计算机视觉
文章平均质量分 77
小刘鸭19
这个作者很懒,什么都没留下…
展开
-
OpenCV imshow()无法显示图片,无响应
问题描述:使用如下代码调用opencv读取显示图像,imshow()后窗口图像显示无响应img = cv2.imread("D:/images/2.jpg’)cv2.imshow('Tracking', img)解决方案:img = cv2.imread(filename)cv2.imshow('Tracking', img)cv2.waitKey()cv2.destroyAllWindows()调用 destroyWindows()函数可以释放由 OpenCV创建的所有窗口...原创 2021-12-01 19:13:34 · 2471 阅读 · 4 评论 -
pycharm view as array数据无法显示问题
问题描述:pycharm运行后无法通过view as array查阅数据,无法弹出数据解决方案:设置SciView工具窗口但是每次打开PyCharm都得点击一次,比较麻烦,所以直接选用view下的Scientific Mode。至此,问题解决。...原创 2021-12-01 19:13:14 · 4131 阅读 · 2 评论 -
【翻译】visual-lidar odometry and mapping: low- drift, robust, and fast
作者:Ji Zhang and Sanjiv Singh时间:2015/05摘要 —— 在这里,我们提出了一个通用的框架,结合视觉里程计和激光雷达里程计在一个基本和第一原则的方法。该方法显示了在性能上的改进,特别是对aggressive motion的鲁棒性和temporary lack of visual features。所提出的在线方法从视觉里程计算开始,利用扫描激光雷达在高频率(high-frequency)、低保真度(low fidelity)下进行自运动估计(ego-motion)和点云记原创 2021-11-30 16:51:36 · 2766 阅读 · 0 评论 -
SLAM | visual-lidar odometry and mapping: low- drift, robust, and fast
1. 为什么要做sensor fusion单种类型的sensor均存在一定的缺陷:Visual odometry:需要适度的照明条件条件需要差异化的视觉特征Lidar odometrty:运动雷达涉及aggressive motion问题(扫描率低)在平坦环境下会扫描匹配失误==> Sensor fusion,探索两者优势,互补融合。2. DEMO & LOAM(Ji Zhang)2.1 DEMO(Visual odometry)针对单纯的视觉里程计,原创 2021-11-30 16:50:39 · 2767 阅读 · 0 评论 -
【翻译】SLAM|Hybrid, Frame and Event based Visual Inertial Odometry for Robust, Autonomous Navigation
Antoni Rosinol Vidal, Henri Rebecq, Timo Horstschaefer and Davide Scaramuzza摘要Event cameras are bio-inspired vision sensors that output pixel-level brightness changes instead of standard intensity frames. These cameras do not suffer from motion blur and原创 2021-11-30 16:49:38 · 261 阅读 · 0 评论 -
SLAM传感器
1. 分类定位 —— 我在当前环境的什么位置?构图 —— 当前所在环境是什么样子?激光2D/3D并不是传感器本身是二维还是三维,指的是单线激光还是多线激光,是几条线(16线,32线…)基于红外的夜间SLAMTOF,kinect的深度成像模块RGBD,能同时拿到image和depth雷达,主动式发送和接收声呐,水下使用2. 视觉类传感器2.1 概念&基础相机作用:一种将可见光或电磁谱捕捉记录为一张图像(通常方便人或设备读取/处理)数字图像:数字化,模—>数,表示为通原创 2021-11-30 16:05:41 · 2482 阅读 · 1 评论 -
目标检测性能评估参数 — IoU & mAP
文章目录1. IoU2. mAP,mean Average Precision2.1 P(一张图像某类别的精度)2.2 AP(N张图像某类别的平均精度)2.3 mAP(N张图像M个类别平均精度的平均值)参考文献目标检测:给定一个图像,找到其中的目标,确定其位置,并对目标进行分类。1. IoU交并比(Intersection over Union),IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值,这个数据也被称为Jaccard指数。一般情况下设定IoU阈值为0.5,也就是原创 2021-11-27 15:03:28 · 2849 阅读 · 0 评论 -
【翻译】SSD: Single Shot MultiBox Detector
文章目录摘要1. 引言2. The Single Shot Detector 单次检测器(SSD)2.1 模型2.2 训练3. 实验结果3.1 PASCAL VOC20073.3 PASCAL VOC20123.4 COCO3.5 初步的ILSVRC结果3.6 为小目标准确率进行数据增强3.7 推断时间4. 相关工作参考资料论文链接:https://arxiv.org/pdf/1512.02325v3.pdf代码链接:https://github.com/weiliu89/caffe/tree/s原创 2021-11-27 14:56:38 · 156 阅读 · 0 评论 -
Adam优化算法
文章目录1. Adam优势2.Adam 算法和传统的随机梯度下降的区别3. Adam 算法是AdaGrad和RMSProp两种随机梯度下降扩展式的优点集合4. Adam的参数配置参考文献Adam, 适应性矩估计(adaptive moment estimation)1. Adam优势Adam 优化算法应用在非凸优化问题中所获得的优势:直截了当地实现高效的计算所需内存少梯度对角缩放的不变性(第二部分将给予证明)适合解决含大规模数据和参数的优化问题适用于非稳态(non-stationa原创 2021-11-27 15:00:01 · 6850 阅读 · 0 评论