计算机视觉
关注
分享
扫一扫
文章平均质量分 81
苏源流
从事计算机视觉和SLAM领域，2012年10月“全国大学生数学建模竞赛”二等奖（数学应用能），2011年攻读 自动化 专业，2015年攻读“模式识别与智能系统” 专业。现在主要工作内容无人驾驶方面的视觉定位与导航，能够提供整体的地下车库自动泊车定位解决方案，该方案也适用于工业园区泊车，物流机器人，园区巡视机器人，餐饮配送、服务机器人等。本人熟悉linux下ROS环境，掌握opencv中2/3的功能，掌握视觉SLAM中ORB_SLAM2，激光lidar的loam。熟悉摄像机，激光雷达，惯导IMU等传感器的使用与开发。主导和参与多个定位项目，欢迎交流。致力于推进技术的应用，技术改变生活。不做无脑人
展开
-
【智慧城市】交通路口摄像头转俯视图
原创 2021-04-19 15:18:20 · 651 阅读 · 1 评论 -
[学opencv]opencv Mat类型初始化，遍历，赋值
1.opencv Mat类型定义 cv::Mat a(cv::Size(w,h),CV_8UC1); // 单通道 cv::Mat b = cv::Mat(cv::Size(w,h),CV_8UC3); //3通道每个矩阵元素包含3个uchar值对于维数较小的Mat类型，直接定义赋值方法如下：Mat mtest = (Mat_<float>(4, 1) <...原创 2021-02-05 13:56:32 · 2933 阅读 · 0 评论 -
【学习OpenCV】基于opencv的直线和曲线拟合与绘制（最小二乘法）
自动驾驶工具箱-车道保持辅助与车道检测 最小二乘法多项式曲线拟合，是常见的曲线拟合方法，有着广泛的应用，这里在借鉴最小二乘多项式曲线拟合原理与实现的原理的基础上，介绍如何在OpenCV来实现基于最小二乘的多项式曲线拟合。概念最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。原理给定...原创 2020-12-09 17:58:03 · 16467 阅读 · 2 评论 -
[深度学习]MonoDepth2实践笔记_单目深度估计(3)
预测testdepth --> encode,decode # PREDICTION input_image = input_image.to(device) features = encoder(input_image) outputs = depth_decoder(features) disp = outputs[("disp", 0)] dis原创 2020-08-17 15:16:23 · 1601 阅读 · 0 评论 -
[学习SLAM]ORB-SLAM3
原论文：ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAMCarlos Campos, Richard Elvira, Juan J. Gómez Rodríguez, José M. M. Montiel, Juan D. TardósarXiv:2007.11898代码开源地址：https://github.com/UZ-SLAMLab/ORB_SLAM3YouTube原创 2020-07-30 18:22:51 · 1934 阅读 · 0 评论 -
图像匹配算法 MAD、SAD、SSD、MSD、NCC、SSDA、SATD,LBD算法
图像匹配算法分为3类：基于灰度的匹配算法、基于特征的匹配算法、基于关系的匹配算法（1）基于灰度的模板匹配算法：模板匹配（Blocking Matching）是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于灰度的匹配算法也称作相关匹配算法，用空间二维滑动模板进行匹配，不同匹配算法主要体现在相关准则的选择方面，常见的基于模板的匹配算法可以参考下面的链接：参考：http://bl...转载 2018-08-07 14:39:00 · 59433 阅读 · 7 评论 -
模板匹配算法初识
概述模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。算法相关法以8位灰度图像为例，模板T(m,n)叠放在被搜索图S(W,H)上平移，模板覆盖被搜索图的那块区域叫...转载 2018-08-07 14:38:48 · 29655 阅读 · 1 评论 -
KITTI数据集--label解析与传感器间坐标转换参数解析
KITTI数据集是自动驾驶领域最知名的数据集之一。可以用来从事立体图像、光流估计、三维检测、三维跟踪等方面的研究。一、kitti数据集，label解析16个数代表的含义：第1个字符串：代表物体类别'Car', 'Van', 'Truck','Pedestrian', 'Person_sitting', 'Cyclist','Tram', 'Misc' or 'DontCar...原创 2018-09-25 20:43:05 · 17417 阅读 · 21 评论 -
