首先说明一点，在SLAM中进行特征提取和匹配时，需要注意使用的OpenCV版本，在使用OpenCV2.x版本时，可以创建特征对象如下所示（省略了参数表）：ORB orb;
SURF surf;
SIFT sift;
orb.detect();
sift.detect();
surf.detect();但是OpenCV3.X中就不允许这么做了，这是因为，opencv3.0直接使用 ORB orb时
转载
2024-03-28 14:24:11
107阅读
前言 最近上线的项目如上。本次将会围绕这一大屏应用的部分技术进行分享，其中包含以下内容：路径能量光罩于噪声处理bloom辉光飞线视频材质的应用1. 路径路径可以说是我们在可视化开发中较为常用了。线的显示本身是路径，飞线的方向需要路径，物体按照某轨道移动也需要路径。1.1 路径移动路径移动的实现很简单，使用THREE.CurvePath插值工具配合动画工具就可以达到效果。这里与@tweenjs/t
转载
2024-08-25 20:40:27
205阅读
关于更多点云资源点击这里，包括250篇近几年的点云论文及数据集，包括点云配准、点云分割、点云检测、点云补全、无监督学习等方向。下述3DMatch数据集的统计分析的代码均可在这里访问。一、3DMatch数据集简介3DMatch数据集收集了来自于62个场景的数据，其中54个场景的数据用于训练，8个场景的数据用于评估，其具体名称查看train.txt和test.txt。3DMatch数据常用于3D点云的
转载
2024-05-15 14:17:34
186阅读
Surf算法是一把牛刀，我们可以很轻易的从网上或各种Opencv教程里找到Surf的用例，把例程中的代码或贴或敲过来，满心期待的按下F5，当屏幕终于被满屏花花绿绿的小圆点或者N多道连接线条霸占时，内心的民族自豪感油然而生，仿佛屠龙宝刀在手，屁颠屁颠的很开心。如果对Surf的探究或者使用到此为止，我觉得只是用Surf这把牛刀吓唬了一个小鸡仔，万里长征才刚刚开始第一步，最少有三个问题需要得到解答：1.
转载
2016-09-21 23:19:00
17阅读
关于特征子中经常用的的函数：findHomography，estimateRigidTransform关于opencv的特征描述子，我们需要了解DMatch与KPoints的数据结构，如下：DMatch结构体/*
* Struct for matching: query descriptor index, train descriptor index, train image index an
转载
2024-03-15 15:42:35
283阅读
就是Airtest的java语言版本，其参数我没有细调。代码基于opencv 4.2， 编译参考：import org.opencv.calib3d.Calib3d;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.DMatch;
import org.opencv.core.Ma
转载
2024-06-25 21:12:58
5阅读
SIFT特征提取匹配步骤① 使用SiftFeatureDetector的detect方法检测特征存入一个向量里(可以使用drawKeypoints在图中标识出来) ② 使用SiftDescriptorExtractor的compute方法提取特征描述符(特征向量),特征描述符是一个矩阵 ③ 使用匹配器matcher对描述符进行匹配 ④ 匹配结果保存由DMatch的组成的向量里设置距离阈值,
转载
2024-01-06 09:01:20
154阅读
前言：使用深度学习进行点云匹配研究是我的毕设题目。因为之前只学习过深度学习在2D CV上的一些知识，对于三维点云这种东西根本没有听说过，因此也是感觉头大。好在老师给了我一篇paper，让我先去研究里面的方法，这篇论文是CVPR2017年的一篇口头报告，《3DMatch: Learning Local Geometric Descriptors from RGB-D Reconstructions》
转载
2024-01-01 20:55:22
83阅读
特征识别的输出结果是一堆特征点，vector keyPoints里面放所有的坐标，Mat descriptors相当于矩阵，里面放所有的描述符向量。每个特征点由2部分数据组成，一个是KeyPoint，里面是特征点的具体坐标，一个是描述符，里面是描述特征的向量。DMatch里面存着2个特征列表的id，按照id去把对应的特征点依次扣出来，即得到2个匹配好的特征列表。输出的inlie
原创
2023-10-17 00:57:30
105阅读
承接上一篇文章《使用深度学习进行点云匹配（三）》。因为之前提到过因为硬件原因我自己无法去训练3Dmatch描述子，因此接下来我的任务是尝试应用这个模型。我更换了原来的点云数据，新数据来自于斯坦福大学的3D扫描数据库，网址为;http://graphics.stanford.edu/data/3Dscanrep/,我使用了其中赫赫有名的兔子模型。点击蓝字进行下载，解压后会发现里面有很多ply文件，文
