猴子老师Live中用一个盖房子的例子，很好的解释了大多数零基础朋友开始学习编程时的迷茫。面对一个客户需求，如何分三个步骤就能得出最后的结果。我简单整理一下，第一步先仔细分析客户的需求，明确最终目标(盖什么样的房子，即明确设计图纸)；第二步根据要达到的目标要求，选择合适的工具、语言以及搭建相应的开发环境(根据图纸，分析需要打什么样的地基)；第三步在搭建好的开发环境下，运用各种变量、函数、条件循环等手
在现阶段的自动驾驶中，定位一直是很重要的话题；最近特斯拉的开放道路自动驾驶一定程度上降低了定位的重要性，采用实时图像分析生成概率地图，这项技术还有待市场去打磨的更加成熟。在我看来作为一个自动驾驶工程师，成长的线路很清晰：Apollo系统作为基础，特斯拉的技术才是你追求的方向。每篇博客之前，喜欢加一些感悟，一者话题引入；二者抒自己所想，让技术不再
转载
2024-06-16 08:12:11
73阅读
OpenCV 第八章 目标跟踪 8.1 检测移动的目标 利用帧差异1.将第一帧设置为输入的背景，对每帧进行灰度转换和平滑滤波操作 2.将后续读取的帧计算与背景的差异，得到差分图 3.对差分图进行二值化和膨胀，然后在差分图中找轮廓cv2.getStructuringElement( ) 这个函数的第一个参数表示内核的形状，有三种形状可以选择。 矩形：MORPH_RECT; 交叉形：MORPH_CRO
转载
2024-03-27 07:56:35
257阅读
<span style="font-family:SimHei;font-size:18px;">0 前言
最近一直在看关于目标跟踪方面的算法实现，也是时候整理下思路看看怎么实现了。 这次我将带领大家看看基于
OpenCV的目标跟踪算法及其基本实现。由于目标跟踪方法众多，我将分为几次讲解逐个讲解。当然只是起个索引的
效果，要好的跟踪实现有待自己去深化。
概述
转载
2024-04-07 14:30:59
57阅读
编者按：目标跟踪作为机器学习的一个重要分支，加之其在日常生活、军事行动中的广泛应用，很多国内外学者都对此颇有研究。本文将讨论OpenCV上八种不同的目标追踪算法。虽然我们熟知的的质心追踪器表现得很好，但它需要我们在输入的视频上的每一帧运行一个目标探测器。对大多数环境来说，在每帧上进行检测非常耗费计算力。所以，我们想应用一种一次性的目标检测方法，然后在之后的帧上都能进行目标追踪，使这一任务更加快速、
转载
2024-01-09 15:30:57
60阅读
今天我们聊一聊人脸检测和关键点定位问题。很多朋友可能会对这一块感兴趣，于是纷纷跑去研究SSD、YOLO、Faster RCNN等方法，最后花费了很久的时间，才搞出一个模型。又是数据，又是算法，搞得头大。实际上，如果你是想搞算法，这样做是很值得推崇的。如果只是想做一些实验性的demo，感受一下人脸相关的一些业务，或者只是需要人脸检测这个步骤，但是对准确性要求没那么搞。那这里，我们推荐dlib库，直接
转载
2024-04-22 14:11:53
100阅读
其实在深度学习中我们已经介绍了目标检测和目标识别的概念、为了照顾一些没有学过深度学习的童鞋，这里我重新说明一次：目标检测是用来确定图像上某个区域是否有我们要识别的对象，目标识别是用来判断图片上这个对象是什么。识别通常只处理已经检测到对象的区域，例如，人们总是会在已有的人脸图像的区域去识别人脸。传统的目标检测方法与识别不同于深度学习方法，后者主要利用神经网络来实现分类和回归问题。在这里我们主要介绍如
转载
2024-08-08 16:47:00
93阅读
利用矩视智能低代码平台的目标定位功能，对模块焊接的情况进行缺陷检测--动力电池焊接缺陷检测
原创
2023-10-12 14:54:47
100阅读
首先使用拍照工具拍摄一些JPG格式的标定图片。然后放到特定的文件夹下，我这里是image文件夹。在标定前，首先读取该文件夹下的图片文件，获取这些图片文件的文件名，以备将来opencv读取图片使用。这样做的好处是不用特意给拍摄的图片按照特定格式重新命名，大大减小了工作量。标定时，程序会检查这些图片是否能正常提取格点，如果不能，程序自动舍去，在标定时该幅图片不参与计算。标定完成后，程序会把标定结果显示
转载
2024-04-14 22:39:25
90阅读
在深度学习领域，目标定位是一项重要的任务，其应用涵盖了自动驾驶、视频监控以及增强现实等多个领域。目标定位的目标是确定目标物体在图像或视频帧中的位置和边界框位置，而PyTorch作为一个流行的深度学习框架，提供了强大的工具和灵活性，以实现这一任务。