奇异值分解与特征值分解详解
原地址: https://blog.youkuaiyun.com/MyArrow/article/details/537809721.1 应用领域最优化问题：最小二乘问题 (求取最小二乘解的方法一般使用SVD) 统计分析：信号与图像处理 求解线性方程组：Ax=0或Ax=b 奇异值分解：可以降维，同时可以降低数据存储需求1.2 矩阵是什么矩阵是什么取决于应用场景 矩阵可以是： 只是一堆...转载 2018-09-26 10:58:50 · 2024 阅读 · 0 评论 -
caffe框架下的SSD模型检测
一、背景介绍：SSD（Single Shot MultiBox Detector）是2016出来的一篇目标检测的文章，实际比R-FCN稍早一些。在该文中，作者指出他们提出的新方法比之前的目标检测方法都要好(准确率、检测速度两个方面都有优势)，结果统计如下图截止到SSD发布，它应该是最优的目标检测算法，之后同年公布的R-FCN也表现出几乎相同的检测准确率，但并未与SSD作比较。到了现在，...原创 2018-09-26 23:38:15 · 1973 阅读 · 0 评论 -
双目标定：matlab自动标定相机参数方法
https://jingyan.baidu.com/article/22a299b5e6da909e18376a75.html双目标定是立体视觉系统中的一个关键步骤，双目标定的目的是获取相机的内参和外参，外参包括旋转矩阵和平移向量；在进行双目标定时，有两种常见的数据库：matlab视觉处理库和opencv开源视觉库；通常matlab中标定的结果比较稳定，可以在matlab中标定之后...转载 2018-08-10 19:52:46 · 2805 阅读 · 3 评论 -
·计算机视觉」立体视觉 对极几何 (Epipolar Geometry) 本质矩阵E 基础矩阵F
致敬 (参考书)永远的丰碑 必看的书计算机视觉中的多视图几何学习opencv (参考书) 联想：地球-南北极 对极几何本质矩阵(本征矩阵) 相机坐标系的关系基础矩阵 图像像素坐标系的关系（加入内参）先思考一个问题：用两个相机在不同的位置拍摄同一物体，如果两张照片中的景物有重叠的部分，我们有理由相信，这两张照片之间存在一定的对应关系，本节的任务就是如何描述它们...原创 2018-08-10 18:05:48 · 9037 阅读 · 5 评论 -
【学习SLAM】ROS下使用USB摄像机/ORB_SLAM2配置
先测试一下usb摄像头打开摄像头，需要启动ros，在两个不同的终端分别执行以下命令：$ roscoresource ~/catkin_ws/devel/setup.bashroslaunch usb_cam usb_cam-test.launch具体的步骤 首先开个新的终端，运行roscore$ roscore 在运行该节点之前，需要先配置一下节点...原创 2019-06-05 23:12:54 · 1519 阅读 · 0 评论 -
Opencv249和Opencv3.0以上的 SolvePnp函数详解（附带程序、算例，应用点对分析）
https://blog.youkuaiyun.com/qq_30547073/article/details/78656795最近要做一个算法，用到了位姿估计。位姿估计的使用范围非常广泛。主要解决的问题为：在给出2D-3D若干点对以及相片的内参信息，如何求得相机中心在世界坐标系下的坐标以及相机的方向（旋转矩阵）。为此笔者做了大量研究，看了许多主流的文章，也是用了许多相关的函数库。主要有OpenMVG、Ope...转载 2018-07-05 14:48:44 · 2791 阅读 · 0 评论 -
利用matlab摄像机标定（老版本MATLAB）
利用matlab摄像机标定(1)输入图像“Image names”键Matlab的图形窗口显示出20幅靶标图像 (2) 提取角点“Extract grid corners”键。输入要进行角点提取的靶标图像的编号并回车分别在“wintx ([] = 5) =”和“winty ([] = 5) =”输入行中输入角点提取区域的窗口半宽m和半高n。显示角点提取区域的窗口尺寸(2n+1)x(2m+1)，例如...转载 2018-07-13 00:47:04 · 1928 阅读 · 0 评论 -
摄像机标定的研究(MATLAB+OpenCV)
张正友摄像机标定的研究(MATLAB+OpenCV)http://www.cnblogs.com/Akagi201/archive/2012/05/19/2509184.html张正友 本科浙大,本来以为是中国人论文是中文呢,哎张正友的主页: http://research.microsoft.com/en-us/um/people/zhang/Calib/不过里面的棋盘格跟我的不一样啊,why?...转载 2018-07-13 01:00:52 · 812 阅读 · 0 评论 -
