DALSA线阵相机和面阵相机的开辟SDK。
官网最新版是8.41，但是很难下载，这是网上找的的比较新的一个版本。
官网最新版是8.41，但是很难下载，这是网上找的的比较新的一个版本。
2022/9/3 19:55:27
214.04MB
1
sony索尼相机wifi控制程序，控制拍照，调教，回传图像。
亲测可用。
该DEMO是安卓平台次要下的，其核心是个jar包，该包次要包含了和相机进行通信的相关代码。
很清晰。
如需要也可以用eclipse移植到win下。
亲测可用。
该DEMO是安卓平台次要下的，其核心是个jar包，该包次要包含了和相机进行通信的相关代码。
很清晰。
如需要也可以用eclipse移植到win下。
2022/9/3 4:58:08
123KB
1
一种基于车道线检测，标定摄像头外参的系统与方法。
该方法主要包含如下几个步骤：（1）通过前、后、左、右相机采集原始图像，并处理图像提取车道线所在的感兴味区域。
（2）在感兴味区域内检测车道线，并将检测到的车道线拟合成6段短直线。
（3）然后通过该6段短直线的斜率得到各相机的夹角，从而判定哪个相机需要标定。
（4）对需要标定的相机进行标定。
（5）更新相机标定后的参数，重新生成拼接图。
本发明结合了传统的标定方法，提出了一种基于线特征的在线标定方法，提高了4S店的标定效率。
该方法主要包含如下几个步骤：（1）通过前、后、左、右相机采集原始图像，并处理图像提取车道线所在的感兴味区域。
（2）在感兴味区域内检测车道线，并将检测到的车道线拟合成6段短直线。
（3）然后通过该6段短直线的斜率得到各相机的夹角，从而判定哪个相机需要标定。
（4）对需要标定的相机进行标定。
（5）更新相机标定后的参数，重新生成拼接图。
本发明结合了传统的标定方法，提出了一种基于线特征的在线标定方法，提高了4S店的标定效率。
2022/9/2 22:24:28
961KB
1
Bouguet的Matlab标定工具箱平面标定，可单目自标定及双目互标定。
用法参见：http://www.vision.caltech.edu/bouguetj/calib_doc/
用法参见：http://www.vision.caltech.edu/bouguetj/calib_doc/
2015/9/4 6:24:12
307KB
1
PnP算法简介代码解析本期公开课将详细讲述常见的PnP求解算法。
PnP求解算法是指通过多对3D与2D婚配点，在已知或者未知相机内参的情况下，利用最小化重投影误差来求解相机外参的算法。
PnP求解算法是SLAM前端位姿跟踪部分中常用的算法之一，本次公开课，将详细讲述P3P、DLT、EPnP、UPnP、优化求解等多种常见的PnP求解算法。
接下来，让我们一起深入学习PnP算法吧！
PnP求解算法是指通过多对3D与2D婚配点，在已知或者未知相机内参的情况下，利用最小化重投影误差来求解相机外参的算法。
PnP求解算法是SLAM前端位姿跟踪部分中常用的算法之一，本次公开课，将详细讲述P3P、DLT、EPnP、UPnP、优化求解等多种常见的PnP求解算法。
接下来，让我们一起深入学习PnP算法吧！
2018/7/24 2:28:43
9.59MB
1
针对现有运动恢复结构算法重建模型存在点云稀疏等问题，提出一种利用不同婚配数据进行模型重建的算法。
首先通过对比上下文直方图(CCH)生成婚配数据，利用M估计抽样一致(MSAC)估算图像基础矩阵，进而分解得到平移和旋转矩阵，并根据相机内参计算投影矩阵，然后利用KLT婚配算法更新婚配数据，最后三角化生成三维点云。
该算法婚配精度高，图像基础矩阵易于收敛，通过位移实现特征点婚配，弥补了图像低频区域婚配数据不足的缺陷。
实验结果表明，与现有算法相比，该算法生成的点云更致密；
在真实环境下，该算法可用于物体三维重建。
首先通过对比上下文直方图(CCH)生成婚配数据，利用M估计抽样一致(MSAC)估算图像基础矩阵，进而分解得到平移和旋转矩阵，并根据相机内参计算投影矩阵，然后利用KLT婚配算法更新婚配数据，最后三角化生成三维点云。
该算法婚配精度高，图像基础矩阵易于收敛，通过位移实现特征点婚配，弥补了图像低频区域婚配数据不足的缺陷。
实验结果表明，与现有算法相比，该算法生成的点云更致密；
在真实环境下，该算法可用于物体三维重建。
2019/3/25 20:36:01
664KB
1
matlab将的图片拼合代码运动的两视图结构如何运行：为了使该程序平稳运行，请确保您的Matlab版本具有计算机视觉工具箱。
result文件夹包含最终对象。
层模型显示在程序的末尾，但是您也可以在任何3D软件（例如Blender或Meshlab）中查看它。
为了用户的温馨，建议将背景颜色从黑色更改为较浅的颜色（例如绿色）。
要启动该程序，请运行文件main.m在运行时，将显示图像的关键和匹配功能以及最终生成的3D点云的图形。
该程序的主要步骤：解密本征矩阵文本文件。
提取并匹配两个图像的关键特征。
估计然后分解基本矩阵。
将匹配的点三角剖分成3D模型。
创建最终的PLY模型。
如何制作自己的模型：从相似但不同的视图中拍摄同一对象的两张图片。
建议水平方向。
使用Matlab工具箱校准相机，然后将生成的本征矩阵写入一个名为intrinsic.txt的文件中，该文件必须与两个图像放置在同一文件夹中。
在第4行上添加图像的尺寸。
将它们放在同一文件夹中，然后修改main.m以指向图像。
添加如下代码：Structure_from_Motion(image1Path,image
result文件夹包含最终对象。
层模型显示在程序的末尾，但是您也可以在任何3D软件（例如Blender或Meshlab）中查看它。
为了用户的温馨，建议将背景颜色从黑色更改为较浅的颜色（例如绿色）。
要启动该程序，请运行文件main.m在运行时，将显示图像的关键和匹配功能以及最终生成的3D点云的图形。
该程序的主要步骤：解密本征矩阵文本文件。
提取并匹配两个图像的关键特征。
估计然后分解基本矩阵。
将匹配的点三角剖分成3D模型。
创建最终的PLY模型。
如何制作自己的模型：从相似但不同的视图中拍摄同一对象的两张图片。
建议水平方向。
使用Matlab工具箱校准相机，然后将生成的本征矩阵写入一个名为intrinsic.txt的文件中，该文件必须与两个图像放置在同一文件夹中。
在第4行上添加图像的尺寸。
将它们放在同一文件夹中，然后修改main.m以指向图像。
添加如下代码：Structure_from_Motion(image1Path,image
2019/3/7 21:16:22
14.42MB
1
该文件为我调研和筛选之后的基于消失点的相机标定的经典文献。
基于消失点的标定方法主流的有微软研讨院的方案和其他方案的。
微软研讨院的是针对交通场景，它利用车辆的特征：比如后视镜、车辆正中心、车辆大灯等特征点。
基于消失点的标定方法主流的有微软研讨院的方案和其他方案的。
微软研讨院的是针对交通场景，它利用车辆的特征：比如后视镜、车辆正中心、车辆大灯等特征点。
2019/8/24 8:57:32
73.79MB
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