> 目标定位在计算机视觉中的重要性：
>
> 1. 自动驾驶汽车需要识别路边的行人、车辆和障碍物。
> 2. 安全监控系统需要实时检测可疑活动。
>
相机标定——单目标定和双目标定1.标定目的在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的
转载
2024-01-17 08:55:43
104阅读
一、获取代码方式获取代码方式1：完整代码已上传我的资源：【目标定位】基于matlab粒子滤波目标定位仿真【含Matlab源码 129期】获取代码方式2：通过订阅紫极神光博客付费专栏
原创
2022-01-23 11:50:37
497阅读
1评论
一、获取代码方式获取代码方式1： 获取代码方式2：
二、EKF算法简介在SLAM问题解决方法中，EKF算法是比较常用的经典算法。机器人的自定位过程是一个非线性化的过程，EKF是为了解决Kalman滤波器不能应用于非线性系统而产生的，该滤波算法的主要过程是预测和更新。在预测和更新过程中，EKF算法对原有的系统方程和观测方程进行线性化并得到一个高估计的结果。如果系统中的非线性很弱，EKF也能给出
原创
2022-01-19 14:39:42
421阅读
一、什么是RTK实时动态差分法(Real-time kinematic，RTK)又称为载波相位差分技术。这是一种新的常用的GPS测量方法。以前的静态、快速静态、动态测量都需要事后进行解算才能获得厘米级的精度，而RTK是能够在野外实时得到厘米级定位精度的测量方法，它能实时提供观测点的三维坐标，并达到厘米级的高精度。与伪距差分原理相同，由基准站通过数据链实时将其载波观测量及站坐标信息一同传送给用户
python语言实现双向链表双向链表顾名思义，存在两个指针：头指针和尾指针，分别指向前驱节点和后续节点。双向链表所包含的操作如下：is_empty() 链表为空length() 链表长度trvael() 便利链表add(item) 头部添加元素append(item) 尾部添加元素insert(pos, item) 指定位置添加元素remove(item) 删除节点search(item) 查找元
转载
2024-03-12 17:48:22
26阅读
使用Opencv中的Camshift进行视频中目标跟踪是一个不错的选择，这方面的示例很多，但是大多代码不全，或者代码存在问题，不能正常使用，这里，对很多文章进行整理后，贴出了正确可以使用的代码。 首先下载OpenCV， http://sourceforge.net/projects/opencvlibr
转载
2024-03-26 16:16:25
67阅读
一目标定位（单个物体）对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的
转载
2023-02-23 10:44:41
362阅读
1.基本概念1.1 计算机视觉的几大任务分类-Classification：解决“是什么”？的问题，即找出一张图像中物体的类别。定位-Location:解决“在哪里”？的问题，即定位出目标的位置。检测：解决“是什么”？“在哪里”？的问题，即定位出目标的位置，并确定其类别。分割：分为实例分割（Instance-level）和场景分割（Scene-level），解决每个像素属于哪个目标物或哪个场景的问
转载
2024-05-30 09:50:29
281阅读
# Python双目标定的实现流程
## 1. 概述
在进行Python双目标定之前，需要先了解什么是目标定位和双目标定。目标定位是指通过计算机视觉技术，从图像或视频中精确定位并标记出感兴趣的目标物体。而双目标定是指使用双目相机来获取图像，并通过计算将左右两个相机的图像进行配准，以获取目标的三维位置信息。
## 2. 双目标定的步骤
以下是实现Python双目标定的基本步骤：
| 步骤 |
原创
2023-08-01 04:40:20
449阅读
# 双目标定 Python实现
## 1.整体流程
为了实现"双目标定 Python"，我们需要遵循以下步骤来完成任务：
| 步骤 | 操作 |
| - | - |
| 1 | 导入必要的库和模块 |
| 2 | 加载图像，并进行预处理 |
| 3 | 检测并提取图像中的目标点 |
| 4 | 计算并估计目标点的三维坐标 |
| 5 | 使用双目摄像机标定算法确定摄像机的内外参数 |
| 6
原创
2023-09-14 20:13:33
182阅读