Matlab2015 双目相机自动标定
原文地址：http://www.cnblogs.com/chay/p/7551151.html一、 标定步骤1. 调出标定工具箱在命令行输入stereoCameraCalibrator，出现如下界面： 2. 勾选相应的选项然后将上面的“Skew”、“Tangential Distortion”以及“3 Coefficients”等选项选上，将“2 Coefficien...转载 2018-07-14 10:57:31 · 1019 阅读 · 0 评论 -
{畸变矫正}图像去畸变opencv各种方法与matlab各种方法-联合分析（一统江湖）
opencv 畸变矫正分析参考 https://docs.opencv.org/3.3.0/da/d54/group__imgproc__transform.html#ga69f2545a8b62a6b0fc2ee060dc30559d理论分析方法一undistort() 与matlab标定去畸变显示相同undistort()void cv::undistort ...原创 2018-07-14 15:00:15 · 28221 阅读 · 6 评论 -
Caffe深度学习入门——配置caffe-SSD详细步骤
介绍 https://github.com/weiliu89/caffe/tree/ssdSSD是使用单个网络进行对象检测的统一框架。 您可以使用该代码来训练/评估网络以进行对象检测任务。 有关详细信息，请参阅我们的arXiv论文和幻灯片 。系统 VOC2007测试mAP FPS （Titan X） 箱数 输入分辨率 更快的R-CNN（VGG16） ...转载 2018-09-27 10:40:02 · 8136 阅读 · 1 评论 -
Caffe上用SSD训练和测试自己的数据
我的根目录$caffe_root为/home/gpu/ljy/caffe 一、运行SSD示例代码 1.到https://github.com/weiliu89/caffe.git下载caffe-ssd代码，是一个caffe文件夹 2.参考已经配好的caffe目录下的makefile.config修改￥caffe_root下的makefile.config. 3...转载 2018-09-27 14:18:08 · 2661 阅读 · 0 评论 -
[学习SLAM]深度学习+视觉SLAM 的可行性/方向
时间：2019.07 作者：干磊背景：本文统计的是2018年及以前的相关论，未涉及2019年的论文。1，深度学习+SLAM的可行性长期来讲，深度学习有极大可能会去替代目前SLAM技术中的某些模块，但彻底端到端取代SLAM可能性不大。 短期来讲（三到五年），深度学习不会对传统SLAM技术产生很大冲击。2，深度学习+SLAM的 5 个主要研究方向1）单目SLAM学习尺度/深度...转载 2019-08-02 15:19:23 · 6251 阅读 · 1 评论 -
SLAM 中evo的使用（二） (evaluation of odometry) evo_traj/ape rpe/evo_ape说明与示例
这个包提供可执行文件和一个小库，用于处理、评估和比较里程计和SLAM算法的轨迹输出。目录evo地址与安装从PyPi从源码安装命令行界面指标：工具：使用--help调用命令以查看选项evo_traj tum -hevo_res -h适用于数据集有：关于数据格式：示例工作流程1示例工作流程2具体用法：格式(KITTI/TUM)...原创 2019-08-30 09:26:14 · 15835 阅读 · 0 评论 -
VINS简介与代码结构
VINS-Mono和VINS-Mobile是香港科技大学沈劭劼团队开源的单目视觉惯导SLAM方案。是基于优化和滑动窗口的VIO，使用IMU预积分构建紧耦合框架。并且具备自动初始化，在线外参标定，重定位，闭环检测，以及全局位姿图优化功能。方案最大的贡献是构建了效果很好的融合算法，视觉闭环等模块倒是使用了较为常见的算法。系列博客将结合课题组发表的paper，从代码层面，逐步剖析系统的各个模块，...转载 2020-06-03 13:27:30 · 4594 阅读 · 0 评论 -
【学习opencv】从运动中恢复结构SfM-场景重建,三维重建[匹配]
示例./sfm_match_reconstruct----------------------------Reconstruction:============================Estimated 3D points: 108 //pt2d1[i] = pt2d1[i].reshape(1, 108).t();Estimated camera...原创 2020-12-09 18:20:05 · 767 阅读 · 0 评论 -
[学习opencv]bow 算法实现图片分类bag of word
