１ 引言 小博在前两次已经介绍过ROS的安装使用以及基础的基础知识了,我的研究方向是计算机视觉,所以我的大部分文章基本都是视觉.所以本节将结合视觉和ＲＯＳ写一篇博客，来为大家详细讲解一下，并附上教程． 通常我们在机器人项目中都会涉及到进程间通讯，亦或是好多人老是问我python 怎么调用Ｃ＋＋，其实我认为他很有可能是遇到了进程间通讯的问题，或是图像检测使用python做的，无法将检测到的结果
转载
2024-04-05 10:47:28
127阅读
写在最前面之前曾经尝试过将一些笔记放出来，然后发现有错。有一次被一个暴躁的网友直接开喷，导致不开心了好久、、、想想也确实要审核一下自己分享的东西，毕竟很容易误导别人。 这里要说明的是，这只是一篇笔记，知识有限，肯定还存在错误，也希望各位能够直接提出来，且一切以OpenCV源码为准，特别是源码是直接操作指针的，兜兜转转有点晕，很可能导致理解的地址重叠了。且这里仅仅是源代码解读，因为如何调用Stere
转载
2024-08-29 16:00:26
113阅读
目录1.原理：双目系统模型推导 2.U-V视差的构造3.各种3D平面在U-V视差中的投影 4.实例 5.Opencv实现 参考：1.原理：双目系统双目相机系统如下图所示：f为焦距，b为基线，P(X,Y,Z)为三维点。 我们可以得到视差的公式如下：（双目视觉系统）模型推导 首先，当我们使用双目相机拍摄真实世界时，如下图所示，(Xw ,Yw
1 现状从立体图像中估计深度信息对于计算机视觉的应用至关重要，包括车辆的自动驾驶，3D模型重建和物体的检测与识别。由于各种现实问题，例如遮挡，大的无纹理区域（例如天空，墙壁等），反射表面（例如窗户），薄结构和重复纹理，这是具有挑战性的。本文主要对基于深度学习的双目匹配与视差估计方法进行调研。2 方法 对于一对矫正过的立体图像，深度信息估计的目标就是计
一、立体匹配简介：双目立体视觉是指使用两个摄像机从不同的角度获取同一个场景的左右视图，然后使用双目立体匹配算法来寻找左右视图中的匹配像素点对，最后利用三角测量原理来还原三维空间物理点过程。其中双目立体匹配算法是最为核心的。立体匹配是一种根据平面图像来恢复真实场景深度信息的技术，其做法是从两个或多个相同场景的图像中找出匹配点对，然后根据三角测量原理计算点对所对应的空间物理点的深度二、国内外研究现状传
转载
2024-06-15 16:13:38
204阅读
垃圾硕士的第一篇博文，最近可能不太做图像处理这块了，做个总结吧。我写代码的时间不长，代码也非常的混乱，如果有想交流批评指教的同学留言就好。（害怕脸） 寒假前被老板叫去做机械臂和双目视觉（我专业是航天工程啊喂！），反正有的没的做了做，虽然也遇到了一些问题但老实说都不是大问题，总之就是参考了很多大牛们的代码和方法。结果这次汇报老
转载
2024-05-10 18:44:06
168阅读
1 双目视觉 何为双目视觉？ 双目视觉是模拟人类视觉原理，使用计算机被动感知距离的方法。从两个或者多个点观察一个物体，获取在不同视觉下的图像，根据图像之间像素的匹配关系，通过三角测量原理计算出像素之间的偏移来获取物体的三维信息。得到了物体的景深信息，就可以计算出物体与相机之间的实际距离，物体3维大小，两点之间实际距离。目前也有很多研究机构进行3维物体识别，来解决2D算法无法处理遮挡，
《1》首先应该阅读张正友大神的文章，对单目标定，都求解的是哪些参数，如何求的初始值，然后是如何带入到后面的L-M 优化中对参数refine的。Zhang Z. A Flexible New Technique for Camera Calibration[J]. Tpami, 2000, 22(11):1330-1334.Zhang Z. Flexible Camera Calibration b
转载
2024-04-28 19:13:39
56阅读
# 双目视差估计 SGBM 在 Python3 中的应用
双目视差估计是计算机视觉中的一个重要任务，它可以通过两个摄像头拍摄的图像之间的像素差异来获取场景的深度信息。在 Python3 中，我们可以使用 OpenCV 库中的 SGBM（Semi-Global Block Matching）算法来实现双目视差估计。本文将介绍 SGBM 算法的原理和在 Python3 中的应用。
