- 博客(9)
- 收藏
- 关注
RSS订阅
1原创 Efficient Large-Scale Stereo Matching论文笔记
只是个人笔记，看到错误还望指正参考:论文《Efficient Large-Scale Stereo Matching》学习_Orange_Wu的博客-优快云博客通过稀疏匹配找到精确的匹配点对当作支撑点。稀疏匹配通过9*9像素的Sobel滤波器得到。并进行左右一致性检查。对支撑点做三角剖分，通过Delaunay三角剖分创建一个二维网格。由很多三角形平面组成。需要求的像素点视差由组成三角平面的支持点估计(把问题转换成了概率估计问题了)，概率生成模型:通过给出的左图参考图和对应的支持点，输出右图中对
2021-10-23 12:04:25
280
原创 On Building an Accurate Stereo Matching System on Graphics Hardware论文笔记
只是个人笔记，看到错误还望指正参考了大牛的博客，让我看论文事半功倍，顶起来(人家还开源的自己的代码！！)博主文章导航（分门别类，实时更新，永久置顶）_闲情逸致~-优快云博客_分门别类中国学者(优秀！)Xing mei提出的AD-Census算法:顾名思义就算AD算法加上Census算法:Census算法基于窗口的相对亮度差值，可以更好处理亮度不一样的图片，而且对噪声和弱纹理有一定的鲁棒性，AD一定程度上缓解了重复纹理问题。两者结合，扬长避短:公式都做了归一化，结果都在0-1..
2021-10-23 11:58:26
187
原创 PatchMatchStereo论文笔记
只是个人笔记，看到错误还望指正参考了大牛的博客，让我看论文事半功倍，顶起来(人家还开源的自己的代码！！)博主文章导航（分门别类，实时更新，永久置顶）_闲情逸致~-优快云博客_分门别类1 PatchMatchStereo:倾斜支持窗口模型思想:为所有像素点找到属于它的动态视差平面,为每个像素根据视差d(未知，有多种可能)分配一个平面通过估计最优平面得到最优视差，估计最优平面是通过找到该像素的最小聚合代价值。Wp是局部窗口,W是权重值,基于同一个平面的颜色相似的假设，通过颜色差异.
2021-10-23 11:45:36
821
转载 2021-10-18
opencv中SGBM算法的实现原作者:立体视觉算法-SGBM（一）_机器视觉-优快云博客#include <opencv2/opencv.hpp>using namespace cv;int main(int argc, const char** argv){ Mat left = imread("E:/image/left.png", 0); Mat right = imread("E:/image/right.png", 0); if (left....
2021-10-18 16:27:50
114
原创 在运行的Docker容器中动态添加临时Volume
1 启动Docker:docker start Dockername2 安装nsenterdocker run --rm -v /usr/local/bin:/target jpetazzo/nsenter3 建立.volumesh并运行#!/bin/shset -eCONTAINER=Dockername#容器名字HOSTPATH=/personal2/zhangchao/docker #本地地址目录CONTPATH=/home#映射到的容器的目录REALPATH.
2021-09-14 15:04:28
1019
原创 Docker容器中远程连接实现GUI图形显示的配置方法
1 输入xhost + 没有问题的话会提示:access control disabled,clients can connect from any host2 使用echo $DISPLAY查看本地显示器localhost,会打印结果，我的是localhost:16.03新建Docker容器docker run -it --net=host -e DISPLAY=:16.0 -v $HOME/slides: /root/slides -v $HOME/. Xauthority: /r.
2021-09-14 12:02:29
1163
原创 Docker 中 使用 rm -rf 删除系统文件如何恢复
今天测试程序的时候不小心把根目录下的bin文件删除了，慌死了，百度半天，恢复了文件。找一份好的bin文件放到本地文件，使用docker cp 复制到docker容器的根目录下docker cp /dockertest/bin/ Dockername:/...
2021-09-14 11:49:44
1400
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人