【前言】:
作为opencv的忠实用户,被吸引的一个很大的原因就是它在持续的更新,但是他的持续更新也带来了工程上的问题,比如程序的版本要替换,大约50+M的dll包,但是我依然喜欢opencv,它为我们带来了很多的便利。从opencv2.4.3版本开始,到opencv2.4.9 这些版本都是网上流传出来的最为广泛的版本。但是,随着时代的发展,opencv更新的速度也越来越快。到现在为止最新的稳定版是opencv3.1.0。以前并没有注意版本更新信息,但是现在觉得有必要积累一些,所以从现在开始写opencv的版本更新信息,如果有时间就把各个功能模块也仔细写一下,希望能够得到大家的支持,与大家共同学习,(如果能帮到你,请点赞,哈哈!!!)
——————————题外话结束——————————————
【opencv3.1.0】:更新内容(大多数的更新来源于contribute库)
- 全方位的摄像头的标定和3D立体重建: Omnidirectional Cameras Calibration and Stereo 3D Reconstruction
——opencv_contrib/ccalib module (Baisheng Lai, Bo Li)
-
运动结构(sfm): Structure From Motion
——opencv_contrib/sfm module (Edgar Riba, Vincent Rabaud)
- 增强DBM算法:Improved Deformable Part-based Models
——opencv_contrib/dpm module (Jiaolong Xu, Bence Magyar)
- 实时的多目标KCF跟踪:Real-time Multi-object Tracking using Kernelized Correlation Filter
——opencv_contrib/tracking module (Laksono Kurnianggoro, Fernando J. Iglesias Garcia)
- 改进扩展的场景字符检测:Improved and expanded Scene Text Detection
- 立体对应关系改进:Stereo correspondence improvements
- 结构光标定:Structured-Light System Calibration
- Chessboard+ArUco的摄像头标定:Chessboard+ArUco for camera calibration
- 深度神经网络通用接口的实现:Implementation of universal interface for deep neural network frameworks
- 边缘感知技术的发展,增强了SGBM立体算法:Recent advances in edge-aware filtering, improved SGBM stereo algorithm
- 增强了 ICF 检测器,实现了waldboost算法:Improved ICF detector, waldboost implementation
- 多目标的 TLD 跟踪:Multi-target TLD tracking
- 用CNN(卷积神经网络)进行3D姿态评估:3D pose estimation using CNNs
———————草稿线,今天先写这么多吧————————