<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lircsszz的博客]]></title><description><![CDATA[笔记，总结]]></description><link>https://blog.youkuaiyun.com/lircsszz</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lircsszz]]></copyright><item><title><![CDATA[使用matlab模拟镜头失真]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80249017</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80249017</guid><author>lircsszz</author><pubDate>Wed, 09 May 2018 09:45:02 +0800</pubDate><description><![CDATA[    最近在研究图像校正，现将镜头失真中常见的径向畸变(radial distortion)和切向畸变(tangential distortion)使用Matlab模拟出来。    镜头畸变的数学模型如下：    将此模型进一步简化为两部分由于opencv中畸变系数只与k1,k2,k3,p1,p2有关，所以在此我也只考虑这五个系数对畸变的影响。    使用矢量场绘制径向畸变：function r...]]></description><category></category></item><item><title><![CDATA[两种由旋转矩阵计算欧拉角的办法]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80118051</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80118051</guid><author>lircsszz</author><pubDate>Sat, 28 Apr 2018 11:06:30 +0800</pubDate><description><![CDATA[算法一：直接法bool isRotationMatrix(cv::Mat &amp;amp;R)
{
	cv::Mat R_t;
	cv::transpose(R,R_t);
	cv::Mat shouldBeIdentity=R_t*R;
	cv::Mat I = cv::Mat::eye(3,3,shouldBeIdentity.type());
	return norm(I,shouldBeIden...]]></description><category></category></item><item><title><![CDATA[solvePNP问题]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80078730</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80078730</guid><author>lircsszz</author><pubDate>Wed, 25 Apr 2018 14:25:00 +0800</pubDate><description><![CDATA[        OpenCV的solvePnP函数有四种可以选择的算法分别是：                    SOLVEPNP_ITERATIVE 适合点在同一平面上的情况SOLVEPNP_EPNP EPnP: Efficient Perspective-n-Point Camera Pose Estimation [91].点需要在不同平面SOLVEPNP_P3P Complete So...]]></description><category></category></item><item><title><![CDATA[几种成像模型比较]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80060055</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80060055</guid><author>lircsszz</author><pubDate>Tue, 24 Apr 2018 10:10:49 +0800</pubDate><description><![CDATA[一：针孔模型（物理）过空间某定点的光线才能通过针孔，这些光线被投影到图像平面。二：针孔模型（数学）（opencv）经过简化的针孔模型，物和像都在针孔的一侧，此模型在物理上无法重构，只是数学形式上的一种简化。三：C型臂成像模型（简化）C型臂的成像可以近似看作小孔成像，简化表示如上图，注意物体和像的位置与传统小孔成像的区别。四：完整C型臂成像模型完整C型臂由X光光源和影增器（XRII）组成，具体结构可...]]></description><category></category></item><item><title><![CDATA[影像增强器结构及原理]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80051990</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80051990</guid><author>lircsszz</author><pubDate>Mon, 23 Apr 2018 16:18:19 +0800</pubDate><description><![CDATA[影像增强器由输入面、光电阴极、集束电极、阳极及输出面在真空状态下构成。转换X射线后光电子通过高压加速，通过由集束电极、阳极构成的电子透镜集束，在输出面上成像。...]]></description><category></category></item><item><title><![CDATA[C型臂X光投影成像示意图]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80046920</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80046920</guid><author>lircsszz</author><pubDate>Mon, 23 Apr 2018 10:22:31 +0800</pubDate><description><![CDATA[ 
        X光源发射的X射线首先通过X-Ray Image Intensifier(XRII)的输入转换屏转化为可见光，该可见光照射光电阴极后发射出电子，电子束经过加速和聚焦后轰击荧光输出屏即产生可见光图像。 
        C型臂的成像模式与针孔相机成像模式非常相似：X射线从点状光源发射出来，穿透物体，最终投射到成像表面。点状光源相当于针孔相机模型中的针孔，X射线相当于相机模型中的普...]]></description><category></category></item><item><title><![CDATA[C型臂的field of view视场]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/80014520</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/80014520</guid><author>lircsszz</author><pubDate>Fri, 20 Apr 2018 09:57:13 +0800</pubDate><description><![CDATA[The field of view (FOV) is defined as the dimensions of the exact anatomic region included in a scan. In MR, the FOV may be square or asymmetric. Depending on the vendor, it is specified in millimeter...]]></description><category></category></item><item><title><![CDATA[关于solvePNP的一点思考之二通过solvePnP求解相机位置]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/79997548</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/79997548</guid><author>lircsszz</author><pubDate>Wed, 18 Apr 2018 21:59:29 +0800</pubDate><description><![CDATA[        在调用solvePnP函数之后会得到旋转向量rvec和平移向量tvec。确定相机位置就需要用到这两个向量。在介绍相机位置计算方法之前需要对solvePnP做简要介绍。与solvePnP函数有关的坐标系有三个，分别是世界坐标系(物体坐标系)、相机坐标系(以相机光心为原点的坐标系)、像素坐标系（图像坐标系）。solvePnP就是利用物体在像素坐标系的坐标和在世界坐标系的坐标的对应关系来...]]></description><category></category></item><item><title><![CDATA[点的识别与排序]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/79980505</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/79980505</guid><author>lircsszz</author><pubDate>Tue, 17 Apr 2018 20:52:24 +0800</pubDate><description><![CDATA[        最近接触了一个项目，使用Three.js来着做一个C型臂X光机的投影模型。模型需要用到的各项参数需要从之前的标定板点识别、排序、PnP重建来获取。按照项目的步骤主要记录以下几个关键内容：1.点排序；2.如何通过solvePnP函数来确定相机位置；3.Three.js简单应用；点排序对点排序的方法有很多，经过多方面检索，我总结了一下几点。1.凸包算法，凸包算法对点排序需要先确定一条“...]]></description><category></category></item><item><title><![CDATA[自动检测两棋盘格中的角点，并计算视差How to solve Disparity]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/77968802</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/77968802</guid><author>lircsszz</author><pubDate>Wed, 13 Sep 2017 17:33:57 +0800</pubDate><description><![CDATA[最近搞了好几天的计算视差，说麻烦也不麻烦，记录一下也让今后年用得到的人做个借鉴。
我的计算视差用的是三角测量的方式，貌似现在都是这一种方式。得到物体距相机平面的距离也就是“Z”，大概有三种方式，第一种就是先生成深度图，之后点击深度图上的某一点，获取该点的像素值（此时图片应该是IPL_depth_16s的格式，三通道）cn[0]就表示深度。由于各种原因，我用了很多种算法的出来的深度图都很垃圾，一团]]></description><category></category></item><item><title><![CDATA[in-place opencv中的就地操作]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/76522590</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/76522590</guid><author>lircsszz</author><pubDate>Tue, 01 Aug 2017 14:09:37 +0800</pubDate><description><![CDATA[所谓的函数支持in-place操作，就是说，一个函数有两个参数分别是源图像和。目标图像

 

当输入图像指针与输出图像指针是同一个指针的时候，就是in-place操作了。

 

如: cvSmooth()函数支持in-place操作。

 

我们可以这样：cvSmooth(src_image,dst_image);]]></description><category></category></item><item><title><![CDATA[ROS_INFO与printf的区别]]></title><link>https://blog.youkuaiyun.com/lircsszz/article/details/68960457</link><guid>https://blog.youkuaiyun.com/lircsszz/article/details/68960457</guid><author>lircsszz</author><pubDate>Mon, 03 Apr 2017 15:20:36 +0800</pubDate><description><![CDATA[讨论ROS_INFO和printf的异同]]></description><category></category></item></channel></rss>