为我所热爱的一切 本科大二在读，学习以开发为主，人工智能为辅。 最近打算着手练习几个opencv的项目，本来去年就开始接触opencv了，但是因为自己的一些原因学无所成，大二这一年我要起飞！起飞！po上项目博主的原文 这位博主讲的非常清楚，推荐给大家?我做的也只是照猫画虎，通过实战来认识opencv 现在还是个小菜鸟，希望大佬们不吝赐教?原图（网上找的，侵删）预处理图片# 图像预处理
def pr
前言 本文主要对代码排版进行了一些梳理，并增添了部分注释，与自己的示例。前几天老大给了个任务，让我帮slam组写一个基于深度摄像头的障碍物检测，捣鼓了两天弄出来了，效果还不错，就在这里记一下了。 代码的核心思路是首先通过二值化，将一米之外的安全距离置零不考虑，然后通过开运算去除掉一些噪点（这个后来发现不一定有必要），在求出所有障碍物的凸包，这个时候要计算面积，当面积小于一定的阈值的时候不予考虑，
转载
2024-06-27 10:59:12
214阅读
由于网上有很多车道线检测的案例，而且在Udacity的系列课程中也对此进行详细的介绍，因此在此简单总结一下几种方法。1. 边缘检测+霍夫变换方法流程：彩色图像转灰度，模糊处理，边缘检测，霍夫变换这种方法一般能够检测出简单场景下的车辆目前行驶的两条车道线，以及偶尔的相邻车道（依赖前视相机的角度）。该方法可以利用霍夫变换的结果（线的斜率），进一步过滤出左右车道线。不过同时，该方法也依赖于边缘检测的结果
转载
2024-07-19 06:29:25
80阅读
文章目录1 文章引言2 难点分析3 初期思路4 初期展示(Kitti数据集)5 初步方案5.1 栅格化5.2 地面分割5.2 点云聚类6 参考文献 1 文章引言由于时间原因，3D检测框部分暂时未作优化，仅部署成基础可视化功能。在实际实现3D目标检测时，在不依靠深度学习的训练模型时，仅采用传统方法实现目标检测。现阶段由于固态激光雷达的普及，很多地方均可利用小视场的固态激光雷达叠加来进行点云式的目标
无障碍测试 让我们面对现实：企业不需要或不需要完美的软件。 他们确实希望尽快交付新的，具有业务差异性的软件。 为此，您需要快速反馈最新的创新是否会按预期工作或在生产中崩溃并烧毁。 您还需要知道这些更改是否以某种方式破坏了客户群以及业务所依赖的核心功能。 这是进行连续测试的地方。 连续测试是作为软件交付管道的一部分执行自动化测试的过程，以尽可能快地获取有关与候选软件版本相关的业务风险的反馈。
转载
2023-10-22 21:38:20
123阅读
边缘检测对图像进行边缘检测之前，一般都需要先进行降噪（可调用GaussianBlur函数）。Sobel算子 与 Scharr算子都是一个离散微分算子 (discrete differentiation operator)，用来计算图像灰度函数的近似梯度。结合了高斯平滑和微分求导。Sobel算子与Scharr算子的内核不同，Sobel内核产生误差比较明显，Scharr更为准确一些。Sobel算子的计
转载
2024-07-25 16:57:46
133阅读
(鉴定为水刊 综述 老板让看的) Abstract： 野外自动驾驶陆地车辆的负面障碍是指路面上的坑洼、沟渠、悬崖、坑或任何类型的障碍物，但不是以可见的方式，它给车辆或潜在的乘客带来风险，甚至给环境带来风险。 自主陆地车辆正在前进。这些负面障碍会对自动驾驶陆地车辆造成严重损坏，包括车辆悬架损坏、侧翻，甚至自动驾驶车辆丢失。障碍物检测是避免任何风险的第一步，能够警告附近的障碍物以避免可能出现的任何类型
转载
2023-10-09 16:49:59
159阅读
# Python视觉障碍检测
## 介绍
在这篇文章中，我将向你介绍如何使用Python进行视觉障碍检测。作为一名经验丰富的开发者，我将逐步指导你完成这个任务。
## 流程
下表展示了完成这个任务的整个流程：
| 步骤 | 描述 |
| --- | --- |
| 步骤1 | 安装必要的库 |
| 步骤2 | 加载图像 |
| 步骤3 | 图像预处理 |
| 步骤4 | 进行障碍检测 |
|
原创
2023-12-18 07:01:15
155阅读
基于双目摄像头的障碍物检测前言：关于双目摄像头的障碍物检测以及基于OpenCV的障碍物检测在CSDN以及博客园上都有几篇相关的文章。然而，相当一部分的关于障碍物检测的文章多偏向于理论，而有实践的文章却少之又少。在这里，我将按照我从网上学习到的例子进行整合并加入了我自己的理解。希望能为大家在障碍物检测方面起到一定的参考作用。特别鸣谢：亦轩Dhc的博客琪其齐奇旗棋的CSDN_寒潭雁影的CSDN下面开始
转载
2024-05-28 18:19:22
194阅读
# 如何在Android中检测无障碍服务
无障碍服务是Android系统的重要特性，帮助那些有身体障碍的用户更好地使用应用。作为开发者，了解如何检测无障碍服务的状态不仅能够提升用户体验，还能帮助你构建更具可访问性的应用。本文会通过一个简单的流程来引导你完成这一功能的实现。
## 流程概述
下表展示了实现Android检测无障碍服务的主要步骤：
| 步骤编号 | 步骤描述
原创
2024-09-02 07:06:56
224阅读
