- 综合排序
- 最热优先
- 最新优先
- 来自专栏点云PCL
双目视觉介绍
504658359c31c703926ad79e0173760e&dis_t=1649220876&vid=wxv_2277819855510929408&format_id=10002&support_redirect=0&mmversion=false 双目视觉介绍
48341编辑于 2022-04-06 - 来自专栏点云PCL
双目视觉简介
我相信未来的世界一定是三维感知的世界，毕竟二维世界很多情况下不能满足要求的， 一 视差 Disparity与深度图 那么提到双目视觉就不得不提视差图：双目立体视觉融合两只眼睛获得的图像并观察它们之间的差别 7. 极线约束：两极线上点的对应关系。 说明： 直线l是对应于点x'的极线，直线l'是对应于点x的极线。
2.2K21发布于 2019-07-30 - 来自专栏玩转JavaEE
TienChin项目视频速递～
展开 var __INLINE_SCRIPT__=function(){"use strict";var e=function(e,a){function t(e,a){var t=e.mat
51410编辑于 2022-05-27 - 来自专栏算法之名
双目视觉理论篇
上图中右下角的黑点是真实世界的一个点，最左边的灰色部分是一张数字照片，称为像平面，单位为毫米(mm)。青色的格子则是像平面中一个一个的像素。我们现在需要知道的是黑色的点是如何变成像平面中的一个像素。中间的灰色部分是相机的透镜，而该部分中心点称为光心。真实世界的黑点会经过各种模型(线性或非线性的)，通过光心在像平面中得到一个像素点。
44910编辑于 2024-04-21 - 来自专栏全栈程序员必看
图像双目视觉定位
双目视觉图像定位系统是Microvision(维视图像)开发的一套针对芯片压焊过程中对芯片位置进行识别定位，以便更好的将芯片固化在想要的位置上。 双目视觉图像定位系统，双目定位系统利用两台Microvision MV-808H工业相机、VS-M1024工业连续放大变倍镜头、MV-8002两路高清图像采集卡，同时对图像进行获取，在安装中，对芯片点焊位置进行准确定位 双目视觉检测系统通过图像分析处理和图像测量的方式精确获取电路板上的安装或加工位置的坐标信息，计算出位置坐标，提供给机械臂运行控制。 双目视觉图像定位系统，双目定位广泛用于丝网印刷机械、贴合、切割、PS打孔机、PCB补线机、PCB打孔机、玻璃割片机、点胶机、SMT检测、贴版机等工业精密对位、定位、零件确认、尺寸测量、工业显微等CCD视觉对位
1.3K10编辑于 2022-07-02 - 来自专栏科学计算
slam标定(一) 单目视觉
视觉标定(一) 单目视觉标定 一、相机模型 常见的单目相机主要有两种模型：即pinhole(针孔相机)与fisheye(鱼眼相机)模型，之前我已经介绍过视觉坐标系转换原理，不管单目相机模型是什么，其内参模型是一样的
2.5K20发布于 2021-03-16 - 来自专栏字节脉搏实验室
双目视觉之相机标定
这里使用的是齐次坐标系，也就是可以进行任意尺度的缩放。比如我们把Hij乘以任意一个非零常数k并不改变等式结果
2.6K20发布于 2020-12-18 - 来自专栏3D视觉从入门到精通
双目视觉惯性里程计的在线初始化与自标定算法
论文提出了一种在线的算法用于估计速度、重力、IMU偏置的初始化，同时标定相机-相机和相机-IMU之间的外参。算法包括一个三步过程，用粗-精的方式增量地求解了几个线性方程。 算法主要包括三个模块：关键帧生成模块、在线初始化模块、尺度更新和全局BA模块。 关键帧生成模块：包括两个并行的单目VO前端，该模块对捕获的图像进行处理，并输出基于稀疏映射点的同步关键帧。 在线初始化模块：包括3步过程，在每一步都求解了几个线性方程。 1)迭代陀螺仪偏置估计和方向标定 假定初始化阶段，陀螺仪偏置为常数（一般通过最小化相机旋转和IMU旋转之间的差来估计） 步骤： ? 通过计算参数化轨迹的解析导数，加上白噪声和缓慢时变偏置，得到仿真的IMU输出。模拟的相机姿态是通过使用模拟的相机- imu和相机-相机外部参数的变换获得的。 ? 2）现实世界实验 ? ? ?
