计算机视觉的目标就是利用计算机来模拟与人类相当的视觉能力,使得计算机也能够像人类一样能够从二维图像中获取三维信息。
在拥有这种能力的同时,还能够分析获取的三维信息,进一步得到现实世界中物体的形状、姿态等,采用合理的描述方法和存储形式,对其进行识别甚至是理解。
计算机视觉的种类很多,双目立体视觉是目前研究较多的一种技术。
目前,立体视觉的技术已经广泛应用到了日常生活中,并且正在改变着生活的质量及方式,如美国“探索者”登月卫星上的机器人视觉系统,数码相机中的人脸捕捉,排爆机器人对危险物的识别,无人自动车的避障系统等,都将立体视觉技术进行了有效的应用,并且已经影响了日常的生活方式。
2023/11/27 13:08:06 45.05MB 机器视觉
1
双目立体视觉中使用的标准实验图,也是从网上整理的,很好,非常适合初学者进行实验使用。
2023/11/24 7:27:45 4.83MB 实验图片 双目立体视觉
1
立体匹配算法程序,可以添加自己的图片测试查看程序效果
2023/11/19 3:33:32 4KB C++
1
文运用相机标定模型确定了相机像平面的像坐标,利用本质矩阵标定双目相机,快速找出了相机的相对位置关系;
利用MATAB软件和图像处理进行编程求解;
通过对图像的预处理和灰度质心法对模型进行了验证,得出模型的精度。
针对问题一,根据数码相机的特点,提出了一个新的标定方法,建立相机标定模型,确定了靶标上圆的圆心在该相机像平面的像坐标,为问题二的计算提供了一个好的算法。
针对问题二,我们利用问题一建立的模型和方法运用MATLAB编程精确的计算了靶标上五个圆的圆心在像平面上的像坐标。
针对问题三,我们引入了灰度质心法及像差模型对前述问题的模型的稳定性和坐标值精度进行检验后,发现两种模型的中心坐标值的误差值在[0~3]个像素区间内,说明前述模型的计算结果的精度很高,通过像差模型得出其径向畸变系数趋于无穷小,认为前述模型有很好的稳定性。
针对问题四,我们提出了一种改进的的立体摄像机标定方法,通过双目匹配点,线性地求解本质矩阵,快速找出摄像机的相对位置关系。
2023/11/8 11:28:51 463KB 双目定位 系统定标 灰度质心法
1
基于加拿大灰点公司的bumblebee2双目相机SDK+opencv3.3.1实现双目立体标定、深度伪彩色图像实施显示、鼠标实时测距、实时帧率等。
2023/10/29 12:05:28 3.61MB bumblebee2 Ranging opencv3.3.1 triclops
1
基于双目视觉的轮式机器人动态避障研究基于双目视觉的轮式机器人动态避障研究
2023/10/11 0:21:26 9.22MB 双目视觉 动态避障研究
1
关于视觉双目的测量,网上虽然有很多资料,但是但是你懂的,网上很多资源都讲的很模糊,不完整。
我这个代码完整的计算出了深度信息。
前提是你标定作准了。
2023/9/23 19:13:37 8KB 视觉双目
1
用matlab实现由双目图恢复出场景视距图(深度图)的代码,亲测可用,提供大家参考参考。
用matlab实现由双目图恢复出场景视距图(深度图)的代码,亲测可用,提供大家参考参考。
2023/9/12 21:19:02 355KB matlab 双目图 深度图
1
根据相关文献利用自适应窗实现视差图生成算法。
先进行ADCensus变换,然后计算自适应窗口。
2023/8/3 23:36:10 11KB stereo
1
双目立体视觉源代码,包括标定,匹配,三维重建
2023/7/31 0:28:20 3.53MB 双目 视觉 源代码
1
共 109 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