- 博客(69)
- 收藏
- 关注
RSS订阅原创 基于ROS实现多传感器时间软同步
Autonomous vehicle 杂谈_15一. 写在前面：为什么需要时间同步？有什么时间同步方法？ 需要时间同步的原因其实很简单，如果未经手动设定，我们所使用的车载传感器的频率是不一样的。比如你用的相机是15HZ，而激光雷达是20HZ，那么在做多传感器数据融合的时候，就无法实现一帧图片对应一帧点云；因此时间同步就是必须的了。而实现多传感器时间同步的方法主要有两种，一种是软同步，另一种是硬同步。（解释详见：多传感器时间同步 — 软硬详解）。本文实现方法介绍： 本文所使用的方法是基于ROS:
2022-04-14 17:49:38
4742
2
原创 如何将自己采集到的点云数据转换为与Kitti数据集相同的格式？（.pcd文件转换为.bin文件）
Autonomous vehicle 杂谈_14一. pcd文件要求：要求.pcd文件不光只有x,y,z的坐标数据，同时也需要有indensity属性。一. 功能包配置pip install numpypip install argparsepip2 install pypcdpip install tqdm二. 转换用代码下载与使用# 下载git clone https://github.com/Yuseung-Na/pcd2bin.git# 使用cd pcd2binpyt
2022-04-13 21:38:03
3222
原创 非共视多传感器标定方法 - * LiDAR_Align * 复现及编译过程常见问题解决
Autonomous vehicle 杂谈_13一. 写在前面 之前分别介绍了三种制作激光点云的地图的方法，包括：基于Autoware 1.14 构建点云地图；LOAM系列之A - LOAM构建点云地图；LOAM系列之LeGO - LOAM构建点云地图。这三种方法博主认为比较好用。如果你所用的设备像博主一样，只包含LiDAR和camera的且回环路径比较短的话推荐你用Autoware自带的ndt_mapping功能（能懒一点是一点），如果回环路径较长的话，则推荐A - LOAM；如果你所用的设备还有
2022-04-02 17:32:27
916
原创 LeGO-LOAM 复现（Ubuntu18.04、ROS Melodic、gtsam）
Autonomous vehicle 杂谈_12一. 写在前面 上回书成功复现了LOAM的进阶版本 - ALOAM，但其实还有一个更加进阶的版本 - LeGO LOAM，这种方法与普通的LOAM相比，更改了特征点的提取形式，添加了后端优化，因此，构建出来的地图也就更加的完善。 简单总结起来，LeGO-LOAM的主要特点有以下三点：（1）对地面做了分割，减少了特征搜索范围（2）提取特征之前做了聚类，提高了特征质量（3）水平和航向分别优化，提高了效率分享放在前面（提前阅读一下比较好入口）：（1
2022-03-25 16:03:36
4663
8
原创 Docker版ALOAM的完美复现（Ubuntu18.04、ROS Melodic、docker20.10.13）
Autonomous vehicle 杂谈_11一. LOAM、ALOAM 简介 LOAM相比于普通的ICP点对点匹配、以及NDT的划分栅格并构建高斯分布进而匹配，LOAM另辟蹊径地选择了通过对点云提取特征（如树干、墙角等，采用线模型描述）和平面特征（如地面、墙面等，采用面模型描述），匹配时以点到线距离和点到面距离为残差优化位姿。 ALOAM则是LOAM的一个优化版本，主要去掉了IMU相关的部分，并对代码进行了一定的优化。分享放在前面（提前阅读一下比较好入口）：（1）ALOAM git hub:
2022-03-23 16:50:23
2601
3
原创 基于Autoware 1.14 构建点云地图（*** mapping ***）
Autonomous vehicle 杂谈_10一. 如何实现点云地图的制作？为什么要用NDT_mapping？ 其实基础思想很简单，所谓的点云地图其实就是将LiDAR扫描到的一帧帧点云数据进行匹配和拼接，那么如何精确的匹配点云就是一个需要解决的问题了。 在Autoware软件中，自带了两种用于点云匹配的功能包，一个是基于ICP算法的，另一个就是我们今天要讲的基于NDT算法的点云匹配以及地图制作。 那么问题又来了，为什么我们要选择使用NDT算法，而不使用ICP算法呢？其实原因很简单，那就是因为IC
2022-03-18 12:14:18
2411
原创 英文版本Ubuntu下添加中文拼音输入法: Chinese (Intelligent Pinyin)
快乐时光_03废话不多说，直接上教程：（1）在设定中添加中文语言支持：Settings -> Region & Language -> Manage installed Languages -> Install / Remove Languages -> 点选 Chinese (simplified) -> Apply（2）命令更新系统，确保下载完整语言包sudo apt-get update && sudo apt-get upgrade
2022-03-14 13:12:54
5120
5
