- 博客(3)
- 收藏
- 关注
RSS订阅原创 正反格雷码下的相机---投影仪标定
其中，Ld是直接光，Lg是间接光，Lp+是某个像素点在竖直/水平方向上正反格雷码系列图像的最大灰度值，Lp-是某个像素点在竖直/水平方向上正反格雷码系列图像的最小灰度值。这里的on和off分别表示1和0，d表示直接光Ld，p表示像素点灰度值，i_total表示间接光Lg，𝑝表示反格雷码的像素点，uncertain表示无效点，m表示一个经验阈值通常取5，^表示且运算。最后，通过相机图像上的特征点的像素坐标点定位到解码图（x和y）上的坐标点即当前投影仪上特征点的坐标值（这里只是像素级别的精度（整数））。
2026-03-22 14:00:50
510
原创 下载Ceres库的笔记
（附加：下次在vs2022里新建新的项目的时候，在属性管理器的debugx64右键添加现有属性表就可以快速将配置好的ceres库导入了（属性表的文件格式），其他库的导入和配置也是如此）的第二部分（注：里面有些注意勾选和添加的Entry，最好都与文中的一致）（反正我是看到有什么就添加什么）这个只是自己在安装过程中通过自己的捣鼓和博客视频的帮助才做出来的。注意：如果电脑有GPU的，安装了CUDA的可以在下面的USE_CUDA上勾选。将下面的代码（在网上查找的代码）复制粘贴上去：（要在debug下编译）
2026-03-05 14:20:29
377
原创 《机器学习》之k—means聚类以及朴素贝叶斯的简单实现
首先原本是只买了西瓜书，还以为这本西瓜书可以对机器学习的某些算法内容可以理解和代码实现，但是，没想到西瓜书里净是一些文字和复杂生硬的数学公式。当然，这本书也不是十分完美的，至少数学公式就不够西瓜书全了（毕竟人家西瓜书是学习机器学习原理最多人推荐的了）。虽然两者同是可以分类但是两者却有着不同之处，例如：朴素贝叶斯侧重以概率的形式分类出各信息的不同，而聚类的k—means则侧重于用距离来划分各信息的类别。对于这个算法的原理和简单代码实现，我自己是参考着西瓜书上的内容，数据集也是选取西瓜书上的数据信息。
2024-02-14 15:15:00
1099
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人