。比如左图的特征点1和右图的特征点1的相似分值是0.96。特征匹配的一个典型应用时全景图片拼接，多张图片中需要有重复的可辨别的区域。计算特征相似性的常见方法。

原创 微积分复习笔记 Calculus Volume 1 - 6.5 Physical Applications

6.5 Physical Applications - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 点特征提取 - 4.5 SURF-FAST-ORB

SURF的步骤和SIFT基本一致，只是在每个步骤上都进行了优化以减少计算量。

原创 微积分复习笔记 Calculus Volume 1 - 6.4 Arc Length of a Curve and Surface Area

6.4 Arc Length of a Curve and Surface Area - Calculus Volume 1 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - 6.3 Volumes of Revolution: Cylindrical Shells

6.3 Volumes of Revolution: Cylindrical Shells - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 点特征提取 - 4.4 SIFT

SIFT（Scale Invariant Feature Transform），尺度不变特征变换。具有旋转不变性、尺度不变性、亮度变化保持不变性，是一种非常稳定的局部特征。在目标检测和特征提取方向占据着重要的地位。SIFT算法所查找到的关键点是一些很突出，不因光照、仿射变换和噪声等因素而变化的点，比如角点、边缘点、暗区亮点或亮区暗点等。上图展示了DoG空间的一个例子，不同的。关键点检测SIFT算法笔记-CSDN博客。和k所产生的细节是不一样的。

原创 微积分复习笔记 Calculus Volume 1 - 6.2 Determining Volumes by Slicing

6.2 Determining Volumes by Slicing - Calculus Volume 1 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - 6.1 Areas between Curves

6.1 Areas between Curves - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 点特征提取 - 4.3 Harris特征点

一般来说，角点就是极值点，在某些属性上强度最大或者最小的孤立点、线段的终点或拐点等。其实理解角点可以按照我们的直觉来理解，以下图为例，图中用颜色标注的地方都是角点：对于人类来说，判断角点是很容易的，对于计算机来说又是如何检测到角点的呢？从上面描述可以看出，如果窗口处于颜色变化不明显或者没有变化的区域，E的值很小或为0；如上图，当图像亮度和对比度发生变化时，计算结果会不一样，导致角点检测失败（阈值检测失败）。在3D重建应用中，很重要的一个场景是找到两幅图像中的同名特征点，这个过程需要对特征点进行提取和描述。

原创 微积分复习笔记 Calculus Volume 1 - 5.7 Integrals Resulting in Inverse TrigonometricFunctions

5.7 Integrals Resulting in Inverse Trigonometric Functions - Calculus Volume 1 | OpenStax

原创 微积分复习笔记 Calculus Volume 1 - 5.6 Integrals Involving Exponential and LogarithmicFunctions

5.6 Integrals Involving Exponential and Logarithmic Functions - Calculus Volume 1 | OpenStax

原创 三维测量与建模笔记 - 特征提取与匹配 - 4.2 梯度算子、Canny边缘检测、霍夫变换直线检测

如上图所示，图像空间中两个蓝色点、一个橙色点在一条直线上，褐色点不在一条直线上，则对应参数空间中，有三条曲线交于一个公共点，有一条曲线则顶多和某一条直线在某个位置有交点，不会通过前面三条线的公共点。如果将图像空间切换到参数空间（以m和b为基础坐标系的空间），此时x,y成了参数，m,b是变量（比如已知b求m）。在图像空间（x,y轴组成的平面）中，将直线上的点x,y称为变量，直线的斜率m和截距b称为参数。第二步是对图像空间中的边缘点进行迭代，找到对应曲线经过的H空间坐标，对应坐标的统计数加1。

原创 微积分复习笔记 Calculus Volume 1 - 5.5 Substitution

5.5 Substitution - Calculus Volume 1 | OpenStax