原创 【一文了解】经典图像的增强方法都有些什么？什么又是振铃现象？为什么图像会产生噪声？噪声又有什么分类？
CV_07 图像增强 & 图像噪声一. 什么是图像增强？图像增强其实就是有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征、扩大图像中不同物体特征之间的差别、抑制不感兴趣的特征。最终改善图像的质量、丰富图像的信息量，加强图像判读和识别的效果，从而满足某些特殊分析的需要。二. 图像增强的分类图像增强可以分为三大类，一类是频率域法，一类是空间域法，还有一类是彩色增强。三. 空间域法介绍：空间域法是直接对图像的像素进行处理。主要又分为点处理和邻域处理。点处
2022-03-08 15:50:51
5611
原创 Ubuntu18.04实装PCL
Autonomous vehicle 杂谈_09一. PCL (Point Cloud Library) 介绍 PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源 C++ 编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在 Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说 OpenCV 是 2
2022-02-16 13:44:17
3133
原创 如何理解基于深度学习的点云补全算法 - PF-Net (Point Fractal Network for 3D Point Cloud Completion) ?
CV_6 PF-Net 算法解析一. 引言 了解激光雷达- LiDAR 特性的同学们都知道，LiDAR有一个致命的缺陷，那就是随着被检测物体的距离越来越远，根据LiDAR获取的点云的密度将会变得越来越稀疏，我们通常把它称之为“ 近密远疏 ”特性。为了解决这一问题，换句话说就是对稀疏点云进行补足，衍生出来很多种办法，比如将图像中的二维特征点进行三维转换等等。当然，自然也跑不了深度学习这个万金油。本文就将对这些算法中，个人认为比较有效的算法：PF-Net 算法进行简单的分析。二. PF-Net 算法的核
2022-02-15 15:44:17
11302
13
原创 如何轻松理解对点云的深度学习算法 - PointNet的进化版 - PointNet++ 算法 （点云分类、分割部分）？
CV_5 PointNet++算法的简单理解（分类、分割部分 - 入门级别）一. 引言 在上一篇对PointNet++算法的文章中，我们了解到了PointNet++算法究竟是如何在考虑局部信息的情况下完成特征提取的，如果还对特征提取步骤不太了解的同学请移步：如何轻松理解对点云的深度学习算法 - PointNet的进化版 - PointNet++ 算法 （特征提取部分）？。那么既然有了特征提取的结果，我们就该了解一下，PointNet++算法是如何对点云进行分类和分割的了。二. 点云分类任务 分类任
2022-02-08 14:02:51
2295
原创 如何轻松理解对点云的深度学习算法 - PointNet的进化版 - PointNet++ 算法 （特征提取部分）？
CV_4 PointNet++算法的简单理解（入门级别）一. 填坑指南 2021年年中的时候，博主曾经写过一篇介绍有关点云的深度学习 - PointNet算法的文章：链接在此。因为各种原因没有继续更新其进阶版 - PointNet++算法，2022年春节假期的最后一天把坑填上。二. PointNet++弥补了PointNet的哪些缺点？ 上回书说到PointNet有以下两大缺点：与当前的主流网络不符，没有局部特征的融合，要不是自己一个点，要不就是整体一群点。没有关系的概念，局部样本点之间是一
2022-02-06 22:05:23
2047
1
原创 浅谈深度学习、Pytorch框架的一些必备的理论知识
机器学习20_一些理论知识一. 关键概念：算法（Algorithm）：原本用以定义在解决问题时，按照某种固定步骤一定可以得到问题的结果的处理过程。后在数据科学领域，用以指代能够根据历史数据实现预测或得出某种结果的计算步骤或数学方法。人工神经网络（ANN）：模拟人脑结构、复现人脑思考规律、以制造和人相似的智慧为目的的机器学习算法。机器学习（ML）：使用计算机实现算法，使得计算机能够学习数据、获取经验。并实现于预测或得出结果的过程。深度学习（DL）：以研究人工神经网络算法为核心的学科。
2022-02-06 14:56:46
2314
1
原创 Ubuntu18.04实装Autoware calibration_toolkit 联合标定工具箱
Autonomous vehicle 杂谈_08一. 前言由于Autoware在版本1.10之后就取消了内建标定工具箱，因此为了完成日常的标定工作，或者说你没有安装Autoware的刚需，我们就可以自己动手安装并配置联合标定箱。本篇博文就将详细介绍如何在Linux常用发行版：Ubuntu18.04上完成上述安装、配置操作。二. 步骤介绍（1）安装ROS Melodic （步骤见：链接在此）（2）安装非线性优化库 nlopt（3）配置libnlopt.so.0链接（4）安装标定箱并运行三.