通过测试无障碍功能，您可以从整个用户群(包括具有无障碍功能需求的用户)的角度体验应用。这种形式的测试让您有机会提升应用的实用性和灵活性。本文介绍了如何为您的现有 Espresso 测试添加无障碍功能检查。如需详细了解无障碍功能，请参阅无障碍功能指南。启用检查您可以使用 AccessibilityChecks 类启用和配置无障碍功能测试。Kotlin
import androidx.test.esp
转载
2023-11-21 19:33:05
256阅读
什么是安卓无障碍服务无障碍服务( Accessibility Service)是一个应用程序，它给有残疾的用户或暂时无法与设备完全交互的用户提供了更好的无障碍用户交互功能。比如驾驶、照顾小孩或者在吵闹的派对上可能需要额外或者替代的交互反馈。Android提供了标准的无障碍服务，包括TalkBack，开发人员可以创建和发布自己的无障碍服务。 Android从1.6(API 4)开始引入了构建和部署无
转载
2023-10-19 12:20:06
644阅读
# 使用Python检测障碍物
## 1. 整体流程
为了帮助你学会使用Python检测障碍物，我将给你一个整体的流程图，如下所示：
```mermaid
journey
title 整体流程
section 准备工作
开发环境搭建 --> 代码编写
section 编写代码
数据采集 --> 数据处理 --> 障碍物检测
```
#
原创
2024-03-15 05:20:50
209阅读
1. 关于在iOS上验证无障碍特性 1.1 概览 1.1.1 学习如何使用VoiceOver 1.1.2 学习如何使用无障碍检查器 1.2 先决条件为视障用户增加的可用性 1.3 更多 2. 在设备上使用VoiceOver测试无障碍特性 2.1 第一步 2.2 VoiceOver提示和技巧 2.2.1 使用三击Home键快速开关VoiceOver
转载
2023-11-01 16:39:10
197阅读
文章目录前言一、函数介绍1、HoughLinesP2、HoughCircles3、findContours4、 drawContours二、演示1、GUI2、代码实现总结 前言越来越多的开发人员选择基于开源的Qt框架与OpenCV来实现界面和算法，其原因不单单是无版权问题，更多是两个社区的发展蓬勃，可用来学习的资料与例程特别丰富。以下是关于利用Qt构建GUI并使用OpenCV中的HoughLin
转载
2024-08-21 14:01:04
204阅读
本文将向大家介绍如何使用OpenCV库进行坑洼检测。为什么要检测坑洼？坑洼是道路的结构性指标，事先发现坑洼地可以延长高速公路的使用寿命，防止事故的发生，同时降低死亡率。一种可行的解决方案是构建自动坑洞检测系统，该系统可通过云服务发送实时信息以提醒管理结构，来杜绝每天人工检查所产生的不必要花费。OpenCV是一个帮助研究人员处理图像问题的库，该库提供了大量处理图像的方法。OpenCV的使用将有助于坑
转载
2024-03-23 09:28:53
105阅读
Haar级联由于灯光、视角、视距、摄像头抖动以及数字噪声的变化，一个图像的细节可能会变得不稳定。但是人们在分类时却不会受这些物理细节方面差异的影响。因此，提取出图像的细节对产生稳定分类结果和跟踪结果很有用。即：从图像中提取特征。虽然任意像素都可能影响多个特征，但特征应该比像素数少得多。由此两个图像的相似程度可以通过它们对应特征的欧氏距离来度量。类Haar特征是一种用于实现实时人脸跟踪的特征。每个类
转载
2024-03-17 17:53:24
30阅读
一、前言物体检测分类是一种机器学习任务，旨在识别图像或视频中的物体，并将其分为不同的类别。与传统的物体分类任务不同，物体检测分类不仅可以确定图像中物体的类别，还可以确定它们在图像中的位置和边界框。物体检测分类通常涉及以下步骤：数据收集和标注：收集包含不同类别物体的图像或视频数据，并进行标注，标注包括每个物体的类别和边界框信息。特征提取：使用图像处理和计算机视觉技术，从收集的图像中提取有用的特征。这
转载
2024-03-05 14:06:38
243阅读
1、Opencv DNN1.1 opencv DNNOpenCV DNN githubDeep Neural Networks (dnn module)（opencv dnn 教程）TensorFlow Object Detection APIROS工程不使用ROS自带的OpenCVhttps://github.com/Smorodov/Multitarget-trackerhttps://git
转载
2024-05-22 22:22:48
80阅读
文章目录单张人脸关键点检测单张图像人脸检测摄像头实时关键点检测 单张人脸关键点检测定义可视化图像函数 导入三维人脸关键点检测模型 导入可视化函数和可视化样式 读取图像 将图像模型输入，获取预测结果 BGR转RGB 将RGB图像输入模型，获取预测结果 预测人人脸个数 可视化人脸关键点检测效果 绘制人来脸和重点区域轮廓线，返回annotated_image 绘制人脸轮廓、眼睫毛、眼眶、嘴唇 在三维坐
转载
2024-03-19 08:31:40
87阅读