1.1K40发布于 2021-03-19 - 来自专栏计算机视觉工坊
单目视觉系统检测车辆的测距方法（Mobileye单目测距等7种方法）
上图可以计算出前方车的距离： 整个系统流程图如下： 下面就是从SFM的几何关系推理距离： 看下面的关系可以得到pitch angle： 角度计算公式为 7、Forward Collision
10.7K40发布于 2021-10-11 - 来自专栏全栈程序员必看
7、 正则化(Regularization)
所以对于正则化，我们要取一个合理的 的值，这样才能更好的应用正则化。 回顾一下代价函数，为了使用正则化，让我们把这些概念应用到到线性回归和逻辑回归中去，那么我们就可以让他们避免过度拟合了。 7.3 正则化线性回归 对于线性回归的求解，我们之前推导了两种学习算法：一种基于梯度下降，一种基于正规方程。 正则化线性回归的代价函数为： 如果我们要使用梯度下降法令这个代价函数最小化，因为我们未对进行正则化，所以梯度下降算法将分两种情形： 对上面的算法中 = 1,2, . . . , 时的更新式子进行调整可得 (theta) 4 X = np.matrix(X) 5 y = np.matrix(y) 6 first = np.multiply(-y, np.log(sigmoid(X*theta.T))) 7 注意： 虽然正则化的逻辑回归中的梯度下降和正则化的线性回归中的表达式看起来一样，但由于两者的hθ(x)不同所以还是有很大差别。 θ0不参与其中的任何一个正则化。
60910编辑于 2022-09-07 - 来自专栏用户8907256的专栏
双目视觉测距系统软硬件设计
双目视觉测距系统软硬件设计 1、 简介 随着计算机技术和光电技术的发展，机器视觉技术应运而生。 4、基于轴线汇聚结构的双目视觉测距原理 虽然轴线平行结构的双目视觉测距系统原理简单，计算方便，但该结构是理想的结构形式，实际应用中容易受到摄像机性能差异、安装工艺等各种因素的影响。 通常情况下，双目视觉测距系统倾向于采用轴线汇聚结构。空间参考点 P 在已标定摄像机 Cl 和 Cr 上的像点分别为 pl 和 pr ，如图2所示。 ? 5.2 软件架构 测量系统软件结构方案采用模块化，各软件功能模块及其相互关系如图4所示，软件架构主要由摄像机标定模块、图像采集与信息处理模块、数字图像特征检测与特征提取模块、数字图像特征立体匹配模块、目标距离测量模块以及数据输出模块等构成 摄像机标定模块负责系统标定以及坐标系转换；图像采集与信息处理模块负责实现图像采集初始化，并对图像信息进行数字化转换；数字图像特征检测与特征提取模块负责对图像特征进行精细检测与精确提取；数字图像特征立体匹配模块功能为实现数字特征立体匹配算法
2.2K20发布于 2021-08-13 - 来自专栏Python无止境
超详细 Pycharm 部署项目视频教程
大家好，我是猫哥，今天分享的是一篇超详细的教程。这篇教程手把手教你购买云主机、安装 Python3.7、使用 Pycharm 部署项目，详细到想学不会都难。
1.6K20发布于 2019-06-24 - 来自专栏鱼皮客栈
鱼皮的项目视频被狗曝光了。。。
大家好，我是鱼皮，从上周开始，我就在自己的带大家做项目，希望帮助大家了解做项目的方法、提升大家的编程实践能力。
7.4K31编辑于 2022-04-08 - 来自专栏全栈程序员必看
JAVA项目集锦 Java项目视频20套
尤其是的编程开发技术，三天不练手生是大实话 同时对于JAVA初学者来说，急需的就是能够参与项目开发，让自己迅速的成长起来，掌握JAVA的核心技术 ——————-课程目录——————- 第01项目：OA办公自动化项目
1.1K20编辑于 2022-09-28 - 来自专栏java学习java
Sentinel规则持久化（7）
是什么 一旦我们重启应用，sentinel规则将消失，生产环境需要将配置规则进行持久化 怎么玩 将限流配置规则持久化进Nacos保存，只要刷新8401某个rest地址，sentinel控制台 的流控规则就能看到
35330编辑于 2022-11-13 - 来自专栏xingoo, 一个梦想做发明家的程序员
【AngularJS】—— 7 模块化
AngularJS有几大特性，比如： 1 MVC 2 模块化 3 指令系统 4 双向数据绑定 那么本篇就来看看AngularJS的模块化。 首先先说一下为什么要实现模块化： 1 增加了模块的可重用性 2 通过定义模块，实现加载顺序的自定义 3 在单元测试中，不必加载所有的内容 之前做的几个例子，控制器的代码直接写在script 下面看看如何进行模块化： <script type="text/javascript"> var myAppModule = angular.module('myApp 控制器的作用则是初始化变量。 程序的运行结果如下： ?
