一只飞鱼的博客

最近看了SIFT原理的论文，在Related research里边介绍了之前各家提出一系列角点，因此在网上搜集并整理了这些焦点的原理介绍。特征检测与匹配是Computer Vision 应用总重要的一部分，这需要寻找图像之间的特征建立对应关系。点，也就是图像中的特殊位置，是很常用的一类特征，点的局部特征也可以叫做“关键特征点”(keypoint feature)，或“兴趣点”(interest ...

1.采集1.1标定板的制作。大小：应当使得标定板在图像中占比尽可能大一些。占图像长度比例应当超过1/3；如果实在无法保证标定板占图像比例比较大如果占比比较小，则需要尽可能多采集一些图像。平：标定板应当尽可能使理想平面。如果要求不是非常严格（比如重投影误差0.3即可），也可以用纸板（一般的标定板厂商做得即为此类）；如果标定精度要求比较高，则需要用硬度较高的材料做标定板，在该标定板上打...

1.单目相机标定首先，任何标定都是用基于小孔模型的数学模型去近似相机模型，我们需要用fx = f/dx, fy = f/dy，图像坐标系中的光心原点坐标（和可能的缩放因子ks）这5个相机内参数，切向畸变参数和径向畸变参数，共5+N个参数来“近似”整个相机投影模型。这是我们需要求解的量。1.1求解标准的内参数矩阵想想我们平时用opencv（matlab等)进行单目标定时，我们需要提前测量...

目录欧氏距离标准化欧氏距离马氏距离夹角余弦距离汉明距离曼哈顿(Manhattan)距离1.欧式距离欧式距离源自N维欧氏空间中两点x1,x2x1,x2x_1,x_2间的距离公式： d=∑i=1N(x1i−x2i)2‾‾‾‾‾‾‾‾‾‾√d=∑i=1N(x1i−x2i)2d = \sum_{i=1}^N \sqrt{(x_{1i}-x_{2i})^2}2.标准化...

如何看到一幅图像，在生成高斯差分金字塔后，找到对应的极值点？为何剔除边缘点响应点问题： 低对比度的点方向不变性是通过算出一特征点的领域内所有像素的高斯模糊后的梯度，选其中像素最多的方向（离散值，每个方向为10度）作为主方向，然后在对比时先将所有特征点都旋转成标准值（比如都对齐x轴），再计算。过程：1.尺度空间建立及极值点搜索（初步搜索）；2.关键点精确定位:直线拟合使得关键...

本文记录一些遇到过的Mat坑，以及相应知识点

FAST可以看做是提取角点的一种算法，最早由Edward Rosten 和 Tom Drummond在2006年发表[1]^{[1]}FAST角点定义为：若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点 原文将p点周围的点x分为三类：比p亮很多的点，比p暗很多的点，和p亮度差别在一个阈值t内的点。1检测 1)一个以像素p为中心，半径为3的圆上，有16个像素点（p1、p2、…、

本文大部分内容来自ORB特征提取详解，在此基础上加上自己对原论文的理解。ORB（Oriented FAST and Rotated BRIEF）是一种快速提取特征点和描述子的算法。其特征检测基于FAST，采用BRIEF描述子并加以改进。基于《ORB： an efficient alternative to SIFT or SURF》1.尺度和旋转不变性的oFAST检测1.1Fast经典方式提取角点（

1.光流光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。其计算方法可以分为三类： （1）基于区域或者基于特征的匹配

主体思路，先处理纯二维平面的畸变问题（此处略过），矫正图片后，再来求解相机内参外餐1. 标定板平面到像平面的单应矩阵H，则对于每个棋盘格，可以得到一个标定板平面到当前图像平面的单应矩阵Hi，实际上这个单应矩阵Hi汇总了标定板平面到相机成像平面的旋转平移以及相机内参信息。 现在，我们已知每幅标定板图的单应矩阵H2.求解相机内参矩阵对一幅标定板图片上的标定板坐标上的一点P=[X,Y,...