Histogram of Oriented Gradients(HOG)特征描述子原理解释以及在OpenCV中的使用一、什么是特征描述子？特征描述子是对一张图片或者一个图片块的一种表示，通过提取有用信息并扔掉多余的信息来简化图像。通常，特征描述子将一张大小为width×height×3 (通道数)的图片化成一个长度为n的特征向量/数组。以HOG特征为例，输入图像的大小是64×128×3，输出是一个
图像拼接技术，现在有非常广泛的应用，如小型机器人的单目视觉的视野较为小，使机器人在应用时有一定的局限性，双目视觉能提供更广阔的视野，双目视觉中较为常用的是对左右两个摄像头获取的识图通过拼接来获取更广阔的视野，再如较为热门的VR，Youtube也极大地运用图像拼接的技术。 图像拼接主要分为几个主要的步骤： （1）图像的校正:由于成象器件拍摄姿态和扫描非线性会引起的图象几何失真，由于成像系统本身的
转载
2024-08-28 11:35:53
20阅读
图像拼接|OpenCV3.4 stitching源码分析（一）续前言OpenCV与VLFeat的SIFT实现之对比opencvvlfeat参考 前言图像拼接|——OpenCV3.4 stitching模块分析（一）续 上一篇讲了OpenCV几种特征检测方法，其中默认的是surf算法，但个人感觉sift效果更好一些。实际上在很多计算机视觉项目中，特征检测更多使用的是vlfeat的sift实现，下面
opencv：4.1.1 /opencv-4.1.1/modules/calib3d/src/calibration.cppcv::stereoCalibrate 参数说明看opencv文档，这个函数作用就是进行参数检查，然后执行cvStereoCalibrateImpl//透视模型双目校准
double cv::stereoCalibrate( InputArrayOfAr
转载
2024-05-08 17:55:29
51阅读
当然，最近在看指针方面，当然也要了解一下opencv在这方面的用法。1.指针（1）saturate_cast<uchar>确保了RGB的值在0~255之间Mat.ptr<uchar>(int i=0) 获取图像像素矩阵指针，i表示从第几行开始，从0开始计行数
saturate_cast<uchar>(-100) 返回0
saturate_cast<uc
转载
2024-03-27 07:48:06
21阅读
Tesseract-ocr是一个文本识别的引擎，它能识别英文文本和数字文本，准确率极高，关于中文文本需要下载中文文本的文件进行加载，它也支持用户自定义训练文本。相比于机器学习或深度学习识别文本文字，tesseract方便小巧，对计算机性能要求不高，对样本量的要求也不高。本文不对任何文本做任何训练，只是单纯的想记录Tesseract-ocr在opencv中的使用。1、安装Tesseract-ocr。
转载
2024-04-23 14:22:09
69阅读
OpenCV学习笔记（五十一）——imge stitching图像拼接stitching stitching是OpenCV2.4.0一个新模块，功能是实现图像拼接，所有的相关函数都被封装在Stitcher类当中。这个类当中我们可能用到的成员函数有createDefault、estimateTransform、composePanorama、stitch。其内部实现的过程是非常繁琐的，需要很多算法
转载
2024-02-27 09:55:01
1081阅读
接着前面那篇文章，继续讲解opencv-python的基本编程操作目录1.图像阈值的处理2.图像平滑处理3.图像形态学操作 4.梯度计算5.canny边缘检测算法 6.图像轮廓检测方法7.模板匹配8.金字塔的制作方法1.图像阈值的处理格式 ret,dst = cv2.threshold(src,thresh,maxval,type) 括号中src为输入图像，只能是灰度
转载
2023-11-14 22:03:54
84阅读
全景图像拼接全景图像拼接的手动实现环境： python3.6 + opencv3.4.2.16## 示例图片本次实验使用的图像拼接素材为以下三张图像：https://andreame.com/2019/11/12/stitch.html 本次实验的目标为，将此三张图像进行圆柱面投影并进行全景拼接opencv内置实现首先，opencv已经内置了stitch这一个类，包装好了全景图像拼接的所
转载
2023-07-30 19:15:14
121阅读
0x01 基础图像容器 MatMat 是一个类, 由两个数据部分组成 : 矩阵头 (包含矩阵尺寸、储存方法、储存地址等信息) 和一个指向存储地址所有像素值的矩阵 (根据所选存储方法的不同, 矩阵可以是不同维度) 的指针。由于矩阵的开销比较大, 不到万不得已, 不应该进行大图像的复制, 为了解决这个问题, OpenCV 使用了引用机制。 即让每个 Mar 对象有自己的信息头, 但共享同一个矩阵。 而
转载
