- 博客(204)
- 资源 (18)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 常用指令与版本汇总
1.anacondaconda create -n v5 python=3.82.ubuntu#ubuntu获取最高权限 sudo chmod 777*#Unrar与 rarsudo apt-get install rarsudo apt-get install unrar#解压 unrar e test.rar 解压文件到当前目录unrar x test.rar /path/to/extractunrar l test.rar 查看rar中的文件unrar v.
2021-04-30 23:29:46
877
5
原创 matlab的标定工具箱
这两个点都以标准化图像坐标表示，原点位于相机的光学中心。x 和 y 像素坐标通过焦距 fx 和 fy 进行标准化。重投影误差：所有图像对中重新投影点和检测点之间的平均欧几里得距离，以像素为单位指定。图像 1 中的点 P1 对应于图像 2 中的点 P2。两个点均以像素坐标表示。基础矩阵，存储为 3×3 矩阵。基础矩阵将两个立体摄像机关联起来。本质矩阵，存储为 3×3 矩阵。将两个立体摄像机关联起来。Camera 1 Intrinsics 相机1内参。
2025-03-12 17:48:47
273
原创 怎么选相机分辨率、投影仪尺寸、标定板大小等硬件
选择结构光三维重建系统中的相机分辨率、投影仪尺寸、标定板大小等硬件时，需要综合考虑多个因素，以确保系统性能和测量精度。
2025-03-12 17:46:51
352
原创 世界坐标到UV纹理坐标的映射
实现世界坐标到UV纹理坐标的映射通常涉及以下几个步骤。这些步骤将帮助你将三维点云中的点转换为对应的二维纹理坐标，以便进行纹理映射。这里，(u) 和 (v) 是图像平面上的像素坐标。
2025-03-12 17:45:15
358
原创 点云StatisticalOutlierRemoval算法
算法是一种有效的点云噪声滤波技术，适合各种场景下的点云数据处理。通过合理设置参数，可以显著提高点云的质量。改进的(SOR) 算法旨在提高标准算法在特定场景下的性能和效果。这些改进的算法在处理不同类型的点云数据时，能够提供更高的灵活性和准确性。根据具体应用场景和数据特性，可以选择合适的改进算法以获得最佳效果。
2025-02-06 18:32:48
856
原创 geomagic design X 安装蓝屏问题
https://support.3dsystems.com/s/article/Blue-Screen-Error-When-Using-Installing-Geomagic?language=en_US
2025-01-18 13:20:26
205
原创 SVD进行点云拼接的原理
通过SVD进行点云拼接的原理基于对点云间的对应关系进行线性变换的优化。SVD提供了有效的方式来计算旋转和位移，从而实现多个点云的准确对齐。
2025-01-18 09:33:00
312
原创 opencv中标定函数
是进行相机标定的关键函数，能够估计相机的内参和外参，帮助纠正图像的畸变。在实际应用中，通常需要多张图像和相应的特征点来获得准确的标定结果。是进行立体相机标定的关键函数，能够计算两个相机的内参和外参，帮助实现三维场景的重建。为了获得准确的结果，通常需要多张图像和相应的特征点。是立体视觉系统中重要的一步，通过矫正两幅图像使其在同一平面上对齐，方便后续的深度计算和匹配。为了获得准确的矫正效果，通常需要在标定阶段获得准确的相机内参和外参。
2025-01-17 23:53:44
1025
原创 opencv projectPoints函数 && computeCorrespondEpilines函数 && undistortPoints函数
是一个强大的工具，可以用于各种计算机视觉应用，如相机标定、三维重建等。通过正确设置相机参数和三维点，可以方便地将三维信息映射到二维图像中。是一个非常有用的函数，它可以帮助在立体视觉中确定点对应的极线，从而在后续的匹配和重建过程中发挥重要作用。通过正确使用基本矩阵和输入点，可以有效地计算出所需的极线。极线在立体视觉和计算机视觉中，极线（epipolarlines）是一个重要的概念，主要用于描述两个相机视图之间的几何关系。极点和极线在立体视觉中，两个相机的视点分别称为左视点和右视点。
2025-01-17 23:52:29
1415
原创 1. 结构光系统标定原理
远心镜头在一定的光学条件下，物体的成像放大率与物体到镜头的距离无关。这意味着，无论物体与镜头的距离如何变化，成像的比例保持不变。主要特点视场一致性：远心镜头在不同的视场位置上提供一致的放大率。畸变小：与传统镜头相比，远心镜头通常具有更小的畸变，适合精确测量。深度景深：由于其光学设计，远心镜头通常具有更大的景深，适合观察和测量较厚的样品。应用领域显微镜：用于生物学、材料科学等领域的样品观察。工业检测：在自动化生产线中进行零件尺寸检测。光学测量：用于高精度光学测量和成像系统。
