lina_suda的博客

转载 linux下编译eXosip、osip，以及UAC和UAS的例子

从网站上看到了这样的一篇博文 ：Windows下编译eXosip、osip，以及UAC和UAS的例子 (链接：http://www.cnblogs.com/dyllove98/archive/2013/06/25/3155427.html)觉得对学习sip的初学者，包括我，都是很有帮助的。但是那是在window下的编译，我在这里稍微改了一下，让它支持在linux下编译测试运行通过。我们这...

原创 CNN结构演化

原创 C++中静态成员函数

静态成员函数总结：静态成员函数是类中的特殊的成员函数 静态成员函数没有隐藏的this指针：当调用一个对象的非静态成员函数时，系统会将该对象的起始地址赋值给成员函数的this指针．但是，静态成员函数不属于某个对象，为该类的所有对象共享，所以静态成员函数没有this指针． 静态成员函数可以通过类名直接访问 静态成员函数可以通过对象访问 静态成员函数只能直接访问静态成员变量（函数），而不...

原创 获取可执行文件路径

char link[1024], exe_path[1024];sprintf(link, "/proc/%d/exe", getpid());readlink(link, exe_path, sizeof(exe_path));std::string path = exe_path;path = path.substr(0, path.find_last_of('/'));pid...

转载 C++ 用libcurl库进行http通讯网络编程

三、curl_easy_setopt函数部分选项介绍四、curl_easy_perform 函数说明（error 状态码）五、libcurl使用的HTTP消息头六、获取http应答头信息七、多线程问题八、什么时候libcurl无法正常工作九、关于密码十、HTTP验证十一、代码示例1.基本的http GET/POST操作2 获取html网页3 网页下载保存实例4 进度条实例显...

原创 训练集，验证集，测试集

普通参数与超参数普通参数就是可以被梯度下降所更新的，也就是训练集所更新的参数。超参数是指训练开始之前设置的参数，不在梯度下降的更新范围内，比如网络层数、网络节点数、迭代次数、学习率等等．训练集，验证集，测试集1.训练集    确定模型后，用于训练普通参数．2.验证集（交叉验证集CV）    验证集在每个epoch训练完成后，用来测试一下当前模型的准确率，初步评估模型的能力，...

原创 C++中注册表操作

C++接触了一段时间，最近在捣鼓PatrolBot移动机器人小车，在看源码的时候发现有对注册表操作的代码，第一次接触，便来此记录一番。AREXPORT bool ArUtil::getStringFromRegistry(REGKEY root, const char *key, const char *value, char *str,

原创 parolBot在VS2010中运行配置问题

在整个MobileRobot文件中，ARIA / ArNetworking下有很多examples，本文中的clientDemo.cpp就是里面的文件。新建--> 源文件处添加现有项，选中被复制到项目路径下的cpp文件，即可。编译，通过。运行同名exe文件，报错如下：

原创 Vector用法

在c++中，vector是一个十分有用的容器，下面对这个容器做一下总结。1. 基本理解2. 将vector类型数据传入函数的几种类型3. 内存的分配与释放1. 基本理解vector(向量): C++中的一种数据结构,确切的说是一个类.它相当于一个动态的数组,当程序员无法知道自己需要的数组的规模多大时,用其来解决问题可以达到最大节约空间的目的.(a) 头文件与命名空间

转载 2016年计算机视觉和图像处理相关的国际会议一览表

2016年计算机视觉和图像处理相关的国际会议一览表加油！！！LevelConference NameConference LocationSubmission DeadlineConference DateWebsite★★★★★SIG

转载 图像分割—基于图的图像分割（Graph-Based Image Segmentation）

图像分割—基于图的图像分割（Graph-Based Image Segmentation）转自：http://blog.csdn.net/ttransposition/article/details/38024557?utm_source=tuicool&utm_medium=referralReference:Efficient Graph-Bas

转载 概率图几种模型的简介和比较

基础知识    概率图是一类用图的形式表示随机变量之间条件依赖关系的概率模型， 是概率论与图论的结合。图中的节点表示随机变量，缺少边表示条件独立假设。根据图中边的有向、无向性，模型可分为两类：有向图、无向图。G(V,E)：变量关系图V：顶点or节点，表示随机变量E：边or弧两个节点邻接：两个节点之间存在边，记为Xi ~Xj ，不存在边，表示条件独立。路径：若

