onlyyoujojo的博客

总的来说，仿射变换保持了更多的几何性质，适用于描述相对简单的几何变换，如平移、旋转、缩放和错切。而透视变换则更加灵活，能够描述更复杂的几何变换，如。上面的式子表示2D点乘以一个矩阵后加上平移(b1,b2)。仿射变换矩阵通常是2x3的矩阵。透视变换是3x3的矩阵。

ids：maker的id，数值从0到N，N是makers的总数。corners：检测到的maker角点的向量，每个maker角点用4个角点表示，4个角点顺序按照顺时针排列。ArUco的目的是用于相机的姿态估计，也就是给定一个ArUco板子，作为参照物，来估计相机的运动。版本不高，我的opencv4.8.1比他高，改了几个python 的 api的名字。公式怎么来的不晓得，暂时不去管它，写论文的时候才需要去看，做工程用就完了。貌似最少得6个格子。u,v是图像像素平面坐标，Z是物体上面的点到相机光心的距离。

这里就很难受了，为啥调用的是.local/lib/python3.10/site-packages/里面的库，我的虚拟虚拟环境明明在 ~/anaconda3/envs/ChessBoardCornersDetection/。好像是因为命令行直接调用的就是系统的库，不是虚拟环境的库，因为我的mrcal是用的apt install搞的，要是想用虚拟环境做，应该自己用make去构建mrcal的库。有的图opencv识别不到，matlab识别的不错，有的图matlab识别的很差，opencv可以很不错。

这样版型的图，确实是可以直接用merge_para进行排序，可是这种排序是比较简单的，如果版型是双栏的，那就必须用agument-xy-cut进行region的排序，在对每一个region进行内部的merge_para。多思考还是有好处的，不要一上来就问别人，当然实在不知道就必须问了，此中的度，需要自己把握。下一步就是对自然段进行划分，即res字段里面的text_region进行merge_para，不过这时我产生了一个疑问，既然有merge_para了，前面对bbox的排序有必要吗？

一堆操作，还要判断干扰的矩形、正确的有邻居的矩阵、再对矩形排序。opencv的findChessboardCorners用的什么算法?

步骤就是这样，先ocr识别文本和区域，后面根据区域进行版面恢复。版面恢复部分根据自己的需要，可以省略。PS：突然有个问题，我发现wps+python-word处理的应该也还行，段落什么的也都分的很好，表格也识别对了。之前是觉得wps对生僻字识别的不好，所以没用，而且wps要钱hh。不过工程上的方法就是很多，只有达到效果就行，科研就不行，都是精益求精的。

然后怎么运行一个本地的文件夹页花了我一些时间，目前我是新建了一个项目，把文件夹复制过去，然后先点击显示所有文件，再右键你的文件夹，点击包含到项目。主要是添加依赖库的时候，怎么去添加路径比较麻烦，什么bin、lib、dll乱七八糟的都得添加进去。不过现在的问题是opencv读不到我的图片，很麻烦。

那么opencv的findChessboardCorners用的什么算法?论文没看，想看了再说。

大概就是这样一个效果。不过很蛋疼的一件是是，超分的模型太吉尔大了，我这是剪裁后的图片可以超分出来，再大一点就不行了，真的操蛋。为什么要进行超分，是因为棋盘格角点检测的不好，当对图片进行超分之后，棋盘格其实是变大了，因为像素变多了。一个lua写的图像超分代码，作者给的示例是二次元图像，不知道适不适合普通的图像。上面的是在麑蚂太大了，占显存，找了个小的。不如好好拍两张清晰的、大一点的照片。为了标定相机用超分，杀鸡用了牛刀。检测的效果就是这样。

六自由度：坐标x,y,z和绕x,y,z轴的旋转。点云配准就是找到变换矩阵T。点云配准一般分为两步：粗配准+细配准。

ROI Pooling解决的是候选区域大小不一致的问题，ROI Pooling之后，候选区域的大小一致，就可以进行并行的计算，加快速度。有大量的重复计算，非常耗时。

主要内容：Swin Transformer 是在Vit的基础上进行的改进，针对Vit的全局自注意力计算复杂度过大的问题，提出了window的思想，使得自注意力的计算局限在window里面，从而减少复杂度。ROI Pooling解决的是候选区域大小不一致的问题，ROI Pooling之后，候选区域的大小一致，就可以进行并行的计算，加快速度。L1 loss（又称MAE）,平均绝对误差：预测值和真实值之间的误差：sum(|y_pre - y_true|)/n ，用于回归问题。的一维向量，再进行线性映射，得到。