2022-01-23 14:02:50
2441
1
原创 Ubuntu18.04 + ROS Melodic 配置 ** Velodyne VLP16激光雷达** 以及 **Intel Realsense D435深度相机**
Autonomous vehicle 杂谈_07一. 步骤介绍安装ROS Melodic（步骤见：链接在此）配置有线连接的IP地址安装ROS依赖创建ROS工程连接设备运行并通过Rviz查看点云二. 详细操作配置有线连接：点击电脑右上角网络标识，找到以太网，点击有线连接1（没有的话进行创建）。修改该连接的地址信息：修改对象修改内容地址192.168.1.70子网掩码255.255.255.0网关不设置安装ROS依赖### 终端
2022-01-17 13:40:28
1939
1
原创 深度学习目标检测模型汇总（论文，源码，数据集，推荐收藏）
CV_04 深度学习目标检测模型汇总一. 借鉴与参考本文大部分内容摘自于GitHub 上毕业于韩国首尔国立大学电气与计算机工程专业的 Lee hoseong所上传的经典项目，该项目的链接：https://github.com/hoya012/deep_learning_object_detection。二. 目标检测模型编年史三. 经典模型论文及源码分享（重点加粗标红）名称年份论文代码 R-CNN2014链接链接（Caffe版）OverFeat2014链接
2021-12-15 16:11:28
3910
2
原创 Ubuntu18.04实装autoware1.14.0（ROS Melodic、QT5.9.5、BagRunning）
Autonomous vehicle 杂谈_06一. ReadMe博主之前使用的是Autoware1.12.0版本，但该版本在安装过程略有些繁琐，且会出现花屏的问题，这对于新手来说解决起来会比较头疼，因此可以直接跳过旧的版本（虽然1.14.0也旧了…）安装一个个人认为轻松一点的版本：1.14.0。如果有想安装1.12.0版本Autoware的同学请移步：Ubuntu18.04实装autoware1.12.0 (包含：ROS安装、QT安装、autoware花屏解决)与1.12.0同理，同学们只需要
2021-12-13 13:08:20
2278
6
原创 如何使用OpenCV-Python实现图像的缝合？（附源码）
OpenCV杂谈_14一. 为什么需要图像的缝合？解决相机视角有限的问题，实现不使用全景相机也能获得全景图像的目的。二. 图像缝合的过程中需要注意什么？保证各个相机获取图像的分辨率（或者说是Size）相同三. 环境配置Python版本：3.9功能包：opencv-python（4.5.1.48）、 numpy （1.20.1）文件夹配置：四. 源码如下"""实现对图像的缝合（注意点：需要保证左右两张图像的size一样）"""import cv2import numpy
2021-12-11 12:40:54
4426
原创 Python实现激光雷达点云的向图像的重投影（世界坐标转换为像素坐标 + Autoware标定结果使用方法）- - 附源码 * 更新版 - -
Autonomous vehicle 杂谈_05一. 写在前面很久之前博主有写过一篇 Python实现三维世界坐标向二维像素坐标的转换（附源码） 的博文，但在最近重新研究过后，发现计算过程中确实有些纰漏，为了提醒自己，也是为了填补这一领域博文的空白，博主决定重新整理一下。二. 使用Autoware获取自己的LiDAR&Camera校准结果这里不加赘述，详细步骤可参考以下博文：无人驾驶汽车系统入门（二十二）——使用Autoware实践激光雷达与摄像机组合标定这篇文章写得很清晰，大家按照这
2021-12-07 14:27:03
12517
22
原创 使用Python三步生成一个属于自己的赛博朋克动画风头像
快乐时光_02一. 环境介绍首先的首先你需要有一个Google账号。这次我们不需要再繁琐地去搭建相应的环境！可以光明正大的baipiao！跟随链接直接进入Google Colaboratory ： 链接在此。注：整个过程在云端完成，所以不要担心接下来的下载会占用空间等问题。二. 操作步骤Install AnimeGANv2 (线上加载程序，并创键存放 之后用于转换的图片的文件夹)点击项目左端播放键按钮，等待数十秒。Upload images （上传图片到刚才创建的 image
2021-11-17 17:46:33
2561
