wejoncy的专栏

看了很久的摄像机标定，把心得体会记录一下吧，以后自己要用也可以看看，要是能帮到别人就更好了。本文使用的是张正友标定方法， 至于那些坐标系之间的相互推导网上大把大把，就不说了直接写出从像素坐标到世界坐标的关系 摄像机标定中主要是求解各种参数，内参，外参上面的A就是内参矩阵，[R t]就是外参矩阵 内参

这是在gflags中的，由于google为了兼容windows xp之前的系统 在config.h中有// Define if you have the <shlwapi.h> header file (Windows 2000/XP).#define HAVE_SHLWAPI_H而在windows 7 之后，这个已经被废弃了，因此我们注释掉就可以

原文: http://cto.gcgchina.com/lshlocality_sensitive_hashing/两点之间的距离可以用两种方式来衡量，一是几何距离，二是非几何距离。很显然距离的定义满足下面的条件：d(x,y) > 0.d(x,y) = 0 iff x = y.d(x,y) = d(y,x).d(x,y)  d(x,z) + d(z,y)几何距离包括：

理解sift里面的尺度为了保持尺度不变的特性，作者构建高斯金字塔及差分金字塔的方法来取得极值点。 但是其中的尺度的计算有点不太理解，看了源码和网络上的分析后做个笔记 下面的一段代码是opencv中关于sift的构造函数的代码可以看到，把组中层数初始化为3，（作者建议3-5），边缘阈值10，去除边缘相应的点，sigma0为1.6，高斯模糊的尺度

并不是那么喜欢双目视觉这一块，但是又不能说不，那么还是好好干吧不是古人有云生活就像被强奸，如果无法反抗，就默默享受吧 标定什么是标定，为什么要标定？标定能做什么？怎么来标定？这些天看了很多相关文档，资料，都快被那些东西给淹没了，浮出来，好好吸一口新鲜空气 得出相机内参外参的过程就叫标定内参就是相机固有的参数，比如焦距，主点

LM在最优化中占据着极其重要的地位，将非线性问题转为为线性问题来求解，求出最优解。 最近在搞相机标定，而不得不面对LM，首先的想法百度，（个人不喜欢去看e文，总觉得效率不高，事实上错了）找到了一些相关的文章，好难啊，这是第一想法。不过还是找到了几篇大牛的文章，以及相关的MATLAB实现代码，本文的c实现便是基于MATLAB代码。感谢原作者 http://

 原文http://blog.youkuaiyun.com/jinshengtao/article/details/17717731人们普遍认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。这些点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。其在三维场景重建、运动

本篇主要介绍如何求解单应性矩阵H 注，这些方法只为理解，不为使用，所以会尽量简单化，因此求解出来的参数也会不太准确先摘录张正友的论文中的关于求解H的方法的部分如上所说，我们只需要求解这个方程即可，其中设L=L是一个2*9的矩阵（u,v）为像素坐标，M为

解析网络结构 http://blog.youkuaiyun.com/sloanqin/article/details/51545125anchor 产生 http://blog.youkuaiyun.com/xzzppp/article/details/52317863 http://blog.youkuaiyun.com/u012905422/article/details/52634208部分代码解析 http://www.c