北邮鲁鹏老师三维立体重建笔记

原创 于 2024-02-14 23:27:13 发布 · 273 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #计算机视觉

这篇文章详细记录了北京邮电大学鲁鹏老师在计算机视觉领域的三维立体重建教学内容，深入浅出地介绍了相关理论和技术应用。

北邮鲁鹏老师三维立体重建笔记

Che_Che_
关注
北邮-初始计算机视觉之三维重建
aliuxuwhy的博客
08-18 356
1：计算机视觉两大方向 2：区分计算机视觉的两大应用：1：3D reconstruction 2：图像识别，分类，分割，语义信息 目前这两大应用都是用到深度学习和卷积神经网络（用pytorch实现） 3：识别每一个图片：图片就是像素点组成的，每个像素点的取值是0-255，一个像素点数值就代表一个颜色，若干颜色在一起组成了一张图片； 可以参照下黑白01（0白色，1黑色）进制图片来联想 4：计算图中每个像素点的求导：该点对x轴进行求导就是右边的像素点减去左边的像素点 该点对y轴进行求导就是上面的像素点
计算机视觉之三维重建-多视角几何
qq_42472662的博客
04-29 4950
多视图几何笔记1.运动恢复结构问题2.三种典型的运动恢复结构任务2.1欧式结构恢复（相机内参数已知，外参数未知）2.2仿射结构恢复（摄像机为仿射相机，内、外参数均未知）2.2.1数据中心化2.2.2奇异值分解2.3透视结构恢复（摄像机为透视相机，内、外参数均未知） 1.运动恢复结构问题 已知多个图像上的对应点坐标，求出相机的投影矩阵M和对应点的三维坐标。 2.三种典型的运动恢复结构任务 2.1欧式结构恢复（相机内参数已知，外参数未知） 已知内参、多点的图像坐标，求外参和三维坐标。（如果多视角图是由一个
计算机视觉之三维重建——第二章：摄像机标定《深入浅出sfm和SLAM核心算法 (鲁鹏)》
Nick Blog
10-08 2325
摄像机标定
计算机视觉（北邮鲁鹏）学习记录
w2563216521的博客
12-28 3624
计算机视觉（北京邮电大学版）学习笔记，期末预习
北邮计算机视觉笔记
weixin_46089956的博客
12-19 1200
北邮鲁鹏老师的计算机视觉课程笔记
计算机视觉之三维重建——第四章：三维重建基础与极几何《深入浅出sfm和SLAM核心算法 (鲁鹏)》
Nick Blog
10-09 2467
三维重建基础与极几何
北邮鲁鹏老师三维重建课程之相机标定
beyond951的博客
12-31 7843
在看北邮鲁鹏老师的三维重建的课程过程中，去官网找到有三个作业。现将三个作业里面的第一个作业相机标定完成。总体来说，可以分为三个部分，即图像坐标点和世界坐标点的获取；映射矩阵的生成，相机内参的求解三个部分。
1.北邮鲁鹏老师三维重建课程：相机标定 eigen实现
qq_42344132的博客
05-07 912
https://gitee.com/cv-xueba/Total3DExercises/tree/main/MVGlab01_camera-calibration-master 看了老师的视频你就会了 新手eigen实现 坑：在preM到roM的处理需要注意，eigen默认先按列排(? )，需要修改。 #include <iostream> #include <vector> #include <string> #include <Eigen/Eigen.
《计算机视觉之三维重建》笔记4-三维重建基础
dragonchow123的专栏
06-18 1099
三维重建基础
北京邮电大学-计算机视觉-鲁鹏 《课件-作业-数据集》
04-21
北京邮电大学-计算机视觉-鲁鹏 《课件-作业-数据集》
计算机视觉之三维重建——第一章：摄像机几何《深入浅出sfm和SLAM核心算法 (鲁鹏)》
Nick Blog
10-08 3585
摄像机几何
计算机视觉（本科课程） 北京邮电大学 鲁鹏
njuptalex的博客
10-12 3604
计算机视觉 2020 北京邮电大学本科课程 这里的计算机视觉中的数学都是比较简单的，不如图形学 1. 卷积与边缘提取 卷积的padding方式： clip filter （black） wrap around copy edge reflect across edge 锐化 原图-平滑图=边缘图 原图+边缘图=锐化图 I * e - I * g = detail I * e + I*(e-g) = sharpened = I * (2e-g) detail前方再加一个参数alpha，调节锐化度，
生成网络-学习笔记 鲁鹏-北邮
weixin_44796129的博客
11-07 158
VAE的编码器与自编码器不同，自编码器是直接得到输出z（编码），而VAE的编码器输出是一个概率分布，其中m为分布均值，σ为分布方差。e是方差范围内的采样值，e与exp(σ)做乘积，得到的值作为偏移量与m相加后最为最后输出（带有噪声的）编码。A：解码器只能生成已有的图片，如输入满月与半月的图像，希望生成中间状态的月亮，只是用解码器是无法实现的。2. 训练完后的编码器作为有监督学习的初始特征提取模型（利用少量有标签的数据，训练最终的网络）。其中，噪声的方差σ是从数据中学到的，取exp是为了保证是一个正数。
计算机视觉与深度学习-图像分割-视觉识别任务02-目标检测-【北邮鲁鹏】
m0_49683806的博客
09-20 1340
目标检测的目标是确定图像中存在的目标的类别，并在图像中标记出它们的位置，通常使用边界框来表示目标的位置和大小。
【北邮鲁鹏老师计算机视觉课程笔记】09 Segmentation 分割
weixin_44184852的博客
02-14 1464
【北邮鲁鹏老师计算机视觉课程笔记】09 Segmentation 分割。
计算机视觉（北邮鲁鹏）--边缘提取
xiaoyuia的博客
05-13 1304
边缘分类 1.面上不连续 2.深度不连续 3.图像 4.阴影边 提取边 边就是信号突变的地方，求导即可。 对x求导=右边的数-自身的数 求导通过卷积来计算，用【-1，1】的卷积核对原图操作，即对x方向求导，通常用【-1，0，1】用右边像素-左边像素来衡量我自己。 梯度 另： 梯度方向和边的方向垂直，强度为勾股弦。 ...
【计算机视觉】计算机视觉与深度学习-02-图像分类-北邮鲁鹏老师课程笔记
星辰不问
04-21 5066
计算机视觉与深度学习-02-图像分类-北邮鲁鹏老师课程笔记
【计算机视觉与深度学习北邮鲁鹏】自学笔记
一只活活泼泼快快乐乐的萨摩耶的博客
11-01 2132
【计算机视觉与深度学习北邮鲁鹏】自学笔记
三维重建笔记
最新发布
03-22
针对初学者或者希望深入了解理论原理的研究者，《计算机视觉之三维重建》系列教程由北京邮电大学鲁鹏教授讲授，其中涵盖了SFM(Structure from Motion) 和 SLAM(Simultaneous Localization And Mapping)的核心概念[^3...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值