2025-01-17 23:48:29
283
原创 3d系统误差分析
内参标定：相机的内部参数（如焦距、光心、失真系数）标定。描述相机如何将三维世界的点转换为二维图像的投影特性。外参标定：相机与其他设备（如投影仪、世界坐标系）之间的空间位置和姿态（旋转和平移）关系。描述设备之间的相对位姿。多设备联合标定：如果有多个相机或结合其他设备（如结构光投影仪），需要标定它们的相对位置和对齐关系。标定的目标是构造出一个数学模型，使得系统能够有效地将三维空间中的点映射到图像平面，或者从图像平面反推出三维点。
2025-01-17 23:45:42
1091
1
原创 双目摄像头高低温影响的评估指标有哪些？单目与双目结构光系统的不同？
双目摄像头高低温影响的评估指标有哪些？通过以上指标，可以全面评估双目摄像头在高低温环境下的性能和可靠性。
2025-01-17 23:39:37
446
原创 单线性激光扫描、多线性激光扫描？激光扫描三维重建算法环节
都属于激光扫描技术，但它们在光源的数量和工作方式上存在一些差异。单线性激光扫描：单线性激光扫描使用单个线状光源进行扫描。光源沿一个方向移动，将一条直线上的目标进行扫描。这种方式适用于需要获取目标表面在一个维度上的信息的应用，例如轮廓测量、位移测量等。单线性激光扫描可以提供高精度的测量结果，但在扫描速度上可能受到一定限制。多线性激光扫描：多线性激光扫描使用多个线状光源进行扫描。这些光源可以同时或依次激活，从而实现对目标在多个维度上的同时扫描。
2025-01-17 23:38:06
383
原创 python语法
count：总共有100条记录相当于100个人参加这两次考试mean：就是除去缺考的(等于空值)之外的平均值std：就是成绩的方差min：就是成绩最差的人25%:表示25%分位数就是成绩从低到高排序，在第百分之25的时候的人的成绩50%：就是成绩刚好中间的分数。等于中位数75%：跟25的解释一样。
2025-01-17 23:20:51
878
原创 CUDA核心概念
1.1.0f加个f，成单精度计算，不加会默认成double2.快速指令：__add()加两个下划线3.CUDA计算能力1.3以上才支持双精度，4.0往后支持双精度浮点计算单精度浮点型（float）专指占用32位存储空间的单精度（single-precision）值。单精度在一些处理器上比双精度更快而且只占用双精度一半的空间，但是当值很大或很小的时候，它将变得不精确。4.PCIe:PCIExpress是新一代的总线接口。
2025-01-17 23:17:03
702
原创 cuda 中BYTE*
在CUDA中，你可以定义一个BYTE*指针来指向设备或主机内存中的字节数据。//定义设备内存中的BYTE*指针//在设备上分配内存。
2025-01-17 23:15:30
190
原创 cuda中threads(16, 16)为什么设置16，一定要设置16吗
在CUDA编程中，指的是每个块的线程数设置为16x16，即每个线程块包含256个线程。这种设置并不是必须的，而是根据你的具体应用和硬件特性来决定的。
2025-01-17 23:14:46
336
原创 cuda编程中主机端的代码为什么要加extern “C“
如果在C++代码中需要调用C语言库或者需要从C语言代码中调用C++函数，就需要使用extern"C"来告诉C++编译器不要对这部分代码进行名称修饰，以保持与C语言兼容的链接名称。当CUDA主机端代码需要与C语言库或者操作系统API进行交互时，使用extern"C"可以确保函数名不会被C++编译器修改，从而使得C语言库能够正确地找到并链接这些函数。总之，extern"C"在CUDA编程中用于确保主机端代码与C语言代码或库的兼容性，特别是在需要跨语言调用函数时。//主机端函数定义。
2025-01-17 23:13:10
265
原创 快速开发CUDA程序方法
c) 确定CUDA内核使用的数组 根据对串行程序的分析，确定哪些模块需要移植到GPU平台上运行，对于需要运行上GPU平台上的代码内的数据进行分析，确定哪些数组需要在CUDA内核中使用，分析CUDA计算时，这些数组传递的方向是CPUtoGPU还是GPUtoCPU，以及每次传递时的数据大小等信息，然后设计这些数组的定义方式和大小。根据前面几条的修改方式，对原CPU程序修改成一个仿CUDA格式的CPU串行程序，为后面的移植工作做大量的准备，有利于后面CUDA程序的移植。
2025-01-17 07:50:16
370
原创 相移与格雷码结合的结构光三维重建，与相移与多频外差结合的结构光三维重建，方案的优劣与对比
