海淀摆烂王

原创 Docker部署步骤

DockerfileFROM python:3.6.13MAINTAINER hupengyuRUN apt update && apt-get -y install libgl1-mesa-glx && apt-get -y install vimCOPY requirements-base.txt /ai-glass/RUN pip install -r /ai-glass/requirements-base.txt -i https://mirro

原创 paddleocr-nvidia-docker(cuda+cudnn)-training镜像完美无坑配置

nvidia-docker(cuda+cudnn)+ocr_trainhost配置 CPU：8核至强Intel(R) Core(TM) i7-9700KF CPU @ 3.60GHz； 内存：32G内存(8*4)； 硬盘：240GB SSD + 2TB机械盘 GPU：GTX-1060[Compute Capability:6.1] gcc: version 5.4.0 kernel:4.15.0-142-generic NVIDIA dr

原创 二项分布与伯努利试验的关系，看图说话

原创 《slam十四讲ch10:g2o_viewer运行成功留念》

运行环境：ubuntu16 + kdevelopqt5-default qtcreator(很多帖子使用qt4,在ubuntu16上是不行的)g2o:https://github.com/RainerKuemmerle/g2o.git(SLAM十四讲中3rdparty的g2o)安装过程转载：https://blog.youkuaiyun.com/YuYunTan/article/details...

原创 《slam十四讲ch7:orb_cv留念》

总项目一直编译失败，实在没有办法了，只能一个一个项目的编译。没想到一个一个编译还真的好使。赶快运行了两个项目。完美，完美。

原创 《SLAM去畸变效果展示》

畸变前：畸变后：天呢，科技实在是太神奇了！！！

原创 《编译Sophus遇到的坑:eigen3与Sophus版本不匹配》

SLAM中所使用的操作李代数的库Sophus在cmake的时候需要有eigen3库作为依赖，但是需要eigen-3.3.0以上版本。但是《视觉SLAM十四讲》里面使用的是libeigen3-dev下载的eigen3，但是该版本为3.2.x的版本。所以必须手动卸载低版本的eigen3。然后重新安装eigen-3.3.0以上版本(还有记得将下载好的Eigen复制到usr/include/下--否则...

原创 《万向锁问题终结贴》

敲黑板：完成一次操作的三次旋转的顺序是固定的。万向锁问题：正常情况：三个圆环以不同层次套在一起，中间有一个箭头，从外向内依次旋转三层圆环指定的角度，可以让箭头指向任意方向。万向锁情况：当第二层圆环旋转90度时，第一层和第三层圆环套在一起了（见下图），导致这两层的旋转效果完全相同，所以此时会降低系统灵活性（即减少了一个自由度）----此时，当从外向内依次旋转三层圆环无论什么角度，箭头只能完成轴...

原创 《Linux_python路径》

/usr/bin/python3.5m/usr/bin/python3.5-config/usr/bin/python3.5m-config/usr/bin/python2.7/usr/bin/python-->这个路径才是系统执行的路径，/usr/bin/python3.5可以通过软链接来确定到底最后使用哪里版本 ln -s/usr/bin/python3.5 /...

原创 《CRNN_training代码解析》

在进行CRNN的训练时，在training过程中遇到了很多问题，主要是对training中处理数据的具体细节不是很了解，而不了解就会带来困扰，下面是我自己弄的一个小demo，通过调试终于慢慢的理解了细节。下面是我的捋的思路：下面是对应的demo：from __future__ import print_functionimport argparseimport randomim...

原创 CRNN---手写代码实现流程

原创 IDE[pycharm]操作数据时CPU占内存

在使用copy的原项目调试的时候,发现识别率竟然和原项目不同----准确的说是没有原项目好.一顿找原因----以为是参数改变了.后来在调试的时候才发现----是多了一个这样的无关紧要的代码# ----------------------Observer--------------------- for i, box in enumerate(boxes): ...

原创 《tensorflow的基本知识》

import tensorflow as tfa = tf.constant([[0, 1, 2, 3], [4, 5, 6, 7]], dtype=tf.float32)a_rank = tf.rank(a) # 获取张量的秩a_shape = tf.shape(a) # 获取张量的形状b = tf.reshape(a, [4, 2]) # 对张量进行重构# 运行会话以显示结...

原创 《CTPN + CRNN》

今天尝试使用CTPN来实现和CRNN的拼接。遇到的问题：1.CTPN的boxes、scores与yolo3的boxes、scores的格式不同，无法完成与CRNN的对接。2.PixelLink可能比CTPN的效果更好。尝试解决的方式：1.更改CTPN的输出格式2.完全使用新的CTPN + CRNN。3.使用PixelLink。...

原创 《Pycharm中的相对路径问题》

这个问题不大，但是不了解的话是真的烦人，会白白浪费很多时间。如果不确定自己的路径是否正确，就简单粗暴的使用../直接从根路径寻找。tf.app.flags.DEFINE_string('checkpoint_path', '../checkpoints_mlt/', '')这当时给我搞的，搞了半天的tf.train.get_checkpoint_state()，还傻傻的去看里面的...

