scan

这次试验主要实现以平面和标记物进行姿态估计以及增强现实的应用。 一、以平面和标记物进行姿态估计 （1）下面演示的是一个简单例子：如何在一副图像上放置一个立方体，原图如下： （2）先提取两幅JPG图像的SIFT特征，然后使用RANSAC算法稳健地估计单应性矩阵，这两个算法前面的博文都有介绍，代码参考《python计算机视觉编程》，按如下运行一般不会有什么问题。 代码： # -*- coding:...

进行摄像机标定的目的：求出相机的内、外参数，以及畸变参数。 (一)基本原理 相机标定简单来说，是一个从世界坐标系→相机坐标系→成像平面坐标系→像素平面坐标系，也就是一个从三维点转换到三维点再到二维点的过程。 相机成像原理大家应该都有了解，如下图，C为相机的中心点，P为相机坐标系空间中的一点，该点被光线投影到图像平面上的p点，红线画出的 f 则为C到p所在平面的垂直距离，称之为焦距 f 。 相机...

（一）基本原理 本次测验目的：计算图像对的特征匹配，并估计基础矩阵。使用外极线作为第二个输入，通过在外极线上对每个特征点寻找最佳的匹配来找到更多的匹配。 外极几何： 上图为外极几何示意图，在这两个视图中，分别讲三维点X投影为x和x’，两个照相机中心之间的基线c和c’ 与图像平面相交于外极点e1和e2，L1和L2称为外极线（下文写为 l 和 l’）。 本质矩阵 （1）本质矩阵是归一化图像坐标下的...

参考来源：《python计算机视觉》 基于BOW的图像检索 （一）基本介绍 （1）BOW是指 “Bag-of-Words” 词袋模型，比较简单的理解就是将你所要分类的对象看成一个袋子，而这个袋子里装着组成这个对象的众多元素，对每个元素提取特征点，特征描述指向最多的一个类别则作为这个对象的类别。举个例子，将一段文本看成一个袋子，构成文本的每一个词汇都是独立的并放在这个袋子中，然后看这个袋子里装的...

一、基本介绍 （一）K邻近分类法(KNN) KNN算法在分类方法中，是属于简单且应用得最多的方法之一，它把要分类的对象与训练几种已知类标记的所有对象进行对比，并由k近邻对指派到哪个类进行投票。 KNN算法简单来说，就是先设定一个k值，根据这个k值来划分近邻区域，区域中哪个类所划分到的个数多，就将这个元素分为这一类。但是在此之前，KNN算法需要一定数量的训练集来训练对对象特征的分类，这点和BP神经...

一、基本介绍 （一）卷积神经网络 卷积神经网络（CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一 。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络” 。 卷积层是卷积神经网络的核心基石。在图像识别里我们提到的卷积是二维卷积，即离散二维滤波器（也称作卷积核）与二维图像做卷积操作，简单的讲是二维滤波器滑动到...

图像分割 图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或者单个对象。这些区域可以利用诸如颜色，边线或近邻相似性等特征构建。 具体可参考：https://blog.youkuaiyun.com/huixingshao/article/details/42642973/ 在前面的博文全景拼接中也介绍过图割方法，这里做一个简单实验。 最大流/最小割的简单例子 这里用到pygraph这个包...