qq_47150350的博客

问题引入最近在进行kitti数据集可视化操作时，遇到一个问题，数据里面告知了物体框中心点的坐标、宽高（w,l）及旋转角度r_y，然后怎么去确定其各个顶点画出一个框来。问题思考关于这个问题，可能刚开始想的是既然中心坐标点告知 ，关键角度和长度也知道，很简单可以直接画坐标系，用三角函数求解即可，可当真正去计算时才发现比较复制，而且非常不利于代码的实现。于是想到关于旋转用极坐标系计算是否更加简单，解决步骤如下：确定大致思路在极坐标系中：x=pcos@ 1y=psin@

一、问题的引入opencv在图像处理方面有着非常强大的功能，当我们需要使用opencv进行一些图像的矫正工作时，我们通常需要找到原图的一些关键点，然后计算变换后的图像坐标，最后通过仿射变换或者透视变换获得自己想要的矫正图像，比如将一张拍歪了的纸进行矫正，我们的首要任务就是找到原图的一些关键点，通常的做法就是找纸张的4个顶点。二、问题的解决方法第一步我们肯定要找到纸张相应的矩形轮廓，这里可以二值化再找，也可以使用一些算子查找，而本文的重点是解决怎样根据矩形轮廓去确定它具体的4个顶点的位置。方法一：使

一、多分类数据的导入在tensorflow的图像预处理方法中有如下的这样一个函数，设置directory文件路径，在这个文件路径下该函数会将其每个子文件夹作为一个类，按照这个函数的读取顺序对类进行编码。flow_from_directory( directory, target_size=(256, 256), color_mode='rgb', classes=None, class_mode='categorical', batch_size=32, shuffle=True, se

一、算法来源1、DBSCAN算法原型这个算法原型非常简单，有很多博主都有写，大家自己去看看就好了，也不用花太多时间，顶多十分钟就能了解个大概。2、自适应Eps和Minpts参数由于该算法对Eps和Minpts参数十分敏感，所以如何确定这两个参数对于DBSCAN来说是很重要的一步，这篇博文是基于李文杰老师的论文《自适应确定DBSCAN算法参数的算法研究》，通过这篇论文，输入数据集即可大致确定这两个参数，从而可以直接在DBSCAN中应用。二、大致思想其中的基本思想，是通过计算数据集 D 中每个数据点

题目描述给你一个 严格升序排列 的正整数数组 arr 和一个整数 k 。请你找到这个数组里第 k 个缺失的正整数。样例：输入：arr = [2,3,4,7,11], k = 5输出：9解释：缺失的正整数包括 [1,5,6,8,9,10,12,13,…] 。第 5 个缺失的正整数为 9 。参考代码：def findKthPositive(arr, k) : left=0 right=len(arr) while left<right: mid =

分治法基本模型介绍：有很多算法在结构上是递归的：为了解决一个给定的问题，算法要一次或多次的递归调用其自身来解决相关的子问题。这些算法通常采用分治策略：将原问题划分成n个规模较小而结构与原问题相似的子问题，递归地解决些子问题，然后再合并其结果，就得到原问题的解。一般步骤：分解：将原问题分解成一系列子问题；解决:递归的解个子问题，若子问题足够，小则直接求解；合并:将子问题的结果合并成原问题的解；归并排序套用得：分解:将n个元素分成各含n/2个元素的子序列；解决:用合并排序法对两个子序列递归的

基本思想：快速排序是一种对包含n个数的输入数组进行排序的算法，最坏情况运行时间为O(n^2)。虽然这个最坏运行时间比较差，但快速排序通常是用于排序的最佳使用选择，这是因为其平均性能相当好，期望的运行时间为O（nlgn），而且其中隐含的常数因子很小，另外，它还能够进行就地排序，在虚存环境中也能很好的工作。像合并排序一样，快速排序也是基于分治模式的，下面是对一个典型子数组A[p…r]排序的分治过程的三个步骤:**分解:**数组A[p…r]被划分成两个（可能空）子数组A[p…q-1]和A[q+1…r]，使