BOW其实就是bag of word的缩写，在OpenCV中关于此框架的有3个类。 第一个是一个基类，算是BOW训练的类型， class BOWTrainer { public: BOWTrainer(){} virtual ~BOWTrainer(){} v...转载 2018-10-15 13:57:27 · 1603 阅读 · 1 评论 -
[学习opencv]Surface Matching之ICP
cv :: ppf_match_3d :: ICP类参考表面匹配该类实现了迭代最近点（ ICP ）算法的非常有效且稳健的变体。 任务是针对一组有噪声的目标数据注册3D模型（或点云）。 在某些测试之后，我自己将变体放在一起。 任务是能够快速匹配杂乱场景中的部分嘈杂点云。 您会发现我的重点是性能，同时保持准确性。 此实现基于Tolga Birdal的MATLAB实现，如下所示： http ： ...转载 2018-10-15 13:40:32 · 6909 阅读 · 0 评论 -
[学习opencv]opencv CommandLineParser类功能解释 参数交互 keys指针
CommandLineParser这个类，那么这个类到底有什么作用呢，从命名大概可以猜出这是个命令行解析类。因为我们知道opencv是一个开源库，所以其很少有图形操作方面的api，基本上还是基于命令行执行的。那么这个类的出现主要是方便用户在命令行使用过程中减少工作量。 大概可以看出来用这个类的好处就是很方便，因为以前版本没这个类时，如果要运行带参数的.exe，必须在命令行中输入文件路径以...原创 2018-10-24 14:43:41 · 2388 阅读 · 1 评论 -
【计算机视觉】 相机姿态估计之标记检测-检测ChArUco角点3
ArUco标记和板非常有用因为他们的快速检测和多功能性。 然而,ArUco标记的问题之一是,角落的位置的准确性不是太高,即使应用亚像素细分。相反,棋盘模式的角落可以更准确地提炼因为每个角落周围是两个黑色方块。 然而,找到一个棋盘模式不像找到一个通用的ArUco板:它必须是完全可见,遮挡不允许。翻译 2017-06-02 16:38:10 · 8033 阅读 · 4 评论 -
【图像处理】二值图像连通域标记-基于行程的标记方法-计算目标中心位置方法1
一、前言二值图像，顾名思义就是图像的亮度值只有两个状态：黑(0)和白(255)。二值图像在图像分析与识别中有着举足轻重的地位，因为其模式简单，对像素在空间上的关系有着极强的表现力。在实际应用中，很多图像的分析最终都转换为二值图像的分析，比如：医学图像分析、前景检测、字符识别，形状识别。二值化+数学形态学能解决很多计算机识别工程中目标提取的问题。二值图像分析最重要的方法就是连通区域标转载 2018-01-20 20:11:43 · 1299 阅读 · 0 评论 -
【图像处理】利用种子填充法对二值图像进行连通域标记-计算目标中心位置方法2
种子填充法原理关于种子填充法的详细原理可以参考OpenCV_连通区域分析（Connected Component Analysis/Labeling）大致算法如下：设二值化图像A中，像素值为255的点是前景，为0的点是背景。A(x, y)为坐标(x, y)处的像素值，遍历图像的每个像素：1、 如果像素值不等于255，则继续访问下一个元素。2、 如果像素值为A(x转载 2018-01-20 20:12:44 · 1688 阅读 · 0 评论 -
【图像处理】轮廓二阶矩计算目标中心-计算目标中心位置方法3
参考 http://blog.youkuaiyun.com/yang6464158/article/details/42459595特征矩的知识在概率论和数理统计中有介绍，空间矩的方法在图像应用中比较广泛，包括零阶矩求面积、一阶矩确定重心、二阶矩确定主方向、二阶矩和三阶矩可以推导出七个不变矩Hu不变矩，不变矩具有旋转，平移、缩放等不变性，因此在工业应用和模式识别中得到广泛的应用。目标物体灰度函转载 2018-01-20 20:14:17 · 8690 阅读 · 0 评论 -
【学习OpenCV】opencv 2.4 版本共100个自带例子
OpenCV 自带例程总结http://lv.xiao.yu.blog.163.com/blog/static/5419127320138191291534/opencv 2.4.4版本共100个自带例子。parter 1:No1. adaptiveskindetector.cpp利用HSV空间的色调信息的皮肤检测，背景不能有太多与肤色相似的颜色。效果不是特别好。No2. bagofwords_c...转载 2018-04-28 14:29:36 · 1283 阅读 · 0 评论 -
【图像处理】图像滤波5种：方框、均值、高斯、中值、双边
