使用cvGoodFeaturesToTrack和cvFindCornerSubPix实现金字塔Lucas-Kanade光流法

cvGoodFeaturesToTrack,http://blog.youkuaiyun.com/moc062066/article/details/6634120,

cvFindCornerSubPix ,http://blog.youkuaiyun.com/moc062066/article/details/6634961

// 金字塔Lucas-Kanade.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
#include <cxcore.h>


const int MAX_CORNERS = 500;
int _tmain(int argc, _TCHAR* argv[])
{
	IplImage* imgA = cvLoadImage("D:\\Project\\图片的缩放\\金字塔Lucas-Kanade\\706.jpg",0);
	IplImage* imgB = cvLoadImage("D:\\Project\\图片的缩放\\金字塔Lucas-Kanade\\712.jpg",0);
	CvSize img_sz=cvGetSize(imgA);
	int win_size=10;
	IplImage* imgC=cvLoadImage("D:\\Project\\图片的缩放\\金字塔Lucas-Kanade\\709.jpg");

	IplImage* eig_image = cvCreateImage(img_sz,IPL_DEPTH_32F,1);
	IplImage* tmp_image = cvCreateImage(img_sz,IPL_DEPTH_32F,1);

	int corner_count =MAX_CORNERS;
	CvPoint2D32f* cornersA = new CvPoint2D32f[MAX_CORNERS];

	cvGoodFeaturesToTrack(imgA,eig_image,tmp_image,cornersA,&corner_count,0.01,5.0,0,3,0,0.04);

	cvFindCornerSubPix(imgA,cornersA,corner_count,cvSize(win_size,win_size),cvSize(-1,-1),
		cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS,20,0.03));

	char features_found[MAX_CORNERS];
	float features_errors[MAX_CORNERS];

	CvSize pyr_sz = cvSize(imgA->width+8,imgB->height/3);

	IplImage* pyrA = cvCreateImage(pyr_sz,IPL_DEPTH_32F,1);
	IplImage* pyrB = cvCreateImage(pyr_sz,IPL_DEPTH_32F,1);

	CvPoint2D32f* cornersB = new CvPoint2D32f[MAX_CORNERS];

	cvCalcOpticalFlowPyrLK(imgA,imgB,pyrA,pyrB,cornersA,cornersB,
		corner_count,cvSize(win_size,win_size),5,features_found,features_errors,
		cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS,20,0.03),0);

	for (int i=0;i<corner_count;i++)
	{
		if (features_found[i]==0||features_found[i]>550)
		{
			printf("error is %f/n",features_errors[i]);
			continue;
		}
		printf("Got it/n");
		CvPoint p0=cvPoint(cvRound(cornersA[i].x),cvRound(cornersA[i].y));

		CvPoint p1=cvPoint(cvRound(cornersB[i].x),cvRound(cornersB[i].y));

		cvLine(imgC,p0,p1,CV_RGB(255,0,0),2);
	}

	cvNamedWindow("ImageA",0);
	cvNamedWindow("ImageB",0);
	cvNamedWindow("LKpyr_OpticalFlow",0);
	cvShowImage("imageA",imgA);
	cvShowImage("imageB",imgB);
	cvShowImage("LKpyr_OpticalFlow",imgC);

	cvWaitKey(0);

	return 0;
}


内容概要:本文档围绕直流微电网系统展开,重点介绍了包含本地松弛母线、光伏系统、锂电池储能和直流负载的Simulink仿真模型。其中,光伏系统采用标准光伏模型结合升压变换器实现最大功率点跟踪,电池系统则基于锂离子电池模型与双有源桥变换器进行充放电控制。文档还涉及在dq坐标系中设计直流母线电压控制器以稳定系统电压,并实现功率协调控制。此外,系统考虑了不确定性因素,具备完整的微电网能量管理和保护机制,适用于研究含可再生能源的直流微电网动态响应与稳定性分析。; 适合人群:电气工程、自动化、新能源等相关专业的研究生、科研人员及从事微电网系统仿真的工程技术人员;具备一定的MATLAB/Simulink使用【直流微电网保护】【本地松弛母线、光伏系统、电池和直流负载】【光伏系统使用标准的光伏模型+升压变换器】【电池使用标准的锂离子电池模型+双有源桥变换器】Simulink仿真实现基础和电力电子知识背景者更佳; 使用场景及目标:①构建含光伏与储能的直流微电网仿真平台;②研究微电网中能量管理策略、电压稳定控制与保护机制;③验证在不确定条件下系统的鲁棒性与动态性能;④为实际微电网项目提供理论支持与仿真依据; 阅读建议:建议结合文中提到的Simulink模型与MATLAB代码进行实操演练,重点关注控制器设计、坐标变换与系统集成部分,同时可参考提供的网盘资源补充学习材料,深入理解建模思路与参数整定方法。
**基于Python编程语言的沪深300指数增强策略开发方案** 本方案旨在构建一套系统化的投资策略框架,通过量化方法实现对沪深300基准指数的超额收益。该框架的核心在于运用Python作为主要开发工具,结合现代金融理论与计算技术,设计并实施能够持续跑赢市场基准的主动管理策略。 方案实施将严格遵循以下技术路径:首先,进行多因子模型的构建与测试。我们将选取涵盖估值、成长、动量、质量、市场情绪等多个维度的候选因子库,利用历史数据进行严格的单因子与多因子复合检验。检验过程包括因子有效性分析、因子收益率衰减测试以及在不同市场周期中的稳定性评估。通过逐步回归、LASSO等机器学习方法进行因子筛选与降维,最终构建具备稳健预测能力的合成因子。 其次,在组合优化层面,我们将采用均值-方差优化、风险平价或Black-Litterman等模型进行资产权重配置。优化过程将充分考虑交易成本、流动性约束以及行业与风格中性等风险控制要求。模型将设置严格的回撤控制与跟踪误差阈值,确保组合风险暴露与基准指数保持适度偏离,以实现风险调整后的最优收益。 最后,建立完整的回测与风控体系。我们将开发模块化的回测引擎,对策略进行长达十年的历史数据模拟,评估其夏普比率、信息比率、最大回撤等关键绩效指标。同时,构建实时监控系统,对策略的持仓、风险敞口及绩效归因进行持续跟踪与动态调整,确保策略在实际运行中的有效性与适应性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值