特征检测与匹配的目标是识别一个图像中的关键点与另一个图像中的对应点之间的配对。
在此实验中，你将编写代码以检测图像中的特征点（对于平移、旋转和照明具有一定的不变性），并在另一个图像中找到最佳匹配特征。
为了帮你可视化结果并调试程序，我们提供了一个用户界面，可以显示检测到的特征和最佳匹配。
我们还提供了一个示例ORB特征检测器，用于结果比较。
该实验有三个部分：特征检测、特征描述和特征匹配。
您所需要实现的所有代码都在features.py中。
在此实验中，你将编写代码以检测图像中的特征点（对于平移、旋转和照明具有一定的不变性），并在另一个图像中找到最佳匹配特征。
为了帮你可视化结果并调试程序，我们提供了一个用户界面，可以显示检测到的特征和最佳匹配。
我们还提供了一个示例ORB特征检测器，用于结果比较。
该实验有三个部分：特征检测、特征描述和特征匹配。
您所需要实现的所有代码都在features.py中。
2024/7/30 0:22:45
21.64MB
1
由于相机标定易受靶标自身和外界环境因素的干扰,且相机标定精度直接影响双目视觉或三维重建等计算机视觉领域的结果,因此,在标定过程中要尽可能提高相机的标定精度。
相机标定过程中的精度影响因素主要为靶标自身的网格尺寸、特征点数目、摆放位姿和平面性,以及相机提取靶标图片的数量、标定物距、光照条件等。
以相机标定精度的影响因素为切入点,介绍了相机标定的成像模型和单因素对标定精度的影响情况,总结出相机标定的最优标定工况条件,为相机标定的研究提供了有效参考。
相机标定过程中的精度影响因素主要为靶标自身的网格尺寸、特征点数目、摆放位姿和平面性,以及相机提取靶标图片的数量、标定物距、光照条件等。
以相机标定精度的影响因素为切入点,介绍了相机标定的成像模型和单因素对标定精度的影响情况,总结出相机标定的最优标定工况条件,为相机标定的研究提供了有效参考。
2024/7/7 15:41:20
1.03MB
1
SIFT特征点匹配的代码和实验报告，需要2008的VS和openCV库。
如果VS版本高的话需要下载一个2008版本的guill.gll文件。
修改代码中视频路径即可实现特征点匹配。
有实验报告和用例。
如果VS版本高的话需要下载一个2008版本的guill.gll文件。
修改代码中视频路径即可实现特征点匹配。
有实验报告和用例。
2024/6/20 15:29:51
12.77MB
1
计算三维重建的方法称为SfM（StructurefromMotion）.\假设计算机已经标定，计算重建的部分可以分为下面四个步骤：\（1）、检测特征点，然后在两幅图间进行特征点匹配。
\（2）、有匹配算出基础矩阵。
\（3）、由基础矩阵计算照相机矩阵。
\（4）、三角剖分这些三维点。
\（2）、有匹配算出基础矩阵。
\（3）、由基础矩阵计算照相机矩阵。
\（4）、三角剖分这些三维点。
2024/6/12 16:31:20
158KB
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