66750发布于 2018-01-17 - 来自专栏3D视觉从入门到精通
浅析基于双目视觉的自动驾驶技术
编辑丨新机器视觉 单目视觉是Mobileye（ME）的看家法宝，其实当年它也考虑过双目，最终选择放弃。 单目的测距和3-D估计靠什么？ 问题是，双目视觉系统估计视差没那么容易，立体匹配是计算机视觉典型的难题，基线宽得到远目标测距准，而基线短得到近目标测距结果好，这里是存在折衷的。 立体匹配算法就是基于这个变换将匹配变成一个Hamming距离的最小化搜索。 Intel的RealSense当年就是收购了一个成立于1994年基于该技术的双目视觉创业公司，还收购另外几个小公司把他们合在一起做出来的。 这个流程图比较复杂，采用SLAM做在线标定，不适合高频率操作： 和单目方法类似，采用车道线平行和路平面这个假设可以快速完成在线标定，即消失点（vanishing point）理论：跟初始化的消失点（与线下标定相关
1.1K10编辑于 2022-03-11 - 来自专栏点点GIS
实验三：遥感影像目视解译与非监督分类
选择存放文件夹，右击选择NEW，新建一个shapefile类型的面文件。接下来设置坐标系，坐标系选择导入遥感影像相同的坐标系
2.6K21发布于 2021-08-18 - 来自专栏云上修行
GVHMR技术综述：从单目视频获得人体运动数据
摘要GVHMR（Gravity-View Human Motion Recovery）是一个从单目视频中获得世界坐标系下人体运动的深度学习系统。 研究背景与动机1.1 问题定义从单目视频中获得人体运动是计算机视觉和图形学领域的核心问题之一。 ：编码：将SMPL参数转换为标准化的潜在表示解码：将网络输出转换回SMPL参数统计归一化：使用训练数据的均值和标准差进行归一化3.3 损失函数设计GVHMR采用多任务损失函数，包括：简单重建损失（Simple 避免了直接学习世界坐标系的复杂性可解释性强：坐标系转换过程清晰，便于调试和优化6.2 实用优势支持动态相机：通过视觉里程计处理手持相机场景端到端训练：无需分阶段训练，简化了训练流程实时推理：预处理后可实现接近实时的推理速度7. 总结GVHMR通过引入重力-视角坐标系这一创新性的坐标表示方法，有效解决了从单目视频恢复世界坐标系人体运动的技术难题。
64110编辑于 2025-12-04 - 来自专栏千里行走
kubernetes-7：elasticsearch容器化
git地址： https://github.com/hepyu/k8s-app-config/tree/master/yaml/min-cluster-allinone/es-min 目录 (1).容器化组件 (2).helm容器化方式 1.镜像准备 2.部署存储卷 3.helm部署master node 4.helm部署ingest node 5.helm部署data node (3).yaml容器化方式 (4).yaml配置文件重点详解 1.pod亲和性 2.pod优雅关闭 3.pvc保护设置 正文 (1).容器化组件 容器化成功后的组件，因为是demo，所以replica=1，笔者的demo机器配置不高 (2).helm容器化方式 1.镜像准备 docker pull elasticsearch:6.4.3 重命名镜像为：docker.elastic.co/elasticsearch/elasticsearch hepyu/k8s-app-config/tree/master/yaml/min-cluster-allinone/es-min 提供了一个deploy.sh，可以直接运行sh deploy.sh完成容器化；
1.2K30发布于 2021-10-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号