
学习笔记
文章平均质量分 81
飒白
这个作者很懒,什么都没留下…
展开
-
基于结构光投影三维重建:格雷码编码与解码
一 单目结构光编码目的类似于双目,如果把投影仪看成一个逆相机,直到空间中的一点成像平面的位置,就可以知道空间中一点的坐标。编码的目的:知道打在物体物体表面的光是从投影仪的那个像素发出来的,就知道在投影仪的虚拟成像位置。二 格雷码的编码与解码2.1 格雷码vs二进制码格雷码是一种二进制码,最大的特点是相邻格雷码编码只有一位不同。所以格雷码解码更稳定,相对不容易出错。体现在明暗交接处变换更少:对于格雷码来说,明暗交接处变换更少,如图所示二进制下部有7次变换,而格雷码只有4次。黑白交接的原创 2021-04-07 08:53:37 · 2218 阅读 · 0 评论 -
给CNN添加TVloss函数
接了导师的活,要求把TVloss加入到已经写好的DnCNN里,下面是tvloss代码:class TVLoss(nn.Module): def __init__(self, TVLoss_weight=1): super(TVLoss, self).__init__() self.TVLoss_weight = TVLoss_weight def forward(self, x): batch_size = x.size()[0]原创 2021-04-01 09:58:46 · 1347 阅读 · 1 评论 -
三维重建论文笔记 DeMoN:Depth and Motion Network for Learning Monocular Stereo
本文是学习总结的笔记,仅供个人学习使用。1. introduction在这篇文章中,作者训练了一个端到端的卷积网络,以从连续无约束的图像对中计算深度和摄像机运动。该体系结构由多个堆叠的编解码器网络组成,核心部分是一个能够改进自身预测的迭代网络。该网络不仅估计深度和运动,而且还估计表面法线、图像之间的光流和匹配的置信度。该方法的一个重要组成部分是基于空间相对差异的训练损失。与传统的基于运动方法的双框结构相比,结果更准确,鲁棒性更强。与流行的Depth-from-Single-Image网络不同的是,DEM原创 2021-03-17 17:37:02 · 855 阅读 · 0 评论 -
三维扫描系列 点云绪论
本文是学习肖勇大神的点云课程总结的笔记,仅供个人学习使用。肖勇Mapping & Localization Technical Specialist @ Lucid Motors,主要从事无人车地 图和定位算法研发。先后参与 Lyft、百度无人车 项目开发。密歇根大学土木工程博士,中科院遥 感与数字地球研究所地图学硕士,武汉大学测绘 工程学士。点云数据及获取定义点云:三维点的数据集合属性三维坐标强度颜色时间戳分类点云组织形式:organize原创 2021-03-15 08:34:54 · 2064 阅读 · 0 评论