2024-06-05 16:43:31
72阅读
方法一： Panorama.py# 导入必要的包
import numpy as np
import imutils
import cv2
class Stitcher:
def __init__(self):
# 确定是否使用的是OpenCV v3.X
self.isv3 = imutils.is_cv3(or_better=True)
def
转载
2023-09-04 10:42:32
70阅读
之前做的眼在手上的手眼标定，流程结束后，会得到相机坐标系到机械臂末端坐标系的变换关系T_cam2end。我一般直接量取机械臂末端到相机的直线距离来校对z轴方向的距离，但只是做个估算，并未进行精确测量。 我认为手眼标定的误差计算流程： 以眼在手上为例，标定结束后得到T_cam2end，再根据公式计算得到目标和机械臂基底的位姿关系，让相机识别到某一点，然后在机械臂末端加装一个锥形的尖端，通
转载
2024-04-12 12:20:26
670阅读
Opencv 通用图像变换 General Image Transforms相比于一类图像变换——卷积，其特点是图像中某个像素点的值只周围的几个像素点的值有关，而本文将介绍的图像变换并不属于此类。拉伸、收缩、扭曲和旋转Uniform Resizevoid cv::resize(
cv::InputArray src, // Input image
cv::OutputArray dst, //
转载
2024-05-15 14:57:12
9阅读
OPENCV项目 -人脸识别目的通过opencv对人脸检测使用opencv对人脸数据收集对opencv收集的人脸数据进行训练通过摄像头对新旧人脸进行捕捉并显示该人脸的ID以及相似度材料及用具200W及以上摄像头python3.5及以上pycharm2017以及以上opencv相关的包如(opencv-python)最新版本 python-pip版本步骤及原理1,摄像头测试所谓的摄像头拍摄其原理就是
转载
2024-05-30 09:03:41
28阅读
# 使用 R 语言进行数据拼接的指南
在处理数据的过程中，往往需要将多个数据框（data frame）合并在一起，而 R 语言的 `stitch` 功能正是实现这一功能的强大工具。本文将通过步骤和代码示例，帮助你掌握在 R 中实现数据拼接的过程。
## 流程概述
在开始之前，让我们先了解一下数据拼接的基本流程。以下是完整的步骤：
| 步骤 | 描述
原创
2024-09-02 04:02:32
111阅读
一、标定技术常见的机器人视觉伺服中要实现像素坐标与实际坐标的转换，首先就要进行标定，对于实现视觉伺服控制，这里的标定不仅包括摄像机标定，也包括机器人系统的手眼标定。以常见的焊接机器人系统为例，有两种构型，如下：即：摄像机固定于机器手和摄像机固定于外部场景；本文针对前一种构型：摄像机固定于机器手。1、摄像机标定技术（1）理论部分：以张正友的棋盘标定法为摄像机标定方式，由于摄像机标定结果要用到后面的手
转载
2024-10-30 20:15:49
286阅读
BA理论解读1. 基本原理1.1 BA介绍最小化重投影误差，获得最优的机器人位姿估计。bundle指的是光束，就是通过针孔相机模型获得的像素。重投影误差指的真实三维空间点在图像平面上的投影像素（真实值）和通过针孔相机模型计算得到的像素（估计值）差值。这些东西归根结底就是Gauss“发明”的least squares method（最小二乘法）。当年天文学家Piazzi整天闲得没事看星星，在1801
把数据张量的值交错成一个张量。tf.dynamic_stitch( indices, data, name=None)建立一个这样的合并张量。merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]例如，如果每个指标[m]是标量或向量，我们有# Scalar indices:m...
原创
2021-08-13 09:46:49
767阅读
1.引言PnP算法是什么、用途以及部分求解方法我在PnP算法详解(超详细公式推导)中介绍过，但在那篇文章中基于基于优化的PnP求解方法我没有讲，因为我觉得这个方法比较重要，涉及一些李群李代数求导和非线性优化的知识，所以打算单独写一篇博客，后面也会出一片全c++代码实现的文章。2.核心思想重投影误差法，也叫Bundle Adjustment(BA法)，顾名思义这个问题的误差项是3D点的投影位置与实际
1.单目摄像机标定目的单目摄像机标定的目的就是使摄像机实际状态无限接近理论推导的理想状态。单目摄像机标定最终将确定9个参数，摄像机内参数有4个，透镜畸变参数5个。2.单目摄像机标定流程制作标定板使用摄像机拍摄不同角度的标定板将照片放置于预设的文件夹中编写程序计算摄像机内参数和透镜畸变参数保存9个参数3.关键源代码说明3.1bool findChessboardCorners((InputArra
转载
2024-05-01 15:15:16
139阅读
