灰度共生矩阵特征提取步骤_语义SLAM | 深度学习用于特征提取 : SuperPoint（二）...

最新推荐文章于 2024-04-18 09:43:38 发布
最新推荐文章于 2024-04-18 09:43:38 发布
阅读量773 收藏 6
点赞数 1
文章标签： 灰度共生矩阵特征提取步骤
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_31749595/article/details/112381622
版权

99b7244e3f1af6ba772bd1e702c990db.png

1. 概述

这次我们一起讨论SuperPoint系列文章的第二篇Toward Geometric Deep SLAM，这篇文章延续了作者清晰的写作思路，读起来很顺畅。

本文是针对SLAM设计的基于深度学习的特征提取方法，主要包括两部分，一是特征点提取网络MagicPoint，二是基于提取的特征点进行位姿估计的网络MagicWarp。特别指出的是，改方法不需要学习描述子，而只提取特征点位置。由于训练网络需要图片之间真实的位姿，作者设计了一个虚拟三维物体的库，通过模拟不同视角并截取相应的图片，得到了所需要的数据集。最终的结果显示MagicPoint在提取特征方面相比于传统方法更具鲁棒性，MagicWarp在位姿估计方面具有更高精度。

2. 算法流程

算法的整体流程如下图所示

a47a34534978168666d7c8b5fa1075d5.png

从图中可以看出，该方法首先对两张图片分别使用MagicPoint提取特征点，然后使用MagicWarp把提取的特征点作为输入，对两张图片进行位姿的估计，直接输出一个3X3的转换矩阵。