原创 如何用 “Inter-Depth-camera-d435“ 相机实时获取被检测物体的分类以及距离？（附源码）
CV_3 活用 InterDepthCamera-d435一. 初衷最近博主决定开始着手对深度相机的研究，恰好研究室有这么一台：Inter-Depth-camera-d435 相机，于是拿来把玩一番，顺便记录一些心得体会。二. 相机介绍英特尔® 实感™ 深度摄像头 D435 （Inter-Depth-camera-d435）是一款立体追踪解决方案，可为各种应用提供高质量深度。它的宽视场非常适合机器人或增强现实和虚拟现实等应用，在这些应用中，尽可能扩大场景视角至关重要。这款外形小巧的摄像头拍摄范围
2021-11-13 15:08:40
3539
2
原创 如何使用卡尔曼滤波（Kalman Filtering）实现对物体运动轨迹的预测？（附源码）
OpenCV杂谈_13一. 什么是卡尔曼滤波？它的用途又是什么？以及它有什么拓展？卡尔曼滤波（Kalman filtering, KF）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列中预测出物体的坐标位置及速度。在很多工程应用（雷达、计算机视觉）中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题。为了解决普通KF仅能处理线性数据的问题，从而就有了用于解决非
2021-11-06 14:35:14
36287
11
原创 Python下的数据处理 - - - Pandas模块学习
Python自学_05一. 安装pandas，xlrd功能包及待处理文件终端执行：$ pip install pandas$ pip install xlrd==1.2.0$ cd “自己程序所保存的目录”$ git clone https://github.com/KeithGalli/pandas.git文件夹内部构造：二. 为什么需要用到pandas以及什么是DataFrame类型数据?便于对数据进行快速查找与修改可快速对数据进行排序、评价便于修改用于深度学习的csv类文
2021-10-30 16:02:01
336
原创 浅谈C++中的各种运算符
C++自学整理_03一. 总结不多bibi，一口气总结在C++中的所有运算符。二. 算术运算符假设此处变量A的值为10，变量B的值为5运算符描述实例+前后两数相加A + B 得到 15-前后两数相减A - B 得到 5*前后两数相乘A * B 得到 50/前后两数相除A / B 得到 2； 但 10 / 4 也会得到 2，而非 2.5， 解决办法：10.0 / 2 得到 2.5%除余A % B 得到0++自增运算符A
2021-10-29 16:18:45
1474
原创 浅谈C++中的 String（字符串）及其可调用函数
C++自学整理_02一. 总结：不论在什么编程语言中，字符串类的数据类型都是一个至关重要的角色，本文将详细讲述在C++编程语言中，字符串类型所具有的特性，以及< string >头文件中所带有的有关字符串的函数方法。二. 字符串的命名与赋值、什么是C string与其他C++语言中的数据类型相同，当你想创建一个字符串类型的变量时，首先需要给一段字符串一个名称，并声明其数据类型。或者当你想生成一个仅可读的字符串的时候，你就可以用到c string。而如果你想要通过在终端通过 cin 输入
2021-10-28 15:34:56
1317
原创 浅谈C++中的各种反斜杠“\”的用途
C++自学整理_01一. 总结：在C++语言中，由于其在一定程度上继承了C语言的编码规则，所以我们经常会在C++的代码中看到C语言的影子，本篇博文就是针对C++语言中的各种反斜杠“\”操作，来进行较为详细的探讨。二. 图表展示反斜杠的意义内容意义\n换行\b删掉字符串前方的一个字母\t多一个tab（四个空格）\v换行，并在第二行前边加一个tab\0是一个“空字符常量”，用来表示一个字符串的结束，其ASCII码的值为0，注意它与 “空格”（ASC
2021-10-27 14:28:10
5836
原创 轻轻松松用16行Python代码实现实时语音识别（附源码）
快乐时光_01一. 环境配置：Python版本：3.7功能包：SpeechRecognition 3.8.1 、 PyAudio 0.2.11Windows下PyAudio的安装方法：(1) 安装 wheel ：在终端执行 pip3 install wheel(2) 下载PyAudio的轮子：链接在此, 博主下载的是：PyAudio- 0.2.11-cp37-cp37m-win_amd64.whl ， 同学们根据自己的Python版本和计算机位数（字长）自行下载适配版本。(3
