
模式识别&图像处理
模式识别和图像处理,还有一些语言的基础操作
阿GEM是我的
这个作者很懒,什么都没留下…
展开
-
根据形变程度给点云上色
最近的激光雷达项目老师要求我做一个根据叶片的形变程度给点云上颜色。我的想法是通过计算出点云每个点的法向量和曲率然后根据曲率的大小遍历点云添加颜色很简单,也很容易实现因为pcl有直接的代码可以算出点云的曲率,有这一步就成功了一半了。计算出曲率的最大和最小值,曲率最小的时候点云为红色曲率最大的时候点云为蓝色红色到蓝色的渐变过程需要设置三原色中的green 随曲率值的变化...原创 2019-05-31 18:06:51 · 1556 阅读 · 1 评论 -
利用matlab将三维数据拟合成三维曲线
拟合三维曲线貌似可以用相信回归做,但是matlab有一个自带的polyfit函数,可以直接算出二维数据的拟合曲线,用的是最小二乘法的思想。 思路其实很简单,将两条拟合的二维曲线组合在一起就是三维曲线了。 先上代码吧clc;clear all;%fb = load('./LeafCloud/bend.txt');fb = load('./Le...原创 2019-06-08 01:18:09 · 35764 阅读 · 14 评论 -
样本数少于特征数的PCA降维
模式识别在做SVM支持向量机的分类问题的时候,考虑到读取的图片特征数过大,如我的图片进行压缩之后还是有8100多的特征,而我的训练样本数只有600多张,需要用PCA降一下维,但是平时学的PCA降维要求样本数要大于特征数的,不然求不出协方差矩阵。 我们老师说可以将训练样本的特征集转置过来求主成分向量大同小异。 然后我就着手试一试了。代码如下,传入参数 X...原创 2019-06-09 22:10:05 · 8152 阅读 · 15 评论 -
机器学习样本数据集,训练正负样本
1、Caltech-101 数据库:该数据库在2003年被发布,包括101类目标图像和1类背景图像,共102类,彩色图像较多,有部分灰度图像。总共图像数为9145(除去背景后总数为8677),每类图像数大约在31~800之间,图像大小为300×200。此数据库的特点是:每个图像只含有一个目标,且目标大都处于图像中间位置,基本上占据整个图像区域,背景相对比较简单。 ...原创 2019-06-17 11:46:58 · 5936 阅读 · 0 评论 -
python训练级联分类器
1、 复制opencv的两个exe文件:opencv_createsamples.exe、opencv_traincascade.exe放在新建的文件夹中Code 2、收集未处理的正样本在Code/Picture/OriginNegPicture 中 收集未处理的负样本在Code/Picture/OriginPosPicture 中 ...原创 2019-06-17 16:41:24 · 3069 阅读 · 2 评论 -
MATLAB读取列数不一致的文件(1、跳过前面N行数据,2、读取每行列数不同数据)
MATLAB常见的读取加载数据文件都是用load 、importdata之类比较多,该类方法多局限于文件数据每一行的列数都是相等的; 但是如果遇到的数据文件前面N行数据是英文或中文,剩下的是列数相等的数据,那这类导入方法有点不行了,例如数据文件长这样: 我们要读取的是后面列数相同的浮点型数据,保存在一个矩阵中,需要跳过前面11行数据(这...原创 2019-06-26 10:18:27 · 18952 阅读 · 1 评论 -
点云特征提取--vfh
开始做点云识别了,在matlab 上自己写了一个点云特征提取脚本,跑出来的效果还不错,于是想跟pcl官网的点云特征提取算法比较一下,看看两者在识别上谁会好一点。 vfh代码我参考某位博主的,忘记是谁了阿。 我封装成了一个函数,输入点云,返回308维的点云特征。#include <pcl/features/vfh.h>#include <...原创 2019-07-09 17:36:52 · 7156 阅读 · 20 评论 -
python--鼠标给正样本图片作框图标记,保存坐标
在做目标检测的时候,需要从拍下来的图片中截取我们的目标,将目标的坐标保存在文档中,方便做训练的时候直接读取图片,截取特定roi区域即可作为正样本投入训练了。 下面是我用python写的一个简单的脚本。 两个函数,一个是鼠标的回调函数,一个是主函数。 回调函数调用全局变量保存矩形框的坐标xmin ymin xmax ymax 还有就是逻辑flag,和...原创 2019-07-30 18:45:03 · 1426 阅读 · 1 评论 -
模糊检测SMD2代码,从视频流中抽取某段间隔最清晰的K张图片
smd2灰度差分乘积法,速度感觉略慢,因为要遍历每个像素,一个像素与右边像素的差sub1 及与下面像素的差sub2,然后求积,score = abs(sub1)*abs(sub2), 将所有像素的score 累加 得出scores。 scores值越大说明边缘越多,图像越清晰。下面将smd2封装成一个类。其中def saveImage(self, imageList): # 保存清晰图...原创 2019-08-29 18:20:58 · 1271 阅读 · 1 评论