- 博客(11)
- 收藏
- 关注
原创 机器视觉学习 10 21
今天找了好多综述,准备看看双目立体视觉及其相关领域在研究什么。对双目立体视觉三维重建知识进行了一个复习和补充。基于特征选择的立体匹配方法 分类。复习并补充了三维测量的各种方法。了解到还有这么多相机标定方法。基于深度学习的立体匹配方法。看了一篇英文的还没看完。
2025-10-21 22:11:56
213
原创 机器视觉学习 10 18
红色大的为初始的,旁边聚在一起的可能是一个研究社群。导入条目方式:浏览器抓取 拖入pdf 标识符。按shift拖动,原来文献库下的就没了。有枢纽节点文献(社群的中心,围绕它)标签:查看,选取,自定义,分配颜色。数字资源(论文、报告、数据等)作为图书在全球贸易和检索中的。PubMed 数据库中的文献。在 PubMed 数据库中。国际 DOI 基金会。国际 ISBN 机构。
2025-10-20 23:30:30
216
原创 机器视觉学习 10 17
关键词+review 关键词+overview survey analysis。阅读其他领域的前沿论文思考方法和思路对本领域有没有启示。知网 爱思唯尔 web of scine 谷歌学术。可以从审稿人可能会提问的角度去修改论文或者精读论文。查找方式 关键词联想扩充文献库。今天学习了一些科研技巧。
2025-10-20 23:29:05
204
原创 机器视觉学习 10 12
今天回顾了双目立体视觉三维重建的过程,终于有了从相机标定到三位点云建立的全流程的知识框架,细节还等着我去了解和学习三维重建的第一步是使用一台经过精密校准的双目相机同时拍摄同一场景的两张图像。是至关重要的一步,其目的是精确测量相机的内部参数(如焦距、主点坐标、畸变系数)和两个相机之间的相对位置与姿态(旋转矩阵和平移向量)这些参数构成了后续所有几何计算的数学基础,标定的精度直接决定最终三维模型的准确性获取原始图像后,通常需要进行预处理,如去噪、对比度增强等,以提升图像质量紧接着是。
2025-10-13 11:29:14
756
原创 机器视觉学习 10 8
简单来说,灰度二值化的核心意义是将一幅包含丰富灰度信息的图像,转换成一张只包含纯黑和纯白两种颜色的图像,从而极大地简化图像,突出目标物体的轮廓和结构,为后续的分析和识别铺平道路。下面我们从几个层面来深入理解它的意义:一、什么是灰度二值化?灰度图像:每个像素点的亮度用0-255之间的一个数值表示。0代表纯黑,255代表纯白,中间是不同深浅的灰色。二值图像:每个像素点的值非0即255(或非0即1)。也就是说,图像中只剩下两种颜色:黑色和白色。
2025-10-08 22:04:43
870
原创 机器视觉学习 10 4
本文方法的精髓在于,它并非重建整个扣件的三维模型,而是以目标驱动,只精确重建激光光条所在的一条线的三维信息,这条线恰好包含了弹条中肢和绝缘块表面的高度数据,从而极大地减少了数据量和计算复杂度。slx~l=Al′[I∣0]p~wsrx~r=Ar′[R∣t]p~w其中,Al′和 Ar′是左右相机的内参矩阵,[R∣t]是右相机相对于左相机(世界坐标系)的旋转矩阵和平移向量,p~w是空间点 P的世界坐标。简单来说,激光光条的“变形”形状,就是物体表面轮廓形状的一种“光学复制”。
2025-10-04 18:57:00
673
原创 机器视觉学习 8 12
如果平行线交于无穷点,平行线交点的齐次坐标有个规律,即平行线方向加上一个0构成的齐次坐标就是这两条平行线交点的齐次坐标。每个平面都有一条无穷远线,由每个面的很多组平行线交的无穷远点的集组成(另外一种定义,两个平行面有无穷远的交线即无穷远线)接着这些无穷远线又构成了无穷远面,类比2D空间中的无穷远线的齐次表达给出3D空间中无穷远面的表示。我们通过这种方法得到的只是比例缩小或者放大的三维场景,并且无法确认三维场景的绝对位置。两组三维空间中的平行线之间夹角与影消点之间的关系。3D空间中的无穷远点的表示。
2025-08-13 02:00:05
278
原创 机器视觉学习 8 10
了解到前面讲的理想情况下的摄像机模型的内外参数求解过程,和畸变摄像机模型的内外参数求解过程。标定思路,用已知的两两对应的世界坐标系和像素平面坐标系的坐标,反列方程组求内、外参数。注意这里的m是在m的范式为1的约束下求得的,实际的最小二乘解是这里求得解的倍数。3D空间的这些就不多展现了,我目的主要是了解,知道各种变换的特点,异同点即可。六对点的方程组放在一起,构建系数矩阵和未知数矩阵,得到矩阵形式的线性方程组。补充了2D和3D空间中欧式变换,相似变换,仿射变换,透视变换的数学知识。
2025-08-12 18:55:24
204
原创 机器视觉学习 8 9
跟着b站up上传的北京邮电大学 鲁鹏教授录制的课程学习了解三维建模感觉这个老师讲的好好,详略得当,思路清晰,都不用倍速。课程目的:了解从图像中如何恢复三维场景的结构,去了解所处的环境。课程目录。
2025-08-10 12:45:56
360
原创 机器视觉学习 8 8
①LCD技术 一个大背光,每个像素点由三个子像素点红绿蓝组成,单个子像素点如红,身后有两个垂直偏振片和液晶 这两部分可以控制单个子像素点如红的发光强度,原理是通过偏振片得到单一方向光波,通过液晶调整方向控制光能否通过偏振片,具体可看b站up硬件茶谈,这哥们科普太硬核了,发现宝藏了。模拟图像→确定用多少个像素点来描述图像,采集模拟值,此时采样值依然是连续变化的→用2进制量化,将采样模拟值进行分级并归到对应级别中,此时得到离散的采样值,将得到的离散采样值转化为2进制数字→确定数据排列规则,生成相应格式文件。
2025-08-09 15:58:24
553
原创 学习机器视觉 7 29
2.1 光源2.1.1 选择LED灯的好处2.1.2 打光对图像造成影响、进一步对图像处理和后续过程造成影响2.2 镜头2.2.3 相机的选择也很重要、具体省略、后续根据研究方向再深入学习。
2025-08-01 21:56:08
230
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
RSS订阅