2021-10-26 15:42:17
16489
7
原创 如何使用ORB算法实现不同图像间的相同物体的特征匹配？（附源码）
OpenCV杂谈_12一. 需要做的前期准备环境配置：Python版本：3.7功能包：opencv-python（3.4.2.16）常识须知：ORB是什么？为什么要用ORB？ORB 是 Oriented Fast and Rotated Brief 的简称，可以用来对图像中的关键点快速创建特征向量，这些特征向量可以用来识别图像中的对象。ORB 的特点是速度非常快，而且在一定程度上不受噪点和图像变换的影响，例如旋转和缩放变换等。而且免费。文件夹配置一个用的顺手的IDE（由于是Pytho
2021-10-20 16:44:32
3655
原创 小白如何通俗地理解 - - 遗传算法以及其实际应用？
Autonomous vehicle 杂谈_04一. 浅谈什么是遗传算法？所谓的人工智能，就是让计算机拥有人的智慧和能力。以机器学习（深度学习）为例，其就是在模仿人的学习过程，通过不断地学习来获取知识，从而在遇到新的事物时，可以根据已经学得的知识做出一系列的判断。而遗传算法则是另外一种对人（生物）的模仿，其模仿的对象就是人（生物）的进化学说和遗传学说。也就是通过不断地竞争、繁殖、进化来获取“全局最优解”。二. 举个例子（寻找最短路径 - - TSP商旅问题）理解遗传算法什么是TSP商旅问题
2021-09-30 16:54:28
1358
1
原创 Ubuntu18.04实装autoware1.12.0 (包含：ROS安装、QT安装、autoware花屏解决)
Autonomous vehicle 杂谈_03一. ReadMe本次配置是针对于Linux系统（Ubuntu18.04）且不配置CUDA的，用于自动驾驶的辅助工具 - - autoware1.12.0。在安装autoware（1.12.0）之前，首先需要安装ROS（Melodic）,QT（5.12.0）。且须注意，部分教程会建议升级安装OpenCV4.0以上版本，但实际安装下来，会出现一系列奇奇怪怪的问题，而且ROS本身是自带OpenCV的，因此博主在这里建议大家不去升级或者安装OpenCV。
2021-09-26 17:14:51
1555
原创 机器学习之支持向量机简述（最大边界分类器：MMC；支持向量分类器：SVC；支持向量机：SVM）
机器学习22_支持向量机简述（2021.09.07）一. 引言：（摘自：https://ladychili.top/SVM/）机器学习研究者所说的 Support Vector Machines 通常泛指最大边界分类器 (Maximal Margin Classifier)、支持向量分类器 (Support Vector Classifiers) 和支持向量机 (Support Vector Machine) 三者。其本质都是构造linear decision boundary，前者分别是后者在数据纬
2021-09-07 14:04:44
2149
原创 如何使用OpenCV-Python实现超轻量化的实时物体检测（可显示分类结果+bbox，附源码）
OpenCV杂谈_11一. 需要做的前期准备环境配置：Python版本：3.7.0功能包：opencv-python （4.5.1.48）配置文件coco.names（darknet中常用的标签文件）、frozen_inference_graph.pb（weights文件）、ssd_mobilenet_v3_large_coco_2020_01_14.pbtxt（网络模型）。下载链接：链接在此具体文件夹构造如下图：一个用的顺手的IDE（本人推荐Pycharm）二. 源码如下：im
2021-09-05 15:11:23
1422
3
原创 机器学习之决策树的连续值、缺失值处理
机器学习22_决策树的连续值、缺失值处理（2021.09.03）一. 决策树连续值处理 - - - 引言：昨天讨论过的所生成的决策树，都是基于一些离散性的数据而生成的（例如上图蓝色圈圈内部有关色泽的属性）；但是现实任务中常常会遇到连续的数据属性（例如上图红色圈圈内部有关密度的属性）。且由于连续属性的可取数目不再有限，因此，不能直接根据连续属性的可取值来对节点进行划分，此时，对于连续数据的离散化技术就可以派上用场了。其中，最简单的方法就是采用二分法对连续数据进行处理。二. 二分法处理连续值的过程（针对
