【笔记】 感受野与权值共享 摄像头标定 相机坐标与世界坐标

1.卷积神经网络的局部感受野

卷积神经网络的神经元之间的连接模式类似于大脑视觉皮层组织，个体皮层神经元仅在被称为感受野的视野受限区域中对刺激做出反应。局部感受野就是卷积神经网络每一层输出的特征图（Feature Map）上的像素点在原始图像上映射的区域大小，相当于像素上的滤波器。滤波器在整张图像上进行移动，直至遍历完整张图像，从而把一些图像的局部特征提取出来。 图像的局部统计特征在整幅图像上具有重复性。如果图像中存在某个基本图形，该基本图形可能出现在任意位置，那么在不同位置共享相同权值，就可以实现在数据的不同位置检测相同的模式。假设我们在第一个窗口卷积后得到的特征是边缘，那么这个卷积核对应的就是边缘特征的提取方式，我们就可以用这个卷积核去提取其他区域的边缘特征。CNN能够在浅层学到比较基础的特征，如点、线、边缘，这些基础浅层特征的组合是高层特征，即使发生仿射变换，这些基础的特征依然不变，因此最后的识别结果不会受到影响。 卷积神经网络的人工神经元可以响应局部覆盖范围内的单元，在对大尺寸图像处理方面有很好的表现。它的核心思想是通过深层网络，对图像的低级特征进行提取，随着网络层数的加深，将低级特征不断向高级特征映射，在最后的高级映射特征中完成分类识别等工作。图3.3所示为卷积神经网络的特征提取过程：先从汽车图像的一个局部区域学习信息，再将其应用到图像的其他地方去。

2.摄像头标定

选用opencv 结合C + + ，根据张正友标定法对相机参数进行标定。张正友标定法避免了传统标定法设备要求高和自标定法精度低的缺点。
操作流程见图。

准备