- 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
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Golang开发
Python基础(9)——私有化
xx: 公有变量 _x: 单前置下划线,私有化属性或方法，from somemodule import *禁止导入,类对象和子类可以访问 __xx：双前置下划线,避免与子类中的属性命名冲突，无法在外部直接访问
73930发布于 2019-05-28 - 来自专栏全栈测试技术
JMeter笔记9 | JMeter参数化
1 测试对象我们使用禅道的创建用户接口，对创建用户的信息进行参数化；接口详情：图片图片2 分析从接口看，我们需要参数化的有参数有account和password；其他的几个请求参数可以相同，不用做处理。 3 JMeter参数化3.1 配置元件配置元件提供了参数化支持，如图：图片什么是参数化？ 其实通俗的讲，我们在准备测试数据时，对若要求每次迭代的数据不一样时，则需进行参数化，然后从参数化的文件中来读取测试数据；这里我们参数化使用CSV Data Set Config元件。 3.2 CSV Data Set Config3.2.1 元件介绍该元件是用来进行参数化的，可以指定的文件中一行一行的提取文本内容；根据分隔符插接每一行内容并把内容与变量对应上；然后取样器可以引用这些变量 3.4 请求地址参数化我们每个接口都有请求URL、PORT等信息，我们直接在测试计划中，把这两个参数进行设置用户变量，如下：图片然后在http请求时直接使用${变量名}进行引用或者参数化即可，如下：图片
1.1K70编辑于 2023-02-13 - 来自专栏SuperFeng
机器学习系列9：正则化
在介绍正则化之前，我们先来介绍一下什么是欠拟合和过拟合问题。 欠拟合和过拟合 在线性回归问题中，像下面这个数据集，通过房屋面积去预测房价，我们用一次函数去拟合数据： ? 2.正则化： 保留所有的特征变量，但是减小量级或参数 θ_ j 的大小。 当训练集有许多有用的特征变量时正则化处理会很好。 那么如何进行正则化呢？ 正则化 在过拟合问题中，每个特征变量可能都对结果产生影响，例如预测房价，现在有很多特征变量：大小，楼层，卧室数目等等……。 这种方法就是正则化（Regularization）解决过拟合问题。 要想正则化所有的参数，就可以按照下列公式： ? 其中 λ 又称正则化参数（regularization parameter），它的目标是平衡更好地拟合数据和保持参数尽量最小这两者之间的关系。
64020发布于 2019-09-26 - 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 - 来自专栏技术杂记
Linux 初始化检查列表9
例如：sysstat、iotop、vmstat、netstat、zabbix-agent
1.2K30编辑于 2021-11-26 - 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 - 来自专栏从零开始学自动化测试
pytest文档9-参数化parametrize
前言 pytest.mark.parametrize装饰器可以实现测试用例参数化。 ========== FAILURES =================================== _____________________________ test_eval[6 * 9- 42] _____________________________ test_input = '6 * 9', expected = 42 @pytest.mark.parametrize( 和往常一样 函数的参数，你可以在运行结果看到在输入和输出值 2.它也可以标记单个测试实例在参数化，例如使用内置的mark.xfail # content of test_expectation.py import passed, 1 xfailed in 1.84 seconds ===================== 标记为失败的用例就不运行了，直接跳过显示xfailed 参数组合 1.若要获得多个参数化参数的所有组合
1K20发布于 2018-08-17 - 来自专栏JavaEdge
Java9模块化编程
new 一个 module-info.java 即可 比如我们看看 java.sql 如何实现的呢？
61120发布于 2021-02-23 - 来自专栏dino.c的专栏
了解模板化控件(9)：UI指南
再重申一次，模板化控件的属性默认值要在DefaultStyle中设置，尽量不要在构造函数中设置。 5. FFFFFFFF" Offset="0" /> <GradientStop Color="#F<em>9</em>FFFFFF 幸好现在的主流是扁平<em>化</em>的简单的设计，在UWP中按钮的模板被大大简化： <ContentPresenter x:Name="ContentPresenter" BorderBrush="{TemplateBinding <em>9</em>. 符合典型的GUI设计原则 在控件层级就应该将UI设计成符合设计原则，例如对齐，使用字体和颜色突出主要内容，易于操作等。 ?
1.6K20发布于 2019-01-18 - 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
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