libviso不断以来被称为在视觉里程计(VO)中的老牌开源算法。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
2017/4/15 20:08:32
4.01MB
1
此文档是小编使用传统方法，对图像进行sobel算子、灰度化、形状学腐蚀膨胀、矩形框标记进行目标识别的原始代码（可以正常运行），适用于图像处理基础，很好的理解传统目标检测流程。
2020/5/9 11:02:16
14KB
1
空域加强、频域加强、图像锐化支持阈值滤波、均值滤波、中值滤波Kirsch算子、Laplace算子、Prewitt算子、Roberts算子、Sobel算子、Butterworth高通滤波、Butterworth低通滤波、模板滤波等算法
2019/11/19 18:15:44
518KB
1
RH炼钢工艺中，控制钢水液面高度目前仍采用人工目测的方法，该方法存在一定的缺陷与不准确性。
因而本文提出一种钢水液面精确定位算法，该算法采用数字图像处理技术，对图像边缘检测算子进行深入研究，引用一种改进型Sobel算子——8模板各向同性Sobel算子，它能够检测出8个方向的边缘，接着采用霍夫变换、曲线拟合对边缘做优化处理，以此检测出钢水液面的位置。
实验研究表明，该算法能够准确检测出钢水液面的位置，为RH炼钢工艺的自动化发展提供重要的理论依据。
因而本文提出一种钢水液面精确定位算法，该算法采用数字图像处理技术，对图像边缘检测算子进行深入研究，引用一种改进型Sobel算子——8模板各向同性Sobel算子，它能够检测出8个方向的边缘，接着采用霍夫变换、曲线拟合对边缘做优化处理，以此检测出钢水液面的位置。
实验研究表明，该算法能够准确检测出钢水液面的位置，为RH炼钢工艺的自动化发展提供重要的理论依据。
2015/11/8 6:39:06
510KB
1
针对现有计算机视觉对交通路标识别的复杂性和不稳定性的问题，通过运用图像轮廓识别技术，提出了由全局特征到局部特征再到结构特征的多层次轮廓识别，在交通路标的识别过程中，分别构造了图像密度、外形度量、光滑程度和轮廓熵值4个层次的图像轮廓，同时结合Sobel算子和信息熵对交通路标图像进行了提取与分块处理。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
2016/7/23 15:33:26
744KB
1
建立了GUI界面，五种经典的边缘检测算子，包括Roberts算子，Sobel算子，Canny算子，Prewitt算子，LOG算法。
利用MATLAB系统所提供的相关函数，分别用这几种算子对同一副图像进行处理，在MATLAB2014a版本下运转完全正确
利用MATLAB系统所提供的相关函数，分别用这几种算子对同一副图像进行处理，在MATLAB2014a版本下运转完全正确
2015/5/24 9:34:28
6.36MB
1
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。
2024-04-09 15:03
15KB