<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[AI_Engineer的博客]]></title><description><![CDATA[有趣的AI万里挑一。]]></description><link>https://blog.youkuaiyun.com/AI_Engineer</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; AI_Engineer]]></copyright><item><title><![CDATA[【轮廓匹配算法系列】从NCC到轮廓匹配：工业视觉的“定位之争“，到底争的是什么？]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/161264437</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/161264437</guid><author>AI_Engineer</author><pubDate>Wed, 20 May 2026 21:44:10 +0800</pubDate><description><![CDATA[工业视觉中形状匹配为何优于灰度匹配？ 传统灰度匹配（如NCC）在实验室表现良好，但在工业现场易受光照变化、遮挡和形变干扰而失效。根本原因在于它仅依赖像素灰度，无法理解几何形状。工业视觉转向基于轮廓的形状匹配，核心是改进的广义霍夫变换（GHT）：通过边缘梯度表征形状（对光照免疫），利用几何投票机制定位目标（允许部分遮挡）。相比原版GHT计算量大的问题，工业级改进通过方向离散化、预计算R-table和金字塔优化，将耗时压缩到10-20毫秒级。形状匹配适用于有明确轮廓、需抗干扰的场景，但不适合纯纹理或无边缘目标。]]></description><category></category></item><item><title><![CDATA[【计算成像】超越像素：计算光学与下一代工业视觉系统]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/158807530</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/158807530</guid><author>AI_Engineer</author><pubDate>Sun, 08 Mar 2026 15:46:20 +0800</pubDate><description><![CDATA[计算光学正在颠覆工业检测的“不可能三角”——通过将光学系统从“完美记录设备”转变为“信息编码器”，用算法解码突破物理极限。波前编码技术可扩展景深10-20倍，让PCB检测告别机械对焦；傅里叶叠层成像实现0.39Å分辨率，使半导体缺陷无处遁形；光度立体视觉精准重建表面形貌，让金属划痕无所遁形。这不是妥协，而是一场从“硬件完美主义”到“算法增强主义”的范式革命。当光学遇上计算，工业视觉正从“看得清”迈向“看得懂”的智能时代。]]></description><category></category></item><item><title><![CDATA[【YOLO11实战项目】OpenCV+CUDA编译保姆级教程]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/145609730</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/145609730</guid><author>AI_Engineer</author><pubDate>Thu, 13 Feb 2025 14:29:54 +0800</pubDate><description><![CDATA[本文将详细介绍在Windows环境下编译支持YOLO开发的带CUDA的OpenCV。整个过程分为环境准备、源码下载、CMake配置、编译安装、验证测试五个步骤。]]></description><category></category></item><item><title><![CDATA[【庖丁解牛】机器视觉核心算法之圆环展开]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/145337651</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/145337651</guid><author>AI_Engineer</author><pubDate>Fri, 24 Jan 2025 11:27:25 +0800</pubDate><description><![CDATA[作为全球某机器视觉头部大厂的资深工程师，深感学校和互联网上主要资料局限于计算机视觉领域，能落地工业领域的算法寥寥无几，且相关算法原理语焉不详、乏善可陈，或示例代码缺少关键实现、谬误百出，故作【庖丁解牛】系列课程，掰开揉碎了讲解机器视觉领域核心算法，并提供完整的高质量代码，力争为从业者提供严格贴近工业应用场景的、高质量的国际一线算法剖析。]]></description><category></category></item><item><title><![CDATA[【庖丁解牛】机器视觉核心算法之圆拟合]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/145226123</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/145226123</guid><author>AI_Engineer</author><pubDate>Sat, 18 Jan 2025 13:31:09 +0800</pubDate><description><![CDATA[作为全球某机器视觉头部大厂的资深工程师，深感学校和互联网上主要资料局限于计算机视觉领域，能落地工业领域的算法寥寥无几，且相关算法原理语焉不详、乏善可陈，或示例代码缺少关键实现、谬误百出，故作【庖丁解牛】系列课程，掰开揉碎了讲解机器视觉领域核心算法，并提供完整的高质量代码，力争为从业者提供严格贴近工业应用场景的、高质量的国际一线算法剖析。]]></description><category></category></item><item><title><![CDATA[【庖丁解牛】机器视觉核心算法之N点标定]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/145205439</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/145205439</guid><author>AI_Engineer</author><pubDate>Fri, 17 Jan 2025 13:38:55 +0800</pubDate><description><![CDATA[作为全球某机器视觉头部大厂的资深工程师，深感学校和互联网上主要资料局限于计算机视觉领域，能落地工业领域的算法寥寥无几，且相关算法原理语焉不详、乏善可陈，或示例代码缺少关键实现、谬误百出，故作【庖丁解牛】系列课程，掰开揉碎了讲解机器视觉领域核心算法，并提供完整的高质量代码，力争为从业者提供严格贴近工业应用场景的、高质量的国际一线算法剖析。]]></description><category></category></item><item><title><![CDATA[第一篇博客]]></title><link>https://blog.youkuaiyun.com/AI_Engineer/article/details/125079124</link><guid>https://blog.youkuaiyun.com/AI_Engineer/article/details/125079124</guid><author>AI_Engineer</author><pubDate>Wed, 01 Jun 2022 11:58:55 +0800</pubDate><description><![CDATA[写给每一位机器视觉从业者。]]></description><category></category></item></channel></rss>