图像处理
yanghan742915081
这个作者很懒,什么都没留下…
展开
-
五种常用点云滤波
本文主要介绍五中点云滤波方法:直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器。噪声点与离群点。在获取点云数据时,由于设备精度、操作者经验、环境因素等带来的影响,以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响,点云数据中将不可避免地出现一些噪声点,属于随机误差。除此之外,由于...转载 2018-12-19 11:50:04 · 29280 阅读 · 12 评论 -
奇异值分解求
&a转载 2018-11-28 17:05:09 · 186 阅读 · 0 评论 -
张正友标定
张正友标定法是利用单应变化,也叫投影变化来建立方程组。单应变化是指图片A到图片B有唯一的点到点的对应关系,即B = HA,H称为单应矩阵。假设棋盘格在世界坐标系中Z=0的平面,此时棋盘格的世界坐标[X,Y,1]可以看作A,相机拍摄的图片可看作B,则单应矩阵H可求。而像素坐标系=内参x外参x世界坐标系, 即,SB=K[R|t]A,S为伸缩因子,则S[h1,h2,h3]=K[r1,r2,t],因为...转载 2018-11-27 19:02:33 · 234 阅读 · 0 评论 -
特征值分解和奇异值分解的
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/lyf52010/article/details/7转载 2018-11-27 15:42:28 · 195 阅读 · 0 评论 -
尺度不变特征变化
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u014485485/article/details转载 2018-12-04 21:36:41 · 3263 阅读 · 0 评论 -
矩阵的奇异值
矩阵的本质就是把一个行空间基底下的向量变换到列空间基底下,但是这两个基底不一定是正交基底。一个m行n列的矩阵A,其行空间是n维(一行n个数)的而列空间是m维(一列m个数)的,而A的作用就是把一个向量v由n维空间(行空间)变化到m维空间(列空间)中,而矩阵A的特征向量描述的是这个矩阵线性变化的主要方向,属于m维空间中的向量,m维空间中任意一个向量都可以由这些特征向量的线性组合表示出来,假设有...原创 2018-11-27 09:48:05 · 3745 阅读 · 1 评论 -
卷积理解
版权声明:请注明出处,可以随意转载 https://blog.csdn.net/qq_39521554/article/details/7908386转载 2018-11-30 10:26:18 · 201 阅读 · 0 评论 -
卷积理解
版权声明:请注明出处,可以随意转载 https://blog.csdn.net/qq_39521554/article/details/7908386转载 2018-11-30 10:26:18 · 277 阅读 · 0 评论 -
为什么拉普拉斯算子具有旋转不变性
&a转载 2018-12-04 17:37:37 · 4248 阅读 · 0 评论 -
特征值分解和奇异值分解的
<div class="article_content clearfix csdn-tracking-statistics" id="article_content" data-mod="popu_307" data-dsm="post" data-pid="blog">  转载 2018-11-26 22:55:10 · 212 阅读 · 0 评论 -
奇异值分解为何能求
奇异值分解的作用就是,根据所给出的矩阵,找出该矩阵产生作用的两个标准正交基。假设标准正交基U经过旋转矩阵R后得到标准正交基V,则有RU=V,则R=VU^-1,而奇异值分解就是用来求U和V的,怎么求?为何奇异值分解能找到这两个标准正交基?这是根据特征值分解中“实对称矩阵的特征向量正交”这一性质求解出来的。...原创 2018-11-28 20:54:27 · 274 阅读 · 0 评论 -
卷积理解
版权声明:请注明出处,可以随意转载 https://blog.csdn.net/qq_39521554/article/details/7908386转载 2018-12-01 22:03:06 · 1856 阅读 · 0 评论 -
LoG高斯拉普拉斯算子介绍
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Touch_Dream/article/detail转载 2018-12-01 22:04:46 · 9562 阅读 · 2 评论 -
离群点检测
常用两种:1.基于knn搜索的统计滤波器,2.LOF算法统计滤波器:对每个点的邻域进行一个统计分析,并修剪掉一些不符合标准的点。具体方法为在输入数据中对点到临近点的距离分布的计算,对每一个点,计算它到所有临近点的平均距离(假设得到的结果是一个高斯分布,其形状是由均值和标准差决定),那么平均距离在标准范围之外的点,可以被定义为离群点并从数据中去除。该方法对密度不均匀的点云区域滤波效果不好,比如,对...转载 2018-12-18 21:35:54 · 1893 阅读 · 0 评论 -
meshlab
https://blog.csdn.net/CHS007chs/article/details/24431889转载 2018-12-18 09:39:45 · 649 阅读 · 0 评论 -
PCL点云曲面重建--重采样
测量较小的对象时产生一些误差,直接重建会使曲面不光滑或者有漏洞,为了建立完整的模型需要对表面进行平滑处理和漏洞修复.可通过数据重建来解决这一问题,重采样算法通过对周围数据点进行高阶多项式插值来重建表面缺少的部分.由多个扫描配准后得到的数据直接拿来重建可能产生 "双墙"等重影,即拼接的区域出现重叠的两个曲面,...转载 2018-12-21 10:13:17 · 1072 阅读 · 1 评论 -
txt格式转pcd
#include “stdafx.h” #include <pcl/io/pcd_io.h> #include using namespace std; int numofPoints(char* fname){&a转载 2018-12-15 17:31:30 · 719 阅读 · 0 评论 -
