尘世冰封的专栏

使用计算机视觉的车辆检测是跟踪本车周围车辆的重要组成部分。许多自动驾驶应用都需要检测和跟踪车辆的能力，例如前方碰撞预警、自适应巡航控制和自动车道保持。自动驾驶工具箱提供预训练的车辆检测器(**vehicleDetectorFasterRCNN**和**vehicleDetectorACF**)来实现快速原型制作。然而，预训练模型可能不适合每一个应用，需要你从头开始训练。本文展示了如何使用深度学习从零开始训练车辆检测器。

从激光雷达数据中提取地面点和非地面点

如何将点云读入workspace，选择所需的点集，然后将所选点写入点云文件格式.las。

使用的图像集包含建筑物的图片。这些照片是用未校准的智能手机相机拍摄的，通过沿着地平线从左到右扫描相机，捕捉建筑物的所有部分。图像相对不受任何镜头失真的影响，因此不需要相机校准。但是，如果存在镜头失真，则应在创建全景之前校准相机并使图像不失真。如果需要，您可以使用相机校准APP来校准相机。

SLAM领域牛逼实验室及大佬

博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545===========================================概念篇：https://blog.youkuaiyun.com/u011344545/article/details/89432313技术篇：https:/...

博主github：https://github.com/MichaelBeechan   博主优快云：https://blog.youkuaiyun.com/u011344545   计算机视觉数据集：https://github.com/MichaelBeechan/CV-Datasets Image Processing1、OpenCV        OpenCV (Open Sou...

博主github：https://github.com/MichaelBeechan 博主优快云：https://blog.youkuaiyun.com/u011344545 计算机视觉数据集：https://github.com/MichaelBeechan/CV-DatasetsImage Motion and Tracking数据集 功能 解释 链接 ...

支持向量机是数据挖掘中的一项新技术，是借助于最优化方法来解决机器学习问题的新工具，最初由 V.Vapnik 等人提出，近几年来在其理论研究和算法实现等方面都取得了很大的进展，开始成为克服“维数灾难”和过学习等困难的强有力的手段，它的理论基础和实现途径的基本框架都已形成。

通过对图像特征的分析可以看出，局部特征对于噪声和旋转等方面均具有不错的抗干扰能力，能够实现对地面标识点的快速匹配，可以很好的满足吊具位姿估计系统的实时性需求。SIFT算子的尺度不变性特点和梯度方向描述子相结合，使其能够很好地满足标识点细微的改变，这也是当前比较主流的匹配方式。SIFT不仅可以很好的适应旋转、尺度的变化，还能够在海量的数据信息中快速的进行匹配，即使在标识物存在遮挡时也能产生精确的关键点描述子，而经过优化后的SIFT算法基本上可以达到实时性，以下将对该特征匹配算子作详细说明。

【代码】计算机视觉与深度学习 | 视频/图像转换及保存播放（Matlab源码）

本章节主要论述基于视觉惯性紧耦合的滑动窗口优化算法和闭环检测。如图4.1所示的框图，本章将从视觉数据和惯性数据的融合方面来详细讨论如何获取系统的初始值；在优化方面，本章先通过点线特征来判定关键帧；然后将全面分析如何在滑动窗口中，通过点线特征的残差、IMU测量残差以及先验信息的残差来解决非线性问题。最后，通过对视觉回环检测的分析，以及利用回环信息进行全局位姿优化，来对整个系统进行优化。

非线性优化理论：图优化、高斯牛顿法和列文伯格-马夸尔特算法

本文中将介绍视觉惯性SLAM的前端部分，首先是传感器数据处理中的特征的提取与跟踪，本文采用两种不同类型的信息进行视觉跟踪，即点特征和线特征。点特征主要包括角点和一些人工设计的特征点，例如SIFT、ORB或SURF等，然后基于光流法进行特征点匹配与跟踪。对于线特征使用所提出的自适应阈值的线段提取算法对线段进行提取，以提高提取的线特征质量，减少冗余线特征对系统精度的影响，然后介绍了点线特征的重投影误差模型。最后对本文算法的效果和性能在公开数据集下进行了定量实验分析。

