MATLAB实现Harris角点检测与图像配准，并通过局部特征向量的构造，又进行了粗筛选和细筛选

数字摄影测量作业，相关系数法匹配+harris点特征提取算子。
非常简便合适的mfc程序.

传统的全景图像拼接算法，多采用Harris角点的特征提取或尺度不变特征转换(SIFT)的特征匹配算子的方式，对存在重合部分的图像进行图像拼接处理。
但对于车载全景图像拼接算法而言，车身四周采集到的4幅鱼眼畸变图像，使用特征提取算子的方法进行的拼接，运算的复杂度高，效率低，不能满足车载设备的实时性要求。
针对这一问题，该文提出一种专门应用在车载系统的车载全景图像拼接算法，并对其进行Matlab仿真，最大限度提高算法的运算效率，以满足车载系统实时性的要求，真实的反应路况信息，辅助驾驶员安全驾驶。
关键词：计算机视觉；
图像拼接；
车载全景；
实时性；
鱼眼图像

简单的利用Harris算子实现分块提取特征点

亲测可用，matlab写的图像拼接，有源码，可供参考。

基于matlab的Harris角点检测，包含ransac，不过是处理灰度图像的，但是还不错，对于初学者比较有帮助，我有运行过，还不错。

压缩包中包含的具体内容：对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下：（1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；
请参照该算子，自行编写程序实现Harris-Laplacian检测子）。
（2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。
（3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。
（4） 基于图像中的匹配关键点，对两幅图像进行配准。
请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。
（5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。
（6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。
可以运行StitchTester.m查看拼接结果。
（7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。
图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。
已经实现这些功能，并且编译运行均不报错！

很好的实现特征点的粗匹配，适用于用harris算子提取的角点

[原创]根据文献使用matlab实现了PFH算法，并使用它对bunny数据进行了基于特征匹配和RANSAC的拼接实验。
关键点选取和特征匹配部分是直接用的之前文献复原的内容(资源已发布)，仅用来测试PFH的有效性。
由于运行速度过慢，我将代码分为三块，依次运行PFH_demo.m（关键点提取）、PFH_demo2.m（PFH计算，耗时）、PFH_demo3.m（拼接实验与结果展示）。
代码中实现的是64维度的描述符，与PCL中的略有不同。
关键点如果用3Dharris效果应该会更好一点。

Hausdorff距离匹配代码，实现了CANNY边缘特征点、HARRIS特征点、SIFT特征点、SURF特征点的Hausdorff距离匹配

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。