5种图像滤波辨析：方框、均值、高斯、中值、双边线性滤波有方框滤波、均值滤波和高斯滤波；非线性滤波有中值滤波和双边滤波0 邻域滤波（卷积）邻域算子值利用给定像素周围像素的值决定此像素的最终输出。如图左边图像与中间图像卷积禅城右边图像。目标图像中绿色的像素由原图像中蓝色标记的像素计算得到。." style="margin:0px; padding:0px转载 2018-01-20 20:06:58 · 3415 阅读 · 0 评论 -
【视觉-立体视觉】双目测距与三维重建的OpenCV实现问题集锦
转载于邹宇华 http://blog.youkuaiyun.com/chenyusiyuan/article/list双目测距与三维重建的OpenCV实现问题集锦（一）图像获取与单目定标双目测距的基本原理如上图所示，双目测距主要是利用了目标点在左右两幅视图上成像的横向坐标直接存在的差异（即视差）与目标点到成像平面的距离Z存在着反比例的关系：Z=fT/d。“@scy转载 2018-02-03 21:11:09 · 3025 阅读 · 1 评论 -
【计算机视觉】 相机姿态估计之标记检测-检测ArUco板2
ArUco板是一组标记,就像一个标志,它提供了一个单一的姿势相机。最受欢迎的板是一个标记在同一平面上,因为它可以很容易地印刷:然而,板并不局限于这种安排,可以代表任何2 d或3 d布局。板的区别和一组独立的标记,标记之间的相对位置板是已知的先验。 这允许的所有标记可用于估计相机的姿势对整个板。当你使用一组独立的标志,你可以估计每个单独标记的姿势,因为你不知道在环境中相对位置的标记。使用板的主要好处是:· 姿势估计更多功能。 只有一些标记进行姿态估计是必要的。 因此,构成可以计算出即使在遮挡或部分翻译 2017-06-02 16:00:15 · 5283 阅读 · 0 评论 -
【计算机视觉】 相机姿态估计之标记检测-ArUco标记检测1
姿态估计是非常重要的在许多计算机视觉应用程序:机器人导航、增强现实,和许多更多。 这个过程是基于找到对应点之间在现实环境和他们的2 d图像投影。 这通常是一个困难的一步,因此通常使用合成或基准标记使它更容易。最受欢迎的方法是使用二进制广场基准标记。 这些标记的主要好处是一个标记提供了足够的通讯(四角)获得相机的姿势。 同时,内部二进制编纂使他们特别健壮,允许应用错误检测和校正技术的可能性。翻译 2017-06-02 16:03:44 · 18049 阅读 · 2 评论 -
【视觉-结构光三维重建-理论篇】结构光 三维重建----论文调研3
动态目标实时三维重建-结构光方案动态目标 三维重建Stripe boundary codes for real-time structured-light range scanning of moving objects我们提出了一种新的实时结构光扫描方法。在分析现有结构光技术的基本假设之后，我们基于编码投影条纹之间的边界，导出了一组新的照明模式。这些条纹边界码允许原创 2017-07-03 15:39:02 · 13990 阅读 · 0 评论 -
[深度学习之caffe配置] ubuntu下配置caffe框架
平台环境配置--笔记本电脑+双系统的ubuntu16.04+显卡英伟达M740参考网站（1）ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历http://blog.youkuaiyun.com/WoPawn/article/details/52302164（2）Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)...原创 2017-08-13 00:22:59 · 1788 阅读 · 0 评论 -
【视觉-立体视觉】全局匹配算法SGBM实现（含动态规划DP）详解
转载于http://www.opencv.org.cn/forum.php?mod=viewthread&tid=23854最近一直在学习SGBM算法，作为一种全局匹配算法，立体匹配的效果明显好于局部匹配算法，但是同时复杂度上也要远远大于局部匹配算法。算法主要是参考Stereo Processing by Semiglobal Matching and Mutual Infor转载 2018-02-03 21:22:48 · 3891 阅读 · 1 评论 -
【视觉=立体视觉】立体匹配算法 StereoBM/StereoSGBM/StereoVar（OpenCV中源码分析）+SAD块匹配算法+GC算法+HH算法
OpenCV2源码：// OpenCVTest.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include /** stereo_match.cpp* calibration** Created by Victor Eruhimov on 1/18/10.* Copyright 2010 Argus Corp. All原创 2018-02-04 00:44:04 · 10852 阅读 · 10 评论