转载 Matlab中的括号 () [] {}

转自：http://zhidao.baidu.com/link?url=IBxeqZYDhEMmfXPeK_XLw8i7Sg0BOj3PkzLgQMJ96f64PLDw6FYFSXacnvazePJv7twC1p99HqVQXRDFcydDPKMatlab中经常会用到括号去引用某Array或者是cell的内容，但三者有什么具体区别呢？1. [ ] 中括号用来构建向量(Vec

转载 深入浅出的讲解傅里叶变换

我们眼中的世界就像皮影戏的大幕布，幕布的后面有无数的齿轮，大齿轮带动小齿轮，小齿轮再带动更小的。在最外面的小齿轮上有一个小人——那就是我们自己。我们只看到这个小人毫无规律的在幕布前表演，却无法预测他下一步会去哪。而幕布后面的齿轮却永远一直那样不停的旋转，永不停歇。这样说来有些宿命论的感觉。说实话，这种对人生的描绘是我一个朋友在我们都是高中生的时候感叹的，当时想想似懂非懂，直到有一天我学到了傅里叶级数……

原创 emgu+vs2010 找不到ImageBox控件？

emgu 在VS2010 C#中的配置成功后，想要开始编程却找不到ImageBox控件，奇了怪了，上网找方法。最后应该是这样的~---------------------------------------------------------------------------------------------------------------Adding Im

原创 关于emgu 在VS2010 C#中的配置问题

PC：win10，64位，VS2010。最初下载emgu3.0.0，安装，设置环境变量Path并配置VS2010，报错：“Emgu.CV.CvInvoke”的类型初始值设定项引发异常。试过各种方法失败后，怀疑emgu3.0.0仅支持VS2012以上的版本。卸载emgu3.0.0。重新下载emgu2.4.9（之前用过opencv2.4.9，版本亲切）并安装。以下内容转自：http

转载 国际机器视觉产业发展现状与趋势

国际机器视觉产业发展现状与趋势发布时间：2014-10-03 14:24:28    来源：中国产业洞察网　　一、国际机器视觉产业市场规模　　产业发展历程　　机器视觉的概念起始于20世纪60年代，最先的应用来自"机器人"的研制。最早基于视觉的机器系统，先由视觉系统采集图像并进行处理，然后通过计算估计目标的位置来控制机器运动。1979年提出

转载 双目定标与双目校正

转自：http://blog.csdn.net/chenyusiyuan/article/details/5963256三、双目定标和双目校正双目摄像头定标不仅要得出每个摄像头的内部参数，还需要通过标定来测量两个摄像头之间的相对位置（即右摄像头相对于左摄像头的三维平移 t 和旋转 R 参数）。图6要计算目标点在左右两个视图上形成的视差，首先要把该

转载 图像获取与单目定标

转自：http://blog.csdn.net/chenyusiyuan/article/details/5961769双目测距的基本原理如上图所示，双目测距主要是利用了目标点在左右两幅视图上成像的横向坐标直接存在的差异（即视差 ）与目标点到成像平面的距离Z存在着反比例的关系：Z=fT/d。“@scyscyao ：在OpenCV中，f的量纲是像素点，T的量纲由定

转载 【计算机视觉】SIFT中LoG和DoG比较

转自：http://blog.csdn.net/xiaowei_cqu/article/details/27692123在实际计算时，三种方法计算的金字塔组数noctaves，尺度空间坐标σ，以及每组金字塔内的层数S是一样的。同时，假设图像为640*480的标准图像。金字塔层数：其中o_min = 0，对于分辨率为640*480的图像N=5。

转载 【OpenCV】SIFT原理与源码分析:5.特征检测器 FeatureDetector

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8652096OpenCV提供FeatureDetector实现特征检测及匹配[cpp] view plaincopyclass CV_EXPORTS FeatureDetector  {  public:  

转载 【OpenCV】SIFT原理与源码分析：4.关键点描述

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8113565由前一篇《方向赋值》，为找到的关键点即SIFT特征点赋了值，包含位置、尺度和方向的信息。接下来的步骤是关键点描述，即用用一组向量将这个关键点描述出来，这个描述子不但包括关键点，也包括关键点周围对其有贡献的像素点。用来作为目标匹配的依据（所以描述子应该有较高的独特

