- 博客(119)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 结肠镜3D视频数据集-C3VD论文中文版
筛查结肠镜检查是几种3D计算机视觉技术的重要临床应用，包括深度估计、表面重建和缺失区域检测。然而，由于获取地面真实数据的困难，这些技术在真实结肠镜检查视频中的开发、评估和比较在很大程度上仍然是定性的。在这项工作中，我们提出了一个结肠镜3D视频数据集（C3VD），该数据集是通过高清临床结肠镜和高保真结肠模型获得的，用于对结肠镜检查中的计算机视觉方法进行基准测试。我们介绍了一种新的多模态2D-3D配准技术，用于将光学视频序列与已知3D模型的真实渲染视图配准。
2025-04-04 22:13:43
734
原创 SLAM十四讲【四】相机与图像
从这个模型中也可以看出，如果对相机坐标同时乘以任意非零常数，归一化坐标都是一样的，这说明点的深度在投影过程中被丢失了，所以单目视觉中没法得到像素点的深度值。在测量深度之后，RGB-D相机通常按照生产时的各相机摆放位置，自己完成深度与彩色图像素之间的配对，输出一一对应的彩色图和深度图。其中，f的单位为米，a,B的单位为像素/米，所以fx,fy和Cx,Cy的单位为像素。实际相机得到的图像不是倒立的，会由软件处理，比如opencv或手机系统的相机处理后的图像都是正像，而iphone手机拿到的就是需要翻转的像。
2025-03-23 17:17:36
905
原创 SLAM十四讲【三】李群与李代数
每个李群都有与之对应的李代数。李代数描述了李群的局部性质，准确地说，是单位元附近的正切空间。一般的李代数的定义如下：李代数由一个集合V、一个数域F和一个二元运算[，]组成。如果它们满足以下几条性质，则称(V,F,[,])为一个李代数，记作g。1.封闭性VX, Y∈V , [X,Y]∈V .2.双线性VX,Y Z∈V a, b∈F ,有[aX+bY,Z]=a[X,Z]+b[Y,Z] , [Z,aX+bY]=a[Z,X]+b[Z,Y] .3.自反性 X∈V , [X,X]=0 .
2025-03-23 15:21:01
738
原创 SLAM十四讲【二】三维空间刚体运动
但是欧拉角有一个万向锁问题，就是在那些旋转在90°时，前后的旋转会使用后同一个轴，导致丢失一个自由度，这被称为奇异性问题。外积的结果是一个向量，它的方向垂直于这两个向量，大小为absin(a,b),是两个向量张成的四边形的有向面积，其方向通常由右手定则确定。再绕旋转之后的Y轴旋转，得到俯仰角pitch，绕旋转之后的X轴旋转，得到滚转角roll。在三维向量的末尾添加1，将其变为四维向量，就是齐次坐标，这里的T就是变换矩阵，那么计算就看起来简洁些了。因为R是正交矩阵，它的逆是一个相反的旋转。
2025-03-22 19:37:52
973
原创 SLAM十四讲【一】基本概念
通过前一张图像的各个像素位置和后一张图像的各个像素位置对比，后一张图像是可以通过一个矩阵变换到前一个矩阵的，通过这个矩阵可以估计相机的运动，但矩每一次阵转换必然会带有一点误差，连续的图像变换会出现累计漂移，最后相机实际回到原位置但轨迹不会是在原位置的。单目SLAM就是只用一个摄像头做SLAM，从单张图像上，我们是是不能确定物体距离的，需要移动相机，目标在不同图像中位置不同从而形成视差，就可以判断物体的远近，这里作者能定量判断，我认为是定性判断。地图多种多样，视应用而定，总的可以分为度量地图和拓扑地图两种。
2025-03-22 10:53:27
725
原创 3D视觉【二】摄像机标定
内参数，也称为摄像机内部参数共有4个内参数：焦距l、不确定性图像尺度因子m、图像平面原点的计算机图像坐标Om和On当用一个摄像机在不同位置和方向获取多幅图像时，各幅图像所对应的摄像机外参数可能是不同的，但内参数不会变化，所以移动摄像机后只需重新标定外参数而不必再标定内参数。利用给定的3D物体的特征点坐标(X, Y, Z)与其2D图像坐标(x, y)计算摄像机的内、外参数，从而建立客观景物与所采集的图像的定量联系。其中，Ci在通用情况下是一个4 × 4的矩阵，但一般可简化成一个3 × 3的矩阵。
2024-12-17 16:51:39
1042
原创 大模型【Qwen2-7B本地部署（WEB版）】（windows）
大模型是截止2024年上半年最强的AI，Qwen2是刚出来的号称国内最强开源大模型。这是大模型系列的第一篇文章，旨在快速部署看看最近出来的大模型效果怎么样，效果ok的话就微调自己的GPTs了。
2024-07-11 22:22:57
6595
8
原创 热红外传感器
目前市面上测温主要有两类，一类是测温计用的是MLX90614，这是单点高精度的；另一种就是红外热像仪，是用MLX90640做红外图像处理的，MLX90640和MLX90641主要区别就是MLX90641像素点长宽各少一半，价格也更低，MLX90640也有两款不同视场角的产品，分别用于近距离和远距离的场景。自然界中当物体的温度高于 绝对零度 时，由于它内部 热运动 的存在,就会不断地向四周辐射电磁波，其中就包含了波段位于0.75～100μm 的红外线，红外温度传感器就是利用这一原理制作而成的。