## SGBM
原创
2024-06-17 05:51:14
351阅读
标定结果Halcon标定过程获取左右相机图像中标定板的区域;find_caltab(Image : CalPlate : CalPlateDescr, SizeGauss, MarkThresh, MinDiamMarks :)参数含义:Image :  
转载
2024-06-27 15:50:02
300阅读
双目立体视觉的数学原理双目立体视觉技术的实现一般可分为：图像获取、摄像机标定、特征提取、图像匹配和三维重建几个步骤。双目立体视觉是基于视差原理，由三角法原理进行三维信息的获取，即由两个摄像机的图像平面和北侧物体之间构成一个三角形。已知两个摄像机之间的位置关系，便可以获得两摄像机公共视场内物体的三维尺寸及空间物体特征点的三维坐标。所以，双目视觉系统一般由两个摄像机构成。1、双目立体视觉三维测量原理
转载
2024-04-19 13:59:59
298阅读
中心投影模型（针孔相机模型） 在之前的笔记中，有讨论过针孔相机的模型和世界坐标系统的点如何投影到图像坐标系中。参考如下两篇笔记：在本笔记中，我们首先来搞清楚一件事情，为什么单目相机无法测得深度（这句话不太严谨，限定为单目相机位置不变的情况下，所拍摄的一张图，从这张图无法得到深度信息）？ 来看
最近师兄在做多机器人的实验，需要用到两个机器人之间的距离信息。这个当然可以通过超声测距等硬件设备来获得，但现在机器人上边有了一个kinect，所以想直接从图像中获得机器人间的距离。原理很简单，就是利用针孔模型，得到色标立柱在图像中的像素个数，然后通过相似三角形求出距离。当然，kinect本身是具有测距的功能的，但是我们准备直接用识别机器人（不外加标志）的方法来弄，而直接识别机器人另外一个同学在弄。
本文用QT调用OpenCV4.5.1进行相机标定。 头文件如下#include <QMainWindow>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h
转载
2024-04-03 12:09:13
0阅读
因为怕忘记，所以就转过来了！（原文：） 三种匹配算法比较 BM算法： 该算法代码： 1. CvStereoBMState *BMState = cvCreateStereoBMState();
2. int SADWindowSize=15;
3. BMState->SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 9;
目录 目录说明之前文章中的双目测距代码效果更好的双目视觉代码效果更好的双目视觉代码的实现1 标定过程2 测距过程一些问题以及解决方法要说的 1 说明我之前写过一篇文章《完全基于opencv的双目景深与测距的实现》： 但是之前文章中的双目视觉代码并不完善，所以就想再找找看有没有更好的实现方法。然后就在youtube上找到一个视频：https://www.youtube.com/watch?v=PR
hi 小伙伴们，人啊，很容易有惰性，很久不跟新了，不做笔记了，如今“良心发现”，毕业之后第一次更新博客。当然还是学习，整合分享给更多的人！相信关注我博客和微信公众号的人很多都是做点云处理，那么使用的传感器不是激光就是相机，这里将介绍一下双目立体视觉 双目立体视觉，在百度百科里的解释是这样解释的：双目立体视觉（Binocular Stereo Vision）是机器视觉的一种重要形式，它是基
注：分享的代码中，双目匹配的代价只有一种，如果觉得不错，可以给予支持，谢谢^0^全局匹配算法：全局匹配主要是利用图像的全局约束信息，通过构建全局能量函数，然后通过优化方法最小化全局能量函数以求得致密视差图。目前优化方法主要有：动态规划（ＤＰ）、置信传播（ＢＰ）、模拟退火、图割法（ＧＣ）等。动态规划：动态规划的思想就是把求解整个过程分解为若干子过程，逐个求解子过程。例如斐波那契数列，fib(6)分
转载
2024-09-23 16:47:59
116阅读
双目标定与三维计算：从理论到OpenCV实践一、双目立体成像主要步骤 2 二、三角测量 32.1 主光线在无穷远处相交 32.2 主光线在有限距离内相交 32.3 深度与视差 &nb
转载
2023-12-21 20:35:13
443阅读