1. **抗模糊能力**：多频外差技术可以有效识别出高频和低频信息，减少模糊现象，提高深度测量的准确性。1. **高精度**：通过格雷码的编码，可以有效减少重建过程中的模糊和歧义，提高深度测量的精度。3. **速度快**：相移与格雷码结合的方法可以在较短时间内获取高质量的三维数据。2. **适应性强**：可以在不同的环境和条件下进行有效测量，适应性较强。2. **对设备要求高**：对光源和相机的要求较高，设备成本可能较高。1. **计算复杂性**：解码过程需要较复杂的算法，增加了计算负担。
2025-01-17 07:49:10
298
原创 cuda中的zero-copy
kernel函数中的每个参数都必须在gpu设备上分配明确的内存空间，或者是使用cudaHostAllocMapped方式从主机端以映射的方式实现zero-copy。
2025-01-16 11:23:26
98
原创 cuda中 __device__ __global__ __host__
device 标记的函数从一个在器件中执行的函数呼叫，在器件中执行 global 表示该函数从一个在主机中执行的函数呼叫，在器件中执行 __host__表示在主机中呼叫，在主机中执行的函数
2025-01-16 11:22:07
103
原创 贝叶斯算法
主要是加入先验知识。朴素：指特征之间独立。贝叶斯算法是指一类基于贝叶斯定理的算法，用于解决统计分类和推断问题。贝叶斯定理是概率论中的一个定理，它描述了在已知一些条件下，某事件的概率。在机器学习中，贝叶斯算法通常用于处理不确定性，通过已知的先验概率和新的证据来更新我们对某个假设的概率估计。在机器学习中，贝叶斯分类器是一种基于贝叶斯定理的统计分类方法。最简单的贝叶斯分类器是朴素贝叶斯分类器，它假设特征之间相互独立。
2025-01-16 11:00:57
930
原创 Apriori关联规则算法
我们将上一步找到的频繁1-项集进行两两组合，生成候选频繁2-项集。例如，如果频繁1-项集有{牛奶, 面包, 鸡蛋, 橙汁}，那么候选频繁2-项集可能包括{牛奶, 面包}、{牛奶, 鸡蛋}、{牛奶, 橙汁}等。我们继续这个过程，使用频繁2-项集生成候选频繁3-项集，计算它们的支持度，然后找到频繁3-项集。我们遍历数据库中的所有交易，统计候选频繁2-项集的出现次数，并计算它们的支持度。这意味着，如果一个商品组合在所有交易中出现的频率至少为5%，我们才认为它是一个频繁项集。步骤 3: 生成候选频繁2-项集。
2025-01-16 10:59:22
261
原创 相移与格雷码结合的结构光三维重建，与相移与多频外差结合的结构光三维重建，方案的优劣与对比
相移与格雷码结合的结构光三维重建和相移与多频外差结合的结构光三维重建各有其特点和适用场景。
2025-01-16 10:57:26
228
原创 pytorch提供了三种量化模型的方法
量化意识训练：在极少数情况下，训练后量化不能提供足够的准确性，可以使用torch.quantization.FakeQuantize函数通过模拟量化来进行训练。训练后静态量化：最常用的量化形式，权重提前量化，并且基于观察校准过程中模型的行为来预先计算激活张量的比例因子和偏差。训练后动态量化：最简单的量化形式，权重被提前量化，激活在推理过程中被动态量化。
2025-01-16 10:55:01
129
原创 神经辐射场NeRf基础
NeRF 所要做的任务是 Novel View Synthesis，一般翻译为新视角合成任务，定义是：在已知视角下对场景进行一系列的捕获 (包括拍摄到的图像，以及每张图像对应的内外参)，不需要中间三维重建的过程，仅根据位姿内参和图像，合成新视角下的图像。不同于传统三维重建方法把场景表示为点云、网格、体素等显式的表达，它独辟蹊径，将场景建模成一个连续的 5D 辐射场隐式存储在神经网络中，只需输入多角度的 2D 图像，就可以通过训练得到一个神经辐射场模型，根据这个模型可以渲染出任意视角下的清晰照片。
2025-01-16 10:50:09
249
原创 git常用命令
git push -u origin master （注：此操作目的是把本地仓库push到github上面，此步骤需要你输入帐号和密码）git fetch --all && git reset --hard origin/master（回滚git版本）git commit -m “提交信息” （注：“提交信息”里面换成你需要，如“first commit”）git add . （注：别忘记后面的.，此操作是把Test文件夹下面的文件都添加进来）git pull（拉取）
2025-01-16 10:48:04
239
智东西公开课-自动驾驶系列课第三季第6讲-多功能商用车智能驾驶系统的架构及应用-深兰科技智能交通技术CEO赵旭博士
2018-09-02
在VC2010上可以运行，但是改到Qt上就提示这个错误，请问是哪里没设置好吗？
2015-01-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人