2021-09-03 14:57:35
1660
原创 机器学习之决策树（熵、信息、噪音、熵量化、信息增益、信息增益率、基尼值、基尼指数）和逻辑回归树的详解
机器学习21_决策树（decision tree）逻辑回归树（regression tree）详解（2021.09.02）一. 究极总结决策树：一个定义在特征空间与类空间上的条件概率分布。逻辑回归树：解决逻辑回归问题的决策树。二. 知识储备什么是熵？一种事物的不确定性就叫做熵。比如我想买一颗西瓜，该挑哪一颗我不知道，我很不确定，这种感觉就被称作为熵。用数学的角度来解释就是：熵是描述系统状态的函数，也就是用来计算系统的混乱程度。什么是信息？信息就是可以用来消除不确定的事物。其作用就是：调整
2021-09-02 14:00:25
1238
原创 win10下全套配置深度学习环境：Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm（详细教程，亲测可用）
本文针对于电脑中配备有GPU，且有深度学习需求的小伙伴们，搭建一个可用无污染的深度学习环境。文章是借鉴综合了网上大神们的各种方法，再经本人综合而成的，如有雷同纯属意外。
2021-07-23 20:47:23
1931
2
原创 如何轻松理解对点云的深度学习算法 - PointNet算法？
CV_2 PointNet、PointNet++算法的简单理解（入门级别）一. 写这篇博文的初衷随着激光雷达渐渐被人们所熟知，其抗干扰、精度高、可建模的优点也被逐渐放大，因此也开始被广泛地用于各个行业（自动驾驶、精密测距、3D建模等等），但由于激光雷达本身的一些局限性（点云近密远疏、雨雾天气表现一般等等），因此其更常被用做是传感器融合中的一个部分。但不管是研究学者也好还是产业公司也好，都有着减少传感器数量、降低成本的最为纯粹的需求。因此对于激光雷达点云的深度学习也在近两年开始越来越多，本文便旨在介绍一种
2021-07-12 15:25:24
1109
原创 机器学习之线性判别分析（LDA）详解（附多维红酒数据集的LDA降维代码实现）
机器学习20_线性判别分析（LDA）详解（2021.07.07）一. 究极总结：投影后类内方差最小，类间方差最大。二. 知识理解LDA的思想非常朴素，给定训练样例集，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离。在对新样本进行分类时，将其投影到同样的这条直线上，在根据投影点的位置来确定新样本的类别。如下图所示：在将所有的点通过降维的思想投影到直线上之后，实现了所谓的同类样例接近，异类样例远离的结果。如图中左边的理想情况，甚至可以找到一个法点以及它的法线
2021-07-07 17:27:43
2003
原创 如何使用OpenCV-Python-dlib实现有关闭眼的检测、眨眼次数的计算？（附源码，绝对可用）
OpenCV杂谈_10一. 需要做的前期准备环境配置：Python版本：3.6.0（这里需要注意一下，如果你的python版本为>=3.9，对于dlib包的导入将会很困难，具体导入方法博主还没有解决）功能包：scipy （1.5.4）、imutils （0.5.4）、argparse （1.4.0）、dlib （19.22.0）、opencv-python （4.5.2.54）如果想要对录制好的视频进行处理则需要提前获得的视频下载shape_predictor_68_face
2021-07-06 21:55:18
2214
5
原创 如何简单地理解最小二乘法和线性回归方程？（高中数学知识）
知识乱弹_011. 如何判断两个变量是否相关？以这两个变量作为坐标轴，画出这两个变量的散点图，如果这两组散点比较集中，那么我们就可以判断这两个变量是相关的。如果这些点集中在一条直线附近，那我们就称这两个变量是线性相关的，反之如果这些点集中在一条曲线附近，那么我们就说这两个变量是非线性相关的。当然了如果这两组散点是不集中的，那么这两个变量就是不相关的。2. 什么是最小二乘法？如果有n个点(x1, y1), (x2, y2) … (xn, yn)，可以用如下的图以及公式来刻画这些点与直线y = ax
2021-06-28 15:52:01
1797
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人