特征匹配
关注
分享
扫一扫
fb_help
这个作者很懒，什么都没留下…
展开
-
学习OpenCV——KeyPoint Matching 优化方式
学习OpenCV——KeyPoint Matching 优化方式转载 2017-04-22 15:11:52 · 703 阅读 · 0 评论 -
findFundamentalMat和findHomography的比较
利用SIFT和RANSAC算法（openCV框架）实现物体的检测与定位，并求出变换矩阵（findFundamentalMat和findHomography的比较）转载 2017-04-22 10:38:15 · 14878 阅读 · 5 评论 -
特征匹配
特征匹配中的匹配策略转载 2017-04-21 21:39:26 · 599 阅读 · 0 评论 -
Brute Force匹配（暴力匹配）和FLANN匹配区别
Brute Force匹配（暴力匹配）和FLANN匹配区别转载 2017-04-11 10:36:40 · 6818 阅读 · 0 评论 -
KNN（一）--简单KNN原理及实现
KNN 简单原理即实现转载 2017-04-11 09:31:57 · 583 阅读 · 0 评论 -
Surf特征提取与匹配
Surf算法特征点检测与匹配转载 2017-04-11 10:12:51 · 7804 阅读 · 0 评论 -
KNN（三）--KD树详解及KD树最近邻算法
特征匹配--KD树转载 2017-04-11 09:46:48 · 1223 阅读 · 0 评论 -
KNN（二）--近似最近邻算法ANN
特征匹配中的ANN转载 2017-04-11 09:37:03 · 1602 阅读 · 0 评论 -
KNN最邻近算法
KNN转载 2017-04-10 15:41:32 · 1434 阅读 · 0 评论 -
特征匹配中的欧氏距离
特征匹配中图像矩阵欧氏距离的计算转载 2017-04-10 21:31:53 · 18944 阅读 · 0 评论 -
SIFT特征匹配
SIFT特征匹配一、特征点（角点）匹配 图像匹配能够应用的场合非常多，如目标跟踪，检测，识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系。 角点匹配可以分为以下四个步骤： 1、提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点（角点），比如纹理丰富的物体边缘点等。 2...转载 2018-07-28 11:40:43 · 1335 阅读 · 0 评论