2024-05-23 20:17:51
434
原创 项目经理【过程】原则
【引论一】项目管理的意义【引论二】项目管理的逻辑【环境】概述【环境】原则【环境】任务【环境】绩效【人】概述【人】原则【人】任务【人】绩效【过程】概念【过程】原则
2024-05-08 21:37:33
254
原创 项目经理【人】绩效
【引论一】项目管理的意义【引论二】项目管理的逻辑【环境】概述【环境】原则【环境】任务【环境】绩效【人】概述【人】原则【人】任务【人】绩效
2024-05-07 23:24:52
313
原创 项目管理【人】概述
项目管理办公室（Project Management Office），简称PMO。项目指导委员会（Project Steering Committee）变更控制委员会（Change Control Board），简称CCB。项目发起人（Sponsor）
2024-05-05 13:44:12
812
原创 windows端VSCode远程免密登录Ubuntu及Root登录
在开发不想每次用sudo给权限时，可以直接在root下开发，sudo vim /etc/ssh/sshd_config，在后面加上。ubuntu：安装有VSCode服务（即已可通过VSCode远程访问Ubuntu）如果authorized_keys里有内容，则在最后重起一行粘贴公钥；即可生成私钥id_rsa和公钥id_rsa.pub。如果没有.ssh文件夹，则新建一个。如果出现.ssh文件夹，则。在cmd命令行中输入。
2024-04-19 10:38:42
836
原创 项目管理【环境】概述
系列文章目录【引论一】项目管理的意义【引论二】项目管理的逻辑【环境】概述一、组织运行环境1.1 事业环境因素EEFs1.2 组织过程资产OPA1.3 二者差异二、组织结构类型2.1 组织架构2.2 职能型组织2.3 项目型组织2.4 矩阵型组织2.5 项目管理者在不同组织中的特征三、组织治理框架3.1 组织治理框架3.2 治理和管理四、法约尔原则与管理要素4.1 法约尔原则4.2 管理要素五、企业文华和发展战略5.1 企业文化5.2 组织发展
2024-03-30 19:06:11
409
原创 项目管理【引论二】项目管理的逻辑
项目管理的目标是在规定的时间内，在批准的预算内，完成事先确定的工作范围内的工作，并且达到预期的质量性能要求。项目管理的目标是在规定的时间内，在批准的预算内，完成事先确定的工作范围内的工作，并且达到预期的质量性能要求。PMBOOK 将项目的开发生命周期可分为预测型（计划驱动型）、适应型（敏捷型）、迭代型、增量型或混合型。在最优工期时完成可达到最优解，但往往会有小偏差，最终在合理工期内完成目标即可。实质的项目成功皆大欢喜，表面的项目成功或失败则都不好过。项目结束后，就是无尽的运营！
2024-03-11 22:21:16
866
原创 Windows下linux 子系统 WSL2怎样使用usb串口（USBIPD-win4.0.0）
这时候就出现/dev/ttyUSB0啦。直接下载最新版本的msi文件安装。windows查看usb设备。
2024-01-02 15:39:04
3014
1
原创 ROS【一】（ROS的安装(ubuntu20.04)）
ROS的全称是The Robot Operating System，是一种开源的机器人系统，由于其功能是独立的而模块化，支持多语言编程（message通信机制），其应用范围已经不仅在机器人领域了，伴随这着Ros的发展，已逐步应用于自动驾驶等领域。
2023-12-29 15:58:25
1794
原创 点云处理【七】(点云配准)
点云配准一般分为粗配准和精配准，粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准，目的主要是为精配准提供较好的变换初值；（1）Point-to-Plane ICP：将icp中点到点的距离改为点到目标面的距离，这样就不容易陷入局部最优，但也增加了计算量。4PCS:四点配准算法(4PCS)基于寻找四个点的一致集合，并尝试找到最佳的变换，使得这些点在源和目标点云中都是一致的。基于优化的配准方法大致可分为4种方法：基于ICP的变种方法、基于图优化的、基于GMM的和半定的配准方法。
2023-10-26 22:04:46
8285
2
原创 点云处理【六】(点云分割)
2.用1中得到的模型去测试所有的其它数据，如果某个点与模型的误差小于某个阈值，则该点适用于这个模型，认为它也是局内点。随机种下曲率较小的种子后进行延申，根据种子邻域与法线之间的角度与阈值比较，从而判断是否处于哪个领域。1.从一个样本集S中，随机抽取n个样本，拟合出一个模型，n是能够初始化模型的最小样本数。4.用所有假设的局内点去重新执行1,2，估计模型，因为它仅仅被初始的假设局内点估计过。3.如果模型内的局内点达到一定个数，那么估计的模型就足够合理。类RegionGrowing.py。
2023-10-20 18:57:38
2864
原创 点云处理【五】(点云特征提取)
