本人先前学习opencv时候实现过的一些不错的代码程序，都能成功运行，效果不错，拿来和大家分享。
打打基础也好，里面动作识别，动作追踪，轮廓检测都有
打打基础也好，里面动作识别，动作追踪，轮廓检测都有
2015/5/19 22:35:54
13.34MB
1
LMD创新LMDVCL完整组件是Delphi最详尽的部分之一，为各种各样的任务提供了大约500个部件。
细分束只是可访问的巨大细分范围的一部分。
LMD-Tools集成了分离界面结构、框架编程、记录控件、数据库应用程序、互联网和web、交互媒体、消息和设计内容等控件。
大多数视觉部分支持直接和推进的文本风格变化，包括不同的影响，例如，空的，带有各种基础的3D。
更最新的LMDVCL方式包含了一个固有的中介，它支持在众多控制器上设计的内容。
片段利用了有限的道具集的进程，大多数道具集都是重复的，目的是不再需要重复代码及其数量。
只需了解这些类，然后再充分利用他们的全面使用以后。
安装说明：https://blog.csdn.net/hongfu951/article/details/11解压密码：123
细分束只是可访问的巨大细分范围的一部分。
LMD-Tools集成了分离界面结构、框架编程、记录控件、数据库应用程序、互联网和web、交互媒体、消息和设计内容等控件。
大多数视觉部分支持直接和推进的文本风格变化，包括不同的影响，例如，空的，带有各种基础的3D。
更最新的LMDVCL方式包含了一个固有的中介，它支持在众多控制器上设计的内容。
片段利用了有限的道具集的进程，大多数道具集都是重复的，目的是不再需要重复代码及其数量。
只需了解这些类，然后再充分利用他们的全面使用以后。
安装说明：https://blog.csdn.net/hongfu951/article/details/11解压密码：123
2021/2/23 19:34:19
246.37MB
1
毫米波雷达和视觉传感器融合的检测仿真matlab代码。
。
资源里面部分代码展示：sensors=cell(8,1);%设置位于汽车前保险杠地方的前向远程毫米波雷达sensors{1}=radarDetectionGenerator("SensorIndex",1,"Height",0.2,"MaxRange",174,..."SensorLocation",[egoCar.Wheelbase+egoCar.FrontOverhang,0],"FieldOfView",[20,5]);%设置位于汽车后保险杠地方的前向远程毫米波雷达sensors{2}=radarDetectionGenerator("SensorIndex",2,"Height",0.2,"Yaw",180,..."SensorLocation",[-egoCar.RearOverhang,0],"MaxRange",174,"FieldOfView",[20,5]);
。
资源里面部分代码展示：sensors=cell(8,1);%设置位于汽车前保险杠地方的前向远程毫米波雷达sensors{1}=radarDetectionGenerator("SensorIndex",1,"Height",0.2,"MaxRange",174,..."SensorLocation",[egoCar.Wheelbase+egoCar.FrontOverhang,0],"FieldOfView",[20,5]);%设置位于汽车后保险杠地方的前向远程毫米波雷达sensors{2}=radarDetectionGenerator("SensorIndex",2,"Height",0.2,"Yaw",180,..."SensorLocation",[-egoCar.RearOverhang,0],"MaxRange",174,"FieldOfView",[20,5]);
2020/9/12 16:10:10
3KB
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
MultipleViewGeometryinComputerVision,多视角几何学。
机器视觉学习材料
机器视觉学习材料
2015/5/12 12:20:48
12.35MB
1
《模式识别与机器学习》，原英文名为《PatternRecognitionandMachineLearning》，也就是鼎鼎大名的PRML。
适用于机器学习、统计学、计算机科学、信号处理、计算机视觉、数据发掘、生物信息学等课程。
适用于机器学习、统计学、计算机科学、信号处理、计算机视觉、数据发掘、生物信息学等课程。
2015/9/8 17:56:14
14.73MB
1
给大家分享一套课程——MMLAB实战系列，完整版视频课程下载，附源码。
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
2019/6/6 21:54:19
513B
1
视觉导航是智能采棉机器人的基本技术之一。
棉田组成复杂，存在遮挡和照明，难以准确识别出犁沟，从而提取出导航线。
提出了一种基于水平样条分割的野外导航路径提取方法。
首先，通过OTSU阈值算法对RGBcolor.space中的彩色图像进行预处理，以分割犁沟的二值图像。
棉田图像成分分为四类：犁沟（成分包括土地，枯萎的叶子等）。
。
），棉纤维，棉的其他器官和外部区域或阻塞物。
通过利用HSV模型的色相和值的显着差异，作者将阈值分为两个步骤。
首先，他们在S通道中分割棉绒，然后在棉线区域之外的区域中在V.通道中分割犁沟。
另外，需要形状学处理以滤出小的噪声区域。
其次，水平样条用于分割二值图像。
作者检测水平样条中的连通区域，并合并由棉毛或附近大连通区域中的亮点引起的孤立的小区域，从而获得犁沟的连通区域。
第三，根据相邻导航线候选之间的距离较小的原理，以图像底部的中心为起点，并从连通域的中点开始依次选择候选点。
最后，作者对连接域的数量进行计数，并计算连接域边界线的参数变化，以确保机器人是否到达了野外或遇到障碍物。
如果没有异常，则使用minimum.squares方法由导航点拟合导航路径。
棉田组成复杂，存在遮挡和照明，难以准确识别出犁沟，从而提取出导航线。
提出了一种基于水平样条分割的野外导航路径提取方法。
首先，通过OTSU阈值算法对RGBcolor.space中的彩色图像进行预处理，以分割犁沟的二值图像。
棉田图像成分分为四类：犁沟（成分包括土地，枯萎的叶子等）。
。
），棉纤维，棉的其他器官和外部区域或阻塞物。
通过利用HSV模型的色相和值的显着差异，作者将阈值分为两个步骤。
首先，他们在S通道中分割棉绒，然后在棉线区域之外的区域中在V.通道中分割犁沟。
另外，需要形状学处理以滤出小的噪声区域。
其次，水平样条用于分割二值图像。
作者检测水平样条中的连通区域，并合并由棉毛或附近大连通区域中的亮点引起的孤立的小区域，从而获得犁沟的连通区域。
第三，根据相邻导航线候选之间的距离较小的原理，以图像底部的中心为起点，并从连通域的中点开始依次选择候选点。
最后，作者对连接域的数量进行计数，并计算连接域边界线的参数变化，以确保机器人是否到达了野外或遇到障碍物。
如果没有异常，则使用minimum.squares方法由导航点拟合导航路径。
2017/7/15 20:54:57
896KB
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