双目视觉相关
sky天
这个作者很懒,什么都没留下…
展开
-
opencv 32位申请内存不足突破2G方法
首先给出我的配置吧,win10 64位 + vs2015 + opencv2.4.9,这个问题的产生只与系统有关,1.X86程序与X64程序的区别X86程序的内存使用限制在Windows32位操作系统中,每个进程所能使用的最大空间(包含操作系统使用的内核模式地址空间)为4G,在通常情况下,操作系统会分配2GB内存给进程使用,另外2G内存,另外2G内存为操作系统保留。何谓大内存所谓“大内存”,就是指允许X86进程允许使用超过2G的内存空间。这里的内存空间不光是进程动态申请的,还包括操作系统自动为进程原创 2020-05-27 00:19:23 · 678 阅读 · 0 评论 -
opencv+SIFT+RANSAC+简单的图像拼接
OpenCV2.4.9+X64+VS2015测试通过需要的小伙伴配置好环境就可以用了,只是个最简单功能,初学者可以试试。#include <stdio.h> #include <opencv2/nonfree/features2d.hpp> #include <opencv2/imgproc/imgproc.hpp>#include <opencv2/nonfree/nonfree.hpp> #include <opencv2/open原创 2020-05-26 21:20:19 · 1731 阅读 · 0 评论 -
SIFT特征点的匹配正确率衡量标准与量化
原文链接:https://blog.csdn.net/cgwang_1580/article/details/68944319另外还有一篇文章写的也不错:http://bookshadow.com/weblog/2014/06/10/precision-recall-f-measure/目前图像匹配中,局部特征匹配占据了绝大部分,常用的局部特征匹配方法有Harris、SIFT、SURF、ORB等等,不同的特征点检测和匹配方法尤其独特的优势和不足;特征点匹配经过Ransac算法优化后仍存在错误匹配点对,转载 2020-05-19 18:10:04 · 8390 阅读 · 1 评论 -
VS2015下如何配置修改并调试opencv源代码
1、配置opencv工程项目主要是介绍如何通过vs2015编译opencv2.4.9源代码,具体步骤可以参考浅墨大神的blog链接如下:OpenCV入门教程之七】 玩转OpenCV源代码:生成OpenCV工程解决方案与OpenCV源码编译浅墨博客里用到的Cmake版本是2.8太低了,推荐下载3.4以上的。我之前就是下载的2.8版本导致我一直闹心因为2.8版本里根本没法在VS2015里配置,导致我一度以为我哪里错了,后来换了cmake3.15.5的版本立马就解决问题了把链接给出来有需要的自己去下载:原创 2020-05-13 20:24:21 · 883 阅读 · 2 评论 -
将RGB图像转为YCbCr,并显各通道图片
转换公式按照如下转换公式利用opencv编写代码。运行环境win10+opencv2.4.9+VS2015#include "stdafx.h"#include<opencv2/opencv.hpp>#include<iostream>#include<math.h>#include<math.h>#include<complex>using namespace std;using namespace cv;Mat BGR原创 2020-05-12 10:34:01 · 3902 阅读 · 2 评论 -
图像学习-HOG特征
特征描述子(Feature Descriptor)特征描述子就是图像的表示,抽取了有用的信息丢掉了不相关的信息。通常特征描述子会把一个wh3(宽高3,3个channel)的图像转换成一个长度为n的向量/矩阵。比如一副641283的图像,经过转换后输出的图像向量长度可以是3780。什么样子的特征是有用的呢?假设我们想要预测一张图片里面衣服上面的扣子,扣子通常是圆的,而且上面有几个洞,那你就可以用边缘检测(edge detector),把图片变成只有边缘的图像,然后就可以很容易的分辨了,那么对于这张图边缘信转载 2020-05-11 11:29:06 · 654 阅读 · 1 评论 -
立体匹配算法不足
立体匹配算法的分类根据不同的标准,立体匹配算法有不同的分类方法。首先,根据匹配基元的不同,立体匹配算法可分为:基于区域的匹配算法,基于特征的匹配算法和基于相位的匹配算法。1.基于区域的匹配算法。主要利用左右视图中,局部窗口之间灰度信息的的相关程度进行匹配。该算法可利用所有的图像信息,最大限度地恢复场景细节特征,在视差连续且纹理丰富的区域有着较高的精确度,能得到稠密的视差图。但该算法存在下几个问...原创 2020-04-29 16:01:23 · 2080 阅读 · 1 评论 -