原创 《英语》

之前报了一个错：could not find a writer for the specified extension in function 'imwrite_'这个错其实很简单，但是我搜了很多才解决了那个问题。但是这句话翻译过来是这样的:无法为函数“imwrite_”中指定的扩展找到写入器。是的，关键词是扩展！！！扩展——>扩展名——>文件后缀.........

原创 《发票识别算法基础知识》

手里的两个OCR算法使用了类似的算法和框架，但是代码看起来还是有细微的差别的。准备研究下该代码，此篇文字记录基本知识，权当笔记。1.PIL.Image.convert("L")python中的图像处理库PIL是用来实现不同图像格式的转换。PIL处理正常的RGB、BMP、JPG格式的图片，都是直接将其转换为"RGB"模式。但是对于灰度图，PIL进行的操作是将其转换为"L"型——模式...

原创 《出租车票ocr识别》

OS：LinuxIDE：Pycharmpython版本：python-3.6.9算法：Keras功能：出租车票ocr识别经验总结：1.熟悉Pycharm及其调试2.学习python及其正则表达式3.了解算法实现的工程逻辑4.gitLib熟悉5.熟悉科技如何与工程结合6.了解算法实现的更加具体的实现方式 ...

原创 《pycharm环境搭建》

程序已经有啦，就是很多python上的包没有。要去下载依赖。下载依赖的时候出了一些问题。pycharm运行时，出现如下错误，应该是pandas的包有问题。AttributeError: module 'pandas' has no attribute 'core'在终端验证pandas包，出现如下错误：➜ bin pythonPython 3.6.9 (default, D...

原创 静态方法初步了解

类(的静态)方法只能访问类成员（类的静态成员和方法）——因为静态方法属于类。类的普通方法可以访问类的所有成员和方法——因为普通方法及成员变量属于类的实例。public class HelloWorld { static int arr[] = new int[10]; int arr1[] = new int[10]; public static void ma...

原创 [Leetcode] 3.无重复字符的最长子串

VS2013下运行#include <string>#include <iostream>#include <assert.h>#include<algorithm>using namespace std;class Solution {public: int lengthOfLongestSubstring(string s) ...

原创 浅显易懂SIFT

致敬LoweSIFT共分为四步：1.尺度空间极值检测：尺度空间是什么鬼？极值又是什么鬼？容我一一道来。尺度空间，说的是，我们要在不同的尺度下来检测，说的是我们在什么地方检测；极值，说的是，我们要检测的是什么，检测的是极值。一句话来说是这样的：我们要在不同尺度的图片上分别检测不同尺度下的极值。所以说，最后我们检测出来的那些极值，对应的是不同尺度下的极值，而这些不同尺度下的极值，经过筛选，最后对应...

原创 权龙论文（2）——Accurate, Scalable and Parallel Structure from Motion

本文解决的问题：解决了大规模图像SFM方法精确性问题，尤其在解决相机定位问题上效果显著。本文主要贡献：1.相机聚类算法：我们将所有相机和相关图像分成簇，并利用这样的公式化来处理后续轨道生成，局部增量SfM和最终束调整，以可扩展和并行的方式进行。2.利用增量和全局SfM实施运动平均方法：我们将局部增量SfM的相对运动应用于全局运动平均框架，并获得比最先进方法更准确和强大的全局相机姿态。...

原创 经典SFM步骤——Lowe2005

网上有很多博文介绍了SFM的过程，但是每个人说的都是自己的理解，想自己真正搞明白还是要自己弄懂每一步。必须要自己把过程写出来才是真的懂了。1.使用SIFT提取特征点，使用k-d tree最近邻算法匹配图像之间的点对注意，由于每幅图像会匹配到不同的其他图像，最后匹配的图像总数是平方级的。2.匹配点对的过程存在误差！引入对极几何，使用基础矩阵F与两幅图像间的约束关系（极线约束）来剔除错误匹...

转载 SFM and PMVS实现（Linux）

参考博文：1.https://www.jianshu.com/p/ef3ef6fdf3542.https://blog.youkuaiyun.com/u013358387/article/details/715766603.https://blog.youkuaiyun.com/zouyu1746430162/article/details/78639469

原创 A robust three-stage approach to large-scale urban scene recognition(3)

我换了一个看论文的思路，这篇文章的标题既然是三阶段，那我就看看到底是哪三个阶段，然后我再分别在这三个阶段中找出每个阶段作者都用了什么方法，改进了哪些方法，就像做英语阅读一样，看题干找细节。第一阶段：用类别对场景进行分割1.使用SFM对原始图像images进行处理：得到相机姿势和重建网格。2.对原图像和得到的重建网格进行分割：得到分割后的“破碎的”图像和网格。3.通过投影来构造图：...

原创 SIFT(3)——算法流程，此部分结束

1.对原图像使用不同参数的高斯函数对图像进行卷积，得到一组Octave；相邻的图像相减得到一组DoG；2.并把第一张Octave下采样重复步骤1；3.使用不同尺度的DoG进行关键点检测；4.在不同的尺度进行关键点方向分配；5.以步骤4中的关键点的主方向为坐标轴方向，并记录一个指定范围内所有像素点的梯度方向（局部图像梯度），形成关键点描述符；6.以一个图像中的关键点描述符去匹配另一个图像中...

