boss-dog

这里我们将solvePnP算法应用于aruco标记的位姿估计中，实际我们使用的是2D工业相机，拍摄了多组标记如Charuco或者ArucoBoard，这些标记都是已知实际物理尺寸的，所以标记上的每个aruco相对于标记原点即物体坐标系的3D坐标都是已知的，记为；根据拍摄的图像通过模板匹配或角点检测算法都可以已知图像中每个aruco的像素坐标。最终我们需要求得的是相机的外参，即标记相对于相机坐标系的位姿关系，记为。1.刚体变换：这里假设是已知的，将标记中每个aruco的位姿从基于物体坐标系。

ArUco板是一组标记，其作用类似于单个标记，因为它为相机提供了一个单一的姿势。最受欢迎的板是所有标记都在同一平面上的板，因为它很容易打印：然而，棋盘不限于这种排列方式，并且可以表示任何二维或三维布局。一个板和一组独立标记的区别在于，板中标记之间的相对位置是先验已知的。这使得所有标记的角点都可以用来估计相机相对于整个板的姿态。当你使用一组独立的标记时，你可以单独估计每个标记的姿态，因为你不知道环境中标记的相对位置。1.姿态估计更加通用。只需要一些标记就可以进行姿态估计。

因项目部署在ARM系统上，需要编译一个arm版本的opencv-4.10.0（带opencv_contrib）版本。

本地是Ubuntu22.04系统，安装了ROS2-humble，看了下humble自带的OpenCV版本4.5.4，由于DNN模块读取.onnx格式的模型要用OpenCV4.7及以上的版本，于是编译了4.10.0的OpenCV，但开发ROS2节点时，虽然CMake中已经指定了OpenCV的依赖路径，但还是会依赖系统中自带的OpenCV版本。

ArUco标记和板非常有用，因为它们检测速度快且用途广泛。然而，ArUco标记的一个问题是，即使在应用亚像素精炼之后，其角位置的准确性也不是很高。相反，棋盘格图案的角点可以更准确地精炼，因为每个角点都被两个黑色方块包围。然而，寻找棋盘格图案不如寻找ArUco板那么通用：它必须完全可见，且不允许有遮挡。ChArUco试图结合这两种方法的优点：ArUco部分用于插值棋盘角的位置，因此它具有标记板的多功能性，因为它允许遮挡或部分视图。此外，由于插值的角属于棋盘，因此在亚像素精度方面非常准确。

因项目需要使用不同版本的OpenCV，而本地的Ubuntu22.04系统装了ROS2自带OpenCV 4.5.4的版本，于是编译一个OpenCV 4.10.0（带opencv_contrib）版本，给特定的项目使用，这就不用换个设备后重新安装OpenCV 了，直接依赖编译好的包使用。

Ubuntu22.04系统中源码安装OpenCV4.8.1

因为每个特征点都具有标志着唯一身份和特点的描述子，因此特征点匹配其实就是在两个图像中寻找具有相似描述子的两个特征点。，就是指将从影像中提取的特征作为共轭实体，而将所提特征属性或描述参数(实际上是特征的特征，也可以认为是影像的特征)作为匹配实体，通过计算匹配实体之间的相似性测度以实现共轭实体配准的影像匹配方法。它使用第一组中的每个特征的描述子，与第二组中的所有特征描述子进行匹配，计算它们之间的差距，然后将最接近的一个匹配返回。虽然Harris角点具有旋转不变的特征，但缩放后，原来的角点有可能就检测不到了。

1.对Mat类型的变量进行循环输入2.关于OpenCV 中 cv::Rect R_rect( )的用法3.关于OpenCV中cv::Point3f的创建4.Eigen::四元数赋值

时却说找不到这个库，网上搜了下说在编译opencv源码的时候，需要加上编译VTK库的选项，于是重新下载、编译、安装了源码，在cmake时加上了vtk。文件夹里，然后在cmake的时候加上编译viz模块的选项。最近一个项目中要用到OpenCV的VTK库，但引入头文件。源码中，所以即使编译时加了编译VIZ模块也没用。但安装完成后，发现还是引入不了。源码中的viz模块，将其放到。又是一通搜索后发现，原来。

将图像进行压缩和解压缩处理，提高图像传输的效率。

对Aruco标记图进行姿态估计并可视化显示。

在Ubuntu16.04系统下对OpenCV4.4版本进行编译配置，并完成demo的测试。

首先检测手的标志，然后根据这些标志点进行跟踪和点击，外加一些平滑技术以使其更加流畅。效果：运行AiVitrualMouse.py文件。食指是鼠标的移动模式，当食指和中指都翘起来且靠近时，是鼠标的点击模式。源码：AiVitrualMouse.pyimport cv2import numpy as npimport HandTrackingModule as htmimport autopyimport time##########################wCam, h.

这里是引用和

一.Grabcut原理的讲解附上大佬的讲解，个人觉得不错https://www.cnblogs.com/zyly/p/9392881.htmlhttps://blog.youkuaiyun.com/zouxy09/article/details/8534954二.GrabCut算法的实现步骤1.在图片中定义(一个或者多个)包含物体的矩形。2.矩形外的区域被自动认为是背景。3.对于用户定义的矩形区...

关于分水岭算法的原理及表现，这篇博客不错，https://blog.youkuaiyun.com/linqianbi/article/details/79121005重要的思想：上面的博客里面也有程序，用于计算图片中的硬币个数，程序都差不多，自己注释了一下，方便自己理解实例一.分割粘连对象，实现形态学操作与对象计数程序思路：读取图像，将原图上进行pyrMeanShiftFiltering()处...

关于上次的Kmeans算法，今天发现了一个程序注释比较好的博客，这里附上链接https://blog.youkuaiyun.com/cj_035/article/details/81805315高斯混合算法（GMM）原理介绍，看了好多，发现这篇写的不错，https://www.ituring.com.cn/article/497545附上大佬的链接：【opencv学习笔记】高斯模型https://b...

附上大佬的链接：方便自己查阅https://blog.youkuaiyun.com/qq_22033759/article/details/48415613

KMeans算法是数据聚类的重要算法之一。本文将对该算法进行原理的简单介绍以及API函数的介绍，同时举出两个例子：基于kmeans对数据的聚类和基于kmeans对图像的分割。（PS：作为学习Opencv的小白，及时记录所学习的东西，以便以后自己查阅方便。）一.KMeans方法概述无监督学习方法 （不需要人为干预定义什么类，自动执行）分类问题，输入分类数目，初始化中心位置硬分类方法，以距...