转载 【OpenCV】SIFT原理与源码分析：3.方向赋值

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8096072由前一篇《关键点搜索与定位》，我们已经找到了关键点。为了实现图像旋转不变性，需要根据检测到的关键点局部图像结构为特征点方向赋值。也就是在findScaleSpaceExtrema()函数里看到的alcOrientationHist()语句：

转载 【OpenCV】SIFT原理与源码分析:2.关键点搜索与定位

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8087239由前一步《DoG尺度空间构造》，我们得到了DoG高斯差分金字塔：如上图的金字塔，高斯尺度空间金字塔中每组有五层不同尺度图像，相邻两层相减得到四层DoG结果。关键点搜索就在这四层DoG图像上寻找局部极值点。DoG局部极值点寻找DoG极值

转载 Distinctive Image Features from Scale-Invariant Keypoints-SIFT算法译文

转自：http://www.cnblogs.com/cuteshongshong/archive/2012/05/25/2506374.html从尺度不变的关键点选择可区分的图像特征David G.Lowe温哥华不列颠哥伦比亚省加拿大英属哥伦比亚大学计算机科学系[email protected]年1月10日接受，2004年1月7日修改，2004

转载 【OpenCV】SIFT原理与源码分析：1.DoG尺度空间构造

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8067881《SIFT原理与源码分析》系列文章索引：http://blog.csdn.net/xiaowei_cqu/article/details/8069548尺度空间理论自然界中的物体随着观测尺度不同有不同的表现形态。例如我们形容建筑物用“

转载 【OpenCV】SIFT原理与源码分析

转自：http://blog.csdn.net/xiaowei_cqu/article/details/8069548SIFT简介Scale Invariant Feature Transform，尺度不变特征变换匹配算法，是由David G. Lowe在1999年（《Object Recognition from Local Scale-Invariant F

转载 空域滤波基础

“滤波”是指接受或拒绝一定的频率分量。滤波的概念其实是频域概念，即对信号频率进行处理，高于或低于截止频率的将被干掉，或者带通带限，就有了高通滤波器，低通滤波器。低通滤波器的效果是模糊（平滑）衣服图像。    频域的相乘对应于时域的卷积，于是，空域滤波器（空间滤波器也叫卷积核，空间掩膜，核，模板，窗口等）和图像的卷积能达到和频域相同或相近的效果，所以我们要说先图像空域的卷积，值得注意的是空间滤波

转载 影像质量评价指标汇总

转自：http://blog.csdn.net/yuyin86/article/details/210060431.         主观评价方法以人为图像的评价者，根据自己的评价尺度和经验对图像质量进行评价。2.         客观评价方法1)         均方差2)         信噪比主要用来评价影像经压缩、传输、增强等处理

转载 计算机视觉领域的大牛主页

转自：http://blog.csdn.net/yuyin86/article/details/8220360研究群体http://www-2.cs.cmu.edu/~cil/vision.html这是卡奈基梅隆大学的计算机视觉研究组的主页，上面提供很全的资料，从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件，甚至还有一个搜索引擎。http:/

转载 计算机视觉相关书籍

《数字图像处理》冈萨雷斯————基础，必读《Learning OpenCV》 《图像处理，分析与机器视觉》————经典，注意参考文献    Amazon 5 stars 《计算机视觉》郑南宁————介绍canny算子较详细 《计算机视觉中的数学方法》吴福朝 《机器视觉》Ramesh Jain,Rangachar

转载 图像拼接算法的基本原理

转自：http://blog.csdn.net/yuyin86/article/details/6690423全景视频是一种利用360 度全景图象建立虚拟环境的新方法。全景图象是通过将普通照相机拍照到的边界部分重叠的图象进行拼接而创建的。可以利用图象重叠部分对应像素的相似性, 通过采用一种行之有效的拼接算法, 使得到的图象无缝平滑。来自研学论坛 Walkfarer和

转载 图像拼接的基本流程及关键技术

转自：http://blog.csdn.net/Vast_Sea/article/details/8197311图像拼接的基本流程(1) 图像预处理：对原始图像进行直方图匹配、平滑滤波、增强变换等数字图像处理的基本操作，为图像拼接的下一步作好准备。(2) 图像配准：图像配准是整个图像拼接流程的核心，配准的精度决定了图像的拼接质量。其基本思想是：首先找到待配准图像与参