PFH通过参数化查询点与邻域点之间的空间差异，并形成一个多维直方图对点的k邻域几何属性进行描述。点特征直方图（PFH）表示法是基于点与其k邻域之间的关系以及它们的估计法线，简言之，它考虑估计法线方向之间所有的相互作用，试图捕获最好的样本表面变化情况，以描述样本的几何特征。它的思想在于分别计算查询点的k邻域中每一个点的简化点特征直方图(Simplified Point Feature Histogram,SPFH)，再通过一个公式将所有的SPFH加权成最后的快速点特征直方图。通常点云特征与关键点结合使用。
2023-10-20 14:18:41
4327
原创 点云处理【四】(点云关键点检测)
Harris关键点检测通过计算每个点的协方差矩阵，求解特征值和特征向量，来判断该点是否为关键点。它通过在多个尺度下对点云进行高斯滤波和差分操作，来提取稳定性和尺度不变性的关键点。它通过将点云投影到二维图像上，并计算每个像素周围梯度直方图，来寻找具有唯一性和重复性的关键点。ISS 关键点通过计算每个点与其近邻点的曲率变化，得到该点的稳定性和自适应尺度，从而提取稳定性和尺度合适的关键点。我们获得的数据量大，特别是几十万个以上的点云，里面有很多冗余数据，会导致处理起来比较耗时。//关键点估计的近邻搜索半径。
2023-10-20 11:26:24
2988
5
原创 点云处理【三】(点云降采样)
在MLS法中，需要在一组不同位置的节点附近建立拟合曲线，每个节点都有自己的一组系数用于定义该位置附近拟合曲线的形态。通过在法向量空间内均匀随机抽样，使所选点之间的法线分布尽可能大，结果表现为地物特征变化大的地方剩余点较多，变化小的地方剩余点稀少，可有效保持地物特征。首先随机选择一个点，其次，在剩下点中寻找最远的点，再去再剩下点中找到同时离这两个点最远的点，直到满足采样点个数。此外，每个节点的系数取值只考虑其临近采样点，且距离节点越近的采样点贡献越大，对于未置较远的点则不予考虑。就是每隔多远采集一个点，
2023-10-17 18:04:10
3227
原创 点云处理【一】(点云数据采集)
深度图像是一个二维图像，其中每个像素的值表示物体表面与相机或传感器之间的距离。点云是一个三维数据结构，其中每个点都有X、Y和Z坐标，表示物体表面上的点在空间中的位置。深度相机是一种可以捕捉三维信息的数字相机。它通常使用红外、结构光或时差法来测量物体距离相机的深度。深度相机可分为三类：红外结构光传感器，ToF传感器，双目立体相机红外结构光传感器利用红外光源发射预设的结构光模式（如点阵或其他模式）至目标上，然后通过检测反射回来的结构光模式的变形来测量物体的深度信息。
2023-10-10 14:37:53
3673
原创 nlopt在windows上的安装使用
3.下载dll和def：http://ab-initio.mit.edu/wiki/index.php?1.利用mingw中的dlltool工具，将def换位lib：dlltool -d libnlopt-0.def -l libnlopt-0.lib -k。1.下载nlopt库：https://nlopt.readthedocs.io/en/latest/2.把nlopt.h、nlopt.c和libnlopt-0.lib拉到文件夹下。
2023-08-20 17:36:00
1387
原创 Vscode python调试和运行环境设置
在.vscode文件夹(没有就自己造一个)下新建一个settings.json，里面写上自己要用的环境。
2023-08-08 10:11:22
1340
原创 ubuntu安装pcl库【超简单】
从源码上摸索了几个小时踩了很多坑，结果就是大道至简，官方都为我们考虑到了（很多库之前安过了，没时间再重装，要是缺库的话，缺啥装上）。
2023-08-05 10:40:30
2717
3
原创 esp32 wifi无线透传
因为常见的无线传输视频或图片，只能在局域网内中实现，为了能够在同一局域网下进行视频传输查看，我们使用了云平台帮助我们实现。
2023-08-01 18:57:58
1880
原创 【奥比中光Gemini 2L快速上门】
│ │ ├── Sample-ColorViewer // 演示使用SDK获取彩色数据并绘制显示、获取分辨率并进行设置、显示彩色图像。│ │ ├── Sample-DepthViewer // 演示使用SDK获取深度数据并绘制显示、获取分辨率并进行设置、显示深度图像。│ │ ├── Sample-InfraredViewer // 演示使用SDK获取红外数据并绘制显示、获取分辨率并进行设置、显示红外图像。
2023-07-31 20:22:51
2844
2
android rtp demo.rar
2021-03-07
miniconda3-windows和vc_redist.x64
2020-10-24
itop-4412-boa-0.94.13
2019-02-17
cmake-3.12.1
2018-09-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人