立体匹配十大概念综述---立体匹配算法介绍
立体匹配算法最新动态:http://vision.middlebury.edu/stereo/eval/介绍立体匹配的基本原理: http://vision.deis.unibo.it/~smatt/Seminars/StereoVision.pdf立体匹配综述性文章 : http://wenku.baidu.com/view/5b359d7d5acfa1c7aa00cc7b.html一、概...转载 2020-04-20 19:38:49 · 1339 阅读 · 0 评论 -
稀疏匹配和稠密匹配
学习双目视觉总是对一些概念模糊不清,例如稀疏匹配和稠密匹配,今天来总结一下。稀疏匹配基于特征(点、线)的匹配称作稀疏匹配。在立体图像对中识别兴趣点而后在两幅图像中匹配相对应的点。识别兴趣点在图像中具有很大变化的区域内寻找兴趣点在以某一点为中心的窗函数中,计算其在不同方向上的变化量为避免将多个相邻点选为同一特征对应的兴趣点,将特征点选在兴趣测度函数具有局部最大值的地方。稀疏匹配特...原创 2020-04-20 16:19:12 · 6760 阅读 · 0 评论 -
FAST快速检测+SURF描述子+FlannBased匹配算法 c++实例
运行环境 VS2015+opencv2.4.9#include "stdafx.h"#include<vector>#include<opencv2\opencv.hpp>#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <...原创 2020-04-02 12:40:42 · 550 阅读 · 0 评论 -
Opencv的KeyPoint和DMatch数据结构
/* * Struct for matching: query descriptor index, train descriptor index, train image index and distance between descriptors. */ /* * DMatch主要用来储存匹配信息的结构体,query是要匹配的描述子,train是被匹配的描述子,在Opencv中进行匹...转载 2020-04-02 12:22:13 · 280 阅读 · 0 评论 -
opencv FAST检测算法
前面描述角点检测的时候说到,角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测方法FASTSURFORBBRISKKAZEAKAZEMESRGFTT good feature to tackBob斑点STARAGAST 接下来分别讲述这是一种图像特征检测算法,但是首先,需要了...原创 2020-03-31 22:47:17 · 1128 阅读 · 0 评论 -
立体匹配算法概述
立体匹配算法一、立体匹配算法的分类在立体匹配中,匹配问题可以看成是寻找两组数据相关程度的过程。立体匹配算法由多种分类。①根据算法运行时约束的作用范围:分为局部(local)匹配算法和全局(Global)匹配算法。②基于生成的视差图:可分为稠密(Dense)匹配和稀疏(Sparse)匹配。稠密匹配:是基于生成的视差图,对于所有像素都能生成确定视差值,称为稠密匹配。稀疏匹配:只选择关键像素点[...转载 2020-03-15 13:24:36 · 3544 阅读 · 0 评论 -
齐次坐标的理解
齐次坐标的理解一直对齐次坐标这个概念的理解不够彻底,只见大部分的书中说道“齐次坐标在仿射变换中非常的方便”,然后就没有了后文,今天在一个叫做“三百年 重生”的博客上看到一篇关于透视投影变换的探讨的文章,其中有对齐次坐标有非常精辟的说明,特别是针对这样一句话进行了有力的证明:“齐次坐标表示是计算机图形学的重要手段之一,它既能够用来明确区分向量和点,同时也更易用于进行仿射(线性)几何变换。”—— F...转载 2019-11-02 09:49:54 · 290 阅读 · 0 评论 -
双目视觉入门之为什么要进行相机标定
双目视觉入门之为什么要进行相机标定为什么要进行相机标定网上已经有大量教程对相机标定的过程进行详细讲解,这里不再进行赘述,很多人都知道相机标定的步骤,并按照教程一步一步走下来,但很少关心**为什么要这么做,笔者整理一些观点,供大家讨论学习,如有不足请指正。相机标定的目的是:建立相机成像几何模型并矫正透镜畸变。建立相机成像几何模型:计算机视觉的首要任务就是要通过拍摄到的图像信息获取到物体在真...原创 2019-11-02 09:24:07 · 4531 阅读 · 0 评论