首先介绍了在三维空间中通过旋转矩阵、旋转向量、欧拉角以及四元数对一个刚体的运动进行描述；接着介绍了单目相机的投影模型，如何将三维世界坐标映射到二维图像平面上并对相机模型进行了推理；然后介绍了IMU模型并对相关基本理论公式进行了推导，接着详细推导了IMU预积分公式以便更好地理解其在SLAM中的应用。最后介绍了SLAM后端中非线性优化的理论知识，包括**高斯牛顿法、列文伯格-马夸尔特和图优化方法**。

随着计算机技术和电气电子技术的进步，机器人在制造业、医疗、教育、服务业等领域得到广泛应用。正如图1.1所示，机器人在汽车、电子、食品等制造业中得到广泛应用，可以完成物品装配、危险物的搬运与喷涂、精密焊接等工作，提高生产效率。同时减少人员受伤的风险，取代一些繁琐、重复、危险或需要高精度的工作，减少人力劳动，释放人力资源，提高产品质量。在医疗行业中，机器人可以用于手术、康复、护理、病房管理等方面，为患者提供更安全、精确和高效的医疗服务。在农业领域中，机器人可以用于作物种植、喷洒农药、采摘、运输等方面，提高农业生

立体视觉的组成结构为两个或多个平行且共面的相机，是一种仿人类视觉系统。立体视觉测量的依据是立体视差理论（Stereo Disparity），也是当前计算机视觉SLAM研究的核心问题之一。视差估计的过程则为立体视觉图像匹配对中对应点的求解过程。立体视觉的初衷是从相机中获取二维图像，然后通过空间几何关系计算出图像点在三维中的信息，并由此重建被拍摄物体的三维几何图形即是一个2D到3D的过程。当然，在图像采集前首先对相机进行标定，得出相机的内置参数，此参数决定了图像点与其在三维空间点的映射关系。

21世纪是计算机视觉（Computer Vision，CV）和人工智能（Artificial Intelligence，AI）快速兴起的时代。随着AlphaGo击败人类职业围棋选手[1]、扫地机器人以及波士顿动力公司开发的各种机器人的出现，机器人、人工智能、神经网络等不再是陌生的词汇。机器人是机械与智慧的完美结合，由于其广泛应用，渐渐成为人类生活的重要组成部分。未来，机器人产业将引领潮流，成为影响国家综合国力、现代高科技战争及青少年教育的重要因素。机器人是一种将计算机技术、传感器技术、微电子技术、自动化控制

【代码】计算机视觉与深度学习｜图像快速傅立叶变换。

ChatGPT正吸引着跨领域的兴趣，因为它提供了一个跨许多领域的具有卓越的会话能力和推理能力的语言接口。然而，由于ChatGPT是用语言训练的，它目前还不能处理或生成来自视觉世界的图像。同时，视觉基础模型，如视觉变形器或稳定扩散，虽然表现出很强的视觉理解和生成能力，但它们只是一轮固定输入和输出的特定任务的专家。为此，我们构建了一个名为\textbf{Visual ChatGPT}的系统，结合了不同的Visual Foundation模型，使用户能够通过以下方式与ChatGPT进行交互

自动驾驶车辆在不同的驾驶环境中需要精确的定位和建图解决方案。在这种背景下，SLAM技术是一个很好的解决方案。LIDAR和相机传感器通常用于定位和感知。然而，经过十年或二十年的发展，激光雷达SLAM方法似乎没有太大变化。与基于激光雷达的方案相比，视觉SLAM具有低成本和易于安装的优点，具有较强的场景识别能力。事实上，人们正试图用相机代替激光雷达传感器，或者在自动驾驶领域中基于相机集成其他传感器。基于视觉SLAM的研究现状，本文对视觉SLAM技术进行了综述。特别是，论文首先说明了视觉SLAM的典型结构。其次全面

- 主要使用Matlab自带函数**pcmatchfeatures**函数：实现点云特征匹配 - 使用**pcshowMatchFeatures**函数：实现点云匹配可视化

