qq_45802659的博客

基于PyTorch的YoloV5目标检测平台

多视几何

最初的Bag of words，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词 是否出现，或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。Bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词

图像分割

相机模型与参数标定1. 针孔相机模型1.1. 坐标转换1.2. 像主点偏移1.3. 畸变现象1.4. 内参矩阵1.5. 外参矩阵2. 相机参数标定2.1. 实验数据2.2. 代码实现2.3. 结果及分析1. 针孔相机模型1.1. 坐标转换C点表示相机的中心点，也是相机坐标系的中心点；Z轴表示相机的主轴；p点所在的平面表示相机的像平面，也就是图片坐标系所在的二维平面；p点表示像主点，主轴与像平面相交的点C点到p点的距离，也就是图中的f表示相机的焦距；像平面上的x和y坐标轴与相机坐标系上的

全景图像拼接1. 拼接原理2. SIFT3. RANSAC算法4. 单应性变换5. 代码实现6. 问题解决1. 拼接原理（1）检测并提取图像的特征和关键点（2）匹配两个图像之间的描述符（3）使用RANSAC算法使用我们匹配的特征向量估计单应矩阵（4）拼接图像2. SIFT（1）（2）是运用SIFT局部描述算子检测图像中的关键点和特征，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高，所以用来检测要拼接图像的特征及关键点就很有优

这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录

【计算机视觉】：（1）基本的图像处理和操作1. 直方图2. 高斯滤波3. 直方图均衡化1. 直方图图像的直方图是用来表征图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用hist()函数绘制，代码如下：from PIL import Imagefrom pylab import *def Histogram(): #读取图像到数组中并转换成灰度图像 img = array(Ima