提出了一种新的基于二维靶标的球面模型鱼眼镜头标定方法。
根据球面成像模型中圆弧上的点与图像坐标系像点之间的约束关系，利用平面靶上的一根直线上的点，初步估计出摄像头的内部参数。
利用平面靶上棋盘格角点在世界坐标系上的坐标点与其在球面坐标系下坐标的映射关系，求出相应的外部参数的初始值。
以这些角点在图像中的实际坐标与重投影后坐标之间的均方差为优化参数，进行非线性优化，求出内部参数，畸变系数和外部参数的精确解。
通过实验验证，该方法能够快速的估计鱼眼镜头的内、外部参数的初始值，具有较高的精度，能够满足实际应用的需求。

opencv:26mmmatlab:15mm;(包含两张图片)；
可直接打印使用

通过canny算子提取棋盘格图像边缘，然后使用Hough算法提取边缘图中直线，利用直线交点对全图角点检测结果进行过滤，最终达到自动可靠准确地提取出所有图像中棋盘格的角点坐标，可用于相机或投影仪的标定。

用matlab生成棋盘格，可以指定长宽，棋盘块大小，棋盘块个数等等。
支持背景色

LibNoise分形噪声函数库的JAVA翻译版，个人开发，仅供参考。
包中包含：异常模块:noise.Exceptionnoise.ExceptionInvalidParam无效的参数异常。
noise.ExceptionNoModule无模块异常，无法检索到该源模块noise.ExceptionOutOfMemorynoise.ExceptionUnknown模型模块：noise.model.Line线noise.model.Plane平面noise.model.Sphere球体noise.model.Cylinder圆柱发生器模块：noise.module.Perlin培林噪声 noise.module.RidgedMulti脊多重分形噪声noise.module.Billow巨浪 value=|perlin_value|*2-1.0;noise.module.Voronoi细胞噪声,Voronoi图noise.module.Const常量 value=const;noise.module.Cylinders圆柱noise.module.Checkerboard棋盘格 value=(floor(x)&1^floor(y)&1^floor(z)&1)!=0?-1.0:1.0;noise.module.Spheres球体选择器模块：noise.module.Select选择noise.module.Blend混合 value=((1.0-(modules[3].value+1)/2)*modules[0].value)+((modules[3].value+1)/2*modules[1].value);修饰器模块：noise.module.Invert倒置 value=-value;noise.module.Abs绝对值 value=|value|;noise.module.Clamp截取 value=(valueupperBound?upperBound:value);lowerBound:下截取值;upperBound:上截取值noise.module.Curve曲线 value=noise.module.Curve.ControlPoint控制点noise.module.ScaleBias偏移缩放， value=value*scale+offsetnoise.module.Turbulence湍流 value=modules[0].getValue(x+modules[1].value*power,y+modules[2].value*power,z+modules[3].value*power);noise.module.Exponent指数 value=(pow(abs((value+1.0)/2.0),exponent)*2.0-1.0);组合模块：noise.module.Add添加 value=modules[0].value+modules[1].value;noise.module.Max最大值 value=max(value);noise.module.Min最小值 value=min(value);noise.module.Multiply乘法 value=modules[0].value*modules[1].value;noise.module.Power权重 value=pow(modules[0].value,modules[1].value);变压模块：noise.module.Displace位移替换，扭曲value=modules[0].getValue(x+modules[1].value,y+modules[2].value,z+modules[3].value);noise.module.RotatePoint点旋转noise.module.ScalePoint点缩放,轴缩放 value=modules[0].getValue(x*xScale,y*yScale,z*zScale);noise.module.Terrace露台，梯台noise.mod

典型手眼标定（eyeinhand）方案方案每一组手眼行为需要牢靠棋盘格是我位置，每一次手眼运行先后需要标定相机外参。
需要机械人抑制上能够直接读取货物中间点的位姿。

图像配准。
matlab代码。
利用SIFT算法提取特征点并进行描绘，找到两幅图像中对应的特征点对，利用RANSAC算法剔除不正确的特征点对并计算单应性矩阵（投影变换参数），利用立方卷积插值得到配准之后的图像。
显示结果中包含棋盘格显示。

opencv相机标定源代码，运转环境win10-64bit，opencv版本3.3.0，vs2013，包含标定棋盘格打印电子照片，摄像机拍摄的15张棋盘格照片，运转结果，畸形校正照片结果，搭好环境代码可直接运转

基于互信息的图像配准，陈显毅书上的matlab代码，有GUI文件，不缺少文件，可直接运行，还有我本人写的棋盘格显示配准结果。

最小二乘法拟合圆心，基于Hough变换的圆心检测，基于harris亚像素棋盘格检测，对三种方法角点检测进度举行对比分析。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。