2.1 MagicPo

最低0.47元/天 解锁文章
哈哈哈可以
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
灰度共生矩阵
u012507022的博客
06-11 1万+
灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。 取图像(N×N)中任意一点(x,y)及偏离它的另一点(x+a,y+b)，设该点对的灰度值为(g1,g2)。令点(x,y) 在整个图像上移动，则会得到各种(g1,g2)值，设灰度值的级数为k，则(g1,g2)的组合共有k^2种。对于整幅图像，统计出每一种(g1,g
SuperPoint和SuperGlue 的算法介绍及学习应用经验分享
weixin_46050242的博客
01-17 4887
SuperPoint和SuperGlue 的算法介绍
探索SuperPoint_SLAM：一种基于深度学习的SLAM解决方案
最新发布
gitblog_00041的博客
04-18 492
探索SuperPoint_SLAM：一种基于深度学习的SLAM解决方案 项目地址:https://gitcode.com/KinglittleQ/SuperPoint_SLAM 在当今的机器人和自动驾驶领域，Simultaneous Localization And Mapping（SLAM）是一项核心技术。SuperPoint_SLAM是一个开源项目，它利用了深度学习的强大能力，为SLAM问题提...
SuperPoint 与 SuperGlue 详解（一）
热门推荐
秋山丶雪绪的博客
09-01 1万+
1. 简介 SuperPoint: Self-Supervised Interest Point Detection and Description (CVPR 2018) 论文地址 代码地址 SuperGlue: Learning Feature Matching with Graph Neural Networks (CVPR 2020) 论文地址 代码地址   两篇论文都出自 Magic Leap 团队，SuperPoint 提取特征点及描述符，SuperGlue 做特征点匹配 2. SuperPoi
基于深度学习的特征提取系列（二）：SuperPoint 论文
private_Jack的博客
09-14 1160
大致说，为了实现一个有意义的自监督框架，需要很多pseudo-ground truth兴趣点。用一个合成的数据集–Synthetic Shapes，训练出来的检测器叫MagicPoint，用该检测器生成pseudo-ground truth兴趣点。尽管MagicPoint很好，但是存在域适应困难。为了解决这个问题，提出一个多尺度、多变化技巧–Homographic Adaptation。Homographic Adaptation旨在实现兴趣点检测器的自监督训练。
SuperPoint:高效的神经特征检测器和描述符
05-03
超点 这是“ SuperPoint：自我监督的兴趣点检测和描述”的Tensorflow实现。 Daniel DeTone，Tomasz Malisiewicz，Andrew Rabinovich。 。 HPatches上的结果 检测器评估 HPatches的可重复性，计算出在成对图像之间共有300个点，并且NMS为4： 照明变化 观点改变 SuperPoint（我们的实现） 0.662 0.674 SuperPoint（ ） 0.641 0.621 快速地 0.576 0.625 哈里斯 0.630 0.755 施 0.584 0.629 描述符评估 对HPatch进行的单应估计法，计算出的最大成对图像之间共检测到1000个点，正确性阈值为3，NMS为8： 照明变化 观点改变 SuperPoint（我们的实现） 0.965 0.712 SuperPoint
slam.rar_G2O_点云特征_点云特征提取_视觉SLAM_视觉SLAM十四讲
07-15
《视觉SLAM十四讲》是一份深入探讨视觉Simultaneous Localization And Mapping（SLAM）技术的资源包，其中包含了G2O优化、点云特征提取、特征匹配、点云拼接以及OpenCV图像处理等多个关键知识点。这些内容是构建一个...
SLAM.zip_site:www.pudn.com_slam_slam java_slam算法
09-20
《SLAM.pdf》这份文档很可能是对外文资料的整理，可能会涵盖以下内容： 1. **SLAM的历史与发展**：介绍SLAM研究的起源、重要进展和当前的研究趋势。 2. **基本理论与方法**：详细讲解SLAM的基本框架，包括运动模型...
RGBD_slam.rar_RGBD_RGBD-slam 特征检测_rgbd slam_slam
09-14
总的来说，"RGBD_slam.rar"包含了一个基本的RGBD-SLAM系统，涵盖了从特征检测到点云地图构建的全过程，这对于学习和研究SLAM技术是非常有价值的。通过理解并实践这个系统，我们可以深入理解SLAM的原理和实现细节，为...
orb_loam_激光_orbslamloam_slam_orb.loam_特征匹配_
09-30
基于高度图的ORB特征点法激光里程计——orb_loam首先，采用ORB特征点检测（移植了ORB-SLAM2的四叉树管理部分，提高特征点提取效率）；然后，采用ORB特征点匹配，获得匹配关系；最后，通过2D-ICP计算帧间运动估计。
SIFT-python.zip_SIFT算法_python sift提取_图像匹配Python_特征提取 python_特征提取
07-14
这个压缩包"SIFT-python.zip"包含了一个用Python实现的SIFT算法，可以用于图像特征点的提取和图像匹配。以下是关于SIFT算法及其Python实现的详细知识点： 1. **SIFT算法原理**： - **尺度空间极值**：SIFT算法首先...
slam with DeepLearning
01-29
目前slam和深度学习结合最好的文章，特此总结以供大家学习转载。
图像匹配天花板：SuperPoint+SuperGlue复现
yu_xinli的博客
08-15 1万+
图像匹配（也可以做视频匹配，我这里做的是图像匹配）复现也特别简单，环境配置好了也不怎么报错。
《SuperPoint:Self-Supervised Interest Point Detection and Description》笔记
Peter的脱发日记
06-14 6636
文章目录《SuperPoint: Self-Supervised Interest Point Detection and Description》笔记文章解决了什么问题用了什么方法效果如何结论存在什么不足Future Work细节过程构建合成数据集训练MagicPointMagicPoint + Homographic Adaption生成pseudo ground truth选择Homogra...
Super Point 笔记（一）
qq_24640301的博客
04-01 1619
Super Point 笔记 Abstract 本篇文章展示了一种针对计算机视觉中多视角几何变换问题的特征点提取及描述的自监督架构。与基于patch的方法不同，本文的全卷积模型在全尺寸图像上运行，并在一次前向传播中共同计算像素级关键点位置和相关描述符。本文引入了单应性自适应(Homographic Adaption)，一种多尺度、多单应性的方法来提高特征点检测的重复性和执行跨域自适应。我们的模型，当训练在MS-COCO通用图像数据集使用单应性与原始的预适应深度模型和其他传统的角点检测器相比，该算法能够反复检
图像纹理特征的提取—灰度共生矩阵GLCM
雪月的博客
10-27 1万+
参考文献： https://blog.csdn.net/qq_36654309/article/details/106527876?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242 https://blog.csdn.net/ajianyingxiaoqinghan/article/details/71552744 https://baike.baidu.com/item/%E7%81%.
【SLAM】SuperPoint语义SLAM深度学习用于特征提取
格物致知
07-10 1035
我们知道，一张图片进行单应性变换的时候，图像上的点的坐标会根据变换矩阵发生变化（如上式），那么反过来，如果我知道n个变换前后的点的坐标，那么这两张图片之间的变换矩阵便可以得到，在平面关系中，n为4，即至少知道四个点就可以。这样做的好处是，把图片对之间的矩阵关系，转换成了点和点之间的关系，在进行精度评估时，可以直接根据转换后的点的坐标与真实的坐标计算距离，作为误差评估指标，而且，还可以用于网络中损失函数的计算。把区域的四个点随机进行平移，这样就得到一个四边形，这两个四边形之间的单应矩阵也就是已知的。
灰度共生矩阵及特征提取—OpenCV
lingtianyulong的专栏
11-04 1万+
因为OpenCV中自带的灰度共生矩阵的计算使用过程中，经常出现问题；之前在项目中使用了别人基于OpenCV重新编写cl_texture的灰度共生矩阵，但该代码只能在MFC环境下使用，且不能释放内存；现有的网上流行的基于OpenCV的灰度共生矩阵的计算，都是基于C++接口实现的；因为，本人使用的是OpenCV的C接口，所以，在结合前人的代码的基础上，实现了基于OpenCV的C接口的灰度共生矩阵的计算
灰度共生矩阵特征提取步骤_影像组学特征提取——知行合一（实践篇）
weixin_39908462的博客
12-18 1795
上学的时候，老师讲了原理和定理之后，都会再讲一道例题，带着大家把刚学的知识上手用一遍，来加深和巩固理解。Radiomics的大咖们也是如此，诲人不倦，先讲原理，再给工具，然后还要再做一个示例，带领大家走一个完整的影像组学分析流程。在工具篇提到的PyRadiomics官方参考文献中，大咖们不仅介绍了PyRadiomics，而且还给出了一个Case Study，介绍他们是如何使用PyRadi...
slam特征点深度 svd_GCNv2-SLAM：用CNN提取特征点取代ORB
06-06
svd_GCNv2-SLAM是一种使用CNN提取特征点的SLAM方法，它使用图卷积神经网络（GCN）来从图像中提取特征点，然后使用SVD（奇异值分解）来估算它们的深度，以建立地图。与传统基于手工设计的ORB特征点的方法相比，使用...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值