原创 SIFT(2)——MATLAB实现SIFT详解

这篇博客主要把SIFT通过MATLAB进行可视化，真正的SIFT算法在C源码里，下一篇论文（如果我能看懂的话）详细讲C源码，也就是下面提到的siftWin32.exe，作者把SIFT给写成.exe了。个别名词解释：key：SIFT算法识别出的每个image中的关键点。首先，执行[image, descriptors, locs] = sift(imageFile)，求出每个key的长度为...

原创 SIFT(1)——尺度空间极值检测

SIFT算法有四个步骤：**1.尺度空间极值检测：**计算的第一阶段搜索所有尺度和图像位置。通过使用高斯差分函数来有效地实现识别对于比例和方向不变的潜在兴趣点。**2.关键点定位：**在每个候选位置，都用一个详细的模型来确定位置和比例。基于其稳定性的度量来选择关键点。**3.方向分配：**基于局部图像梯度方向，为每个关键点位置分配一个或多个方向。所有接下来的操作都是在相对于每个特征的指定方向...

原创 C++Primer——chapter15_OOP（1）:派生类初涉

Quote.h#ifndef QUOTE_H#define QUOTE_H#include <iostream>#include <string>using namespace std;//定义Quote类class Quote{ double print_total(ostream &os,const Quote &item,size...

原创 MVS步骤(1)——关键点提取和匹配[SIFT1]

Distinctive Image Features from Scale-Invariant KeypointsAbstract本文提出了一种用于从图像中提取有特点的不变特征的方法，该方法可用于在对象或场景的不同视图之间执行可靠匹配。通过使用快速最近邻居算法将各个特征与来自已知对象的特征数据库匹配，然后进行霍夫变换以识别属于单个对象的聚类，最后通过最小二乘解决方案对一致的姿势参数进行验证。...

原创 C++Primer——chapter13_拷贝控制（2）:拷贝构造函数使用

默认构造函数和拷贝构造函数的区别#include "stdafx.h"#include <iostream>#include <algorithm>#include <fstream>#include <string>#include <vector>using namespace std;class numbered...

原创 C++Primer——chapter13_拷贝控制（番外篇）:static数据成员

static数据成员理解：1.在类内进行声明2.在类外初始化（因为它不属于类对象，所以它应该在对象创建之前就存在了，所以在类外初始化正好）3.所有该类的对象都共享一个static数据成员。#include "stdafx.h"#include <iostream>#include <algorithm>#include <fstream>#inc...

原创 C++Primer——chapter13_拷贝控制（1）

构造函数、拷贝构造函数、拷贝赋值运算符的使用#include "stdafx.h"#include <iostream>#include <algorithm>#include <fstream>#include <string>#include <ve

原创 三维重建表面的高阶CRF结构分割(2)——两个主要步骤

在经过很多篇相关论文的阅读，最后思路终于清晰了。《三维重建表面的高阶CRF结构分割》是用来进行网格分割的，首先你得有个网格，其次你得使用网格：（1）使用MVS重建网格（2）子图重构一、MVS主要步骤：（1）关键点的提取和匹配（主要有两种方式：Harris角点检测算法、sift算子）（2）稀疏点云的建立（SFM）（3）稠密点云的重建（PMVS）（4）表面重建以及纹理映射二、子图重构...

原创 KMP算法（C++实现）

// KMP算法#include <iostream>#include <string>#include <vector>using namespace std;void get_next(string T,vector<int> &next){ next.resize(T.size()); int i=1,j=0; nex...

原创 三维重建表面的高阶CRF结构分割(1)——[7]Silhouette and stereo fusion for 3D object modeling

**《三维重建表面的高阶CRF结构分割》*的参考文献的第七个:[7]Accurate, dense, and robust multiview stereopsis,里面介绍了MVS方法，里面有一句： compares our algorithm with Hern´ andez Esteban’s method [7], which is one of the best multi-view s...

原创 动态规划问题

https://blog.youkuaiyun.com/misayaaaaa/article/details/71940779#commentBox

原创 数组学习12——leedcode.724. 寻找数组的中心索引

这个代码我没有弄出来，自己想了一个想法之后就一直在小改，调特殊情况，吭哧了半天。但是看了大家的思路之后很快就做出来了。所以，敲代码不能上来就先套上循环，得先想清楚，这样敲的时候就是些小问题了。不可能不动脑筋就轻松的硬敲出来。class Solution {public: int pivotIndex(vector<int>& nums) { int...

原创 A robust three-stage approach to large-scale urban scene recognition(2)——[19]三维重建表面的高阶CRF结构分割

目的：将大规模城市环境的多视图立体重建表面（三角形网格S）分割为structural segments。每个segments对应于由最多二阶的表面单元描述的structural component（如外观，屋顶，圆顶等），该分割用于随后的城市对象建模，矢量化和识别。方法概述：为了克服3D重建城市表面中的高几何和拓扑噪声水平，我们用公式将结构分割表示为高阶条件随机场（CRF）标记问题。它不仅合并...