泊松重建
Possion重建是Kazhdan等2006年提出的网格重建方法[1]。Possion重建的输入是点云及其法向量,输出是三维网格。Poisson有公开的源代码[2]。PCL中也有Poisson的实现。核心思想Possion重建是一个非常直观的方法。它的核心思想是点云代表了物体表面的位置,其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数,可以给出一个平滑的物体表面的估计。给定一...转载 2018-12-15 17:08:16 · 2848 阅读 · 0 评论 -
泊松重建
Possion重建是Kazhdan等2006年提出的网格重建方法[1]。Possion重建的输入是点云及其法向量,输出是三维网格。Poisson有公开的源代码[2]。PCL中也有Poisson的实现。核心思想Possion重建是一个非常直观的方法。它的核心思想是点云代表了物体表面的位置,其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数,可以给出一个平滑的物体表面的估计。给定一...转载 2018-12-15 17:08:16 · 1759 阅读 · 0 评论 -
Visual hull
&a转载 2018-12-13 20:50:45 · 1968 阅读 · 0 评论 -
尺度不变特征变化的一点理解
LoG算子可用高斯差分算子近似。尺度不变特征变化算法中,通过不断降采样得到尺寸不一样的图片,构成金字塔形状。每一层金字塔对应的尺寸的图片被不同尺度的高斯算子模糊,然后相邻尺度模糊过的图片做差分运算,这一过程相当于对该层图片与LoG算子模糊。...原创 2018-12-05 21:47:54 · 1640 阅读 · 0 评论 -
拉普拉斯算子
&a转载 2018-12-01 22:59:16 · 55321 阅读 · 1 评论 -
特征值和
原 所谓的特征值和特征向量 &nb转载 2018-11-26 20:50:10 · 2988 阅读 · 0 评论 -
KinectFusion:用运动的深度相机进行实时3D重建及交互
&a转载 2018-10-23 10:36:30 · 2159 阅读 · 0 评论 -
ransac算法
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010128736/article/details/53422070 RANSAC介绍(Matlab版直线拟合+平面拟合) 本人邮箱:sylvester0510...转载 2018-10-11 00:09:27 · 3502 阅读 · 1 评论 -
中值
&a转载 2018-10-10 16:18:01 · 2783 阅读 · 0 评论 -
高斯噪声和
噪声噪声表现形式噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般,噪声信号与要研究的对象不相关,它以无用的信息形式出现,扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。噪声对数字图像的影响对于数字图像信号,噪声表为或大或小的极值,这些极值通过加减作用于图像像素的真实灰度值上,对图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图像识别等后继工作的进...转载 2018-10-10 16:16:47 · 4058 阅读 · 0 评论 -
Mat的几种构造
1. 调用Mat的构造函数或者create函数,如: // make a 7x7 complex matrix filled with 1+3j.Mat M(7,7,CV_32FC2,Scalar(1,3));// and now turn M to a 100x60 15-channel 8-bit matrix./...转载 2018-10-05 23:41:13 · 1170 阅读 · 0 评论 -
边缘检测
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/guanyuqiu/article/details/转载 2018-10-04 22:44:38 · 1281 阅读 · 0 评论 -
傅里叶变化vs拉普拉斯
添加链接描述转载 2018-11-21 16:42:14 · 793 阅读 · 0 评论 -
奇异值分解可用于对数据进行压缩和
https://blog.csdn.net/Pwiling/article/details/51227506转载 2018-11-28 21:06:11 · 589 阅读 · 0 评论 -
特征值和特征向量的
https://blog.csdn.net/hjq376247328/article/details/80640544转载 2018-11-24 22:24:16 · 167 阅读 · 0 评论 -
特征值分解与奇异值
(一)特征值如果一个非零向量v是方阵A的特征向量,将一定可以表示成下面形式,而λ是特征向量v对应的特征值:特征值分解是将一个矩阵分解成下面的形式:其中Q是这个矩阵A的特征向量组成的矩阵,Σ是一个对角阵,每转载 2018-11-24 22:15:16 · 385 阅读 · 0 评论 -
世界坐标系,相机坐标系,图像物理坐标系,图像像素
&a转载 2018-11-23 11:41:56 · 3671 阅读 · 0 评论 -
深度相机TOF
&a转载 2018-11-22 18:40:39 · 1514 阅读 · 0 评论 -
张正友标定
&a转载 2018-11-24 01:52:35 · 2337 阅读 · 0 评论 -
单应性
https://blog.csdn.net/czl389/article/details/67689625转载 2018-11-24 01:34:58 · 220 阅读 · 0 评论 -
单应性
&a转载 2018-11-24 01:00:42 · 780 阅读 · 0 评论 -
对极几何
&a转载 2018-11-24 00:19:07 · 1318 阅读 · 0 评论 -
常用图像处理算法()
&a转载 2018-10-04 22:38:10 · 28436 阅读 · 0 评论