多模态融合是自劢驾驶系统感知的一个基本任务，最近引起了许多研究者的兴趣。然而，由于原始数据的噪声、信息的未充分利用以及多模态传感器的未对齐，实现相当好的性能并不是一件容易的事情。在本文中，我们对现有的自动驾驶多传感器融合感知方法进行了文献综述。整体上，我们对50多篇论文进行了详细的分析，其中包括使用激光雷达和相机尝试解决目标检测和语义分割任务的方法。不传统的融合模型分类方法不同，我们提出了一种创新的方法，从融合阶段的角度，用一种更合理的分类法将融合模型分为两大类、四小类。此外，我们深入研究了当前的融合方法，

PCA（主成分分析）（Principal Component Analysis）是一种常用的数据分析方法。PCA 主要是通过线性变换（分解特征矩阵）将我们拿到的具有高维度的原始数据在数据预处理阶段（数据清洗）进行降维，也可以说是高维数据在低维空间上的投影。

=====================================================github：https://github.com/MichaelBeechan优快云：https://blog.youkuaiyun.com/u011344545=====================================================使用3-D位姿图优化来减少单目相机估计轨迹（位置和方向）中的漂移。 视觉里程计估计的相机的当前全局位姿（当前帧）。 由于3D三角剖分的匹

**同时定位与建图**(SLAM)技术已广泛应用于各类自主移动平台中，其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而，视觉SLAM系统易受视觉环境变化的影响，而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展，对SLAM系统的精度和鲁棒性等提出了更高要求，将多种具有互补性的传感器进行**融合**是提升SLAM系统性能的有效途径。据此，聚焦惯性/视觉/激光雷达多传感器融合SLAM技术，从多传感器标定和多源数据融合两个主要方面进行综.

激光雷达点云：SLAM

TANDEM：Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo

=====================================================github：https://github.com/MichaelBeechan优快云：https://blog.youkuaiyun.com/u011344545=====================================================BIMEF [33] : A Bio-Inspired Multi-Exposure Fusion Framework for Low-l

================================================================博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545================================================================Matlab2022a 下载链接在文末DSP System ToolboxA

================================================博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545================================================转换原理在文末d_x和d_y表示1个像素有多少长度，即用传感器的尺寸除以像素数量f表示焦距代码1 2D-2D#include &lt

四元数到旋转矩阵的转换：matlab实现

基于matlab完成相机到视频中人的距离估计，检测视频中人，计算视差

激光雷达传感器能够获取丰富，稠密且精确的三维空间中物体的点云数据，这可以帮助自动驾驶车辆实现定位和障碍物的跟踪，lidar也将成为实现完全自动驾驶的核心传感器。

===================================================github：https://github.com/MichaelBeechan优快云：https://blog.youkuaiyun.com/u011344545===================================================%this code is the Matlab implimentation of David G. Lowe, %"Distinctive

博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545安装包下载链接：内附MATLAB从入门到精通视频教程 全17讲链接：https://pan.baidu.com/s/12NM-hWPhXg8mFhdoGbpv7A提取码：1i4x链接：https://pan.baidu...

博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545最近在安装MATLAB2019b，安装过程中一直出现如下问题：License Manager Error -8.License checkout failed. Encryption code in licens百度多次未能解决...

================================================博主github：https://github.com/MichaelBeechan博主优快云：https://blog.youkuaiyun.com/u011344545================================================PSO算法和GA算法的相同点:(1)都属于仿生算法。PSO算法主要模拟鸟类觅食、人类认知等社会行为而研究;GA算法主要借用生物进化中“适者生存”的

=====================================================github：https://github.com/MichaelBeechan优快云：https://blog.youkuaiyun.com/u011344545=====================================================例1：计算目标函数值函数代码%遗传算法主程序function My_GAglobal Cmin;Cmin=-10^6;po

=====================================================github：https://github.com/MichaelBeechan优快云：https://blog.youkuaiyun.com/u011344545=====================================================计算机视觉与深度学习 | ORB特征提取：基于OpenCV+Python（附代码）2011年Rublee等[12]提出了ORB（Or