- 博客(169)
- 收藏
- 关注
RSS订阅原创 【读不下去了】Multi-View Reconstruction PreservingWeakly-Supported Surfaces
2. The Base-line method图的节点对应于 Delaunay 四面体，有向边对应于相邻四面体之间的有向三角形。考虑从四面体 aaa 的一侧看的相邻四面体 aaa 和 bbb 之间的面 fff。面 fff 在图中由从节点 aaa 指向节点 bbb 的边表示。该图增加了一个额外的 sourcesourcesource （代表外部）和一个sinksinksink（代表内部）节点，以及从源到每个节点的边（s−edgess-edgess−edges）和从每个节点到........
2022-05-31 21:16:22
573
2
原创 MVS: A Tutorial-（2）Multi-view Photo-consistency
光度一致性photometric consistency, or photo-consistency in short2.1 Photo-consistency measures给定一组 NNN 张图像和一个所有图像都能看见的3D点 ppp，每个图像对 IiI_iIi 和 IjI_jIj 中的 ppp 点的光度一致性可以定义为：其中 ρ(f,g)ρ(f,g)ρ(f,g) 是两个向量的相似性度量，πi(p)π_i(p)πi(p) 表示 ppp 到图像 iii 的投影，Ω(x)Ω(x)Ω(x)
2022-05-23 19:35:51
556
原创 MVS: A Tutorial-（1）简介
1.介绍基于图像的3D重建的目标可以描述为：given a set of photographs of an object or a scene, estimate the most likely 3D shape that explains those photographs, under the assumptions of known materials, viewpoints, and lighting conditions该定义强调了任务的难度：materials, viewpoin
2022-05-11 21:31:12
645
原创 openMVS:极线校正Fusiello
立体视觉入门指南（6）：对级约束与Fusiello法极线校正原理+代码实战 | 双目视觉中的极线校正校正目的：对两幅图像的二维匹配搜索变成一维，节省计算量，排除虚假匹配点，成平行视图。算法流程：坐标系：平行视图的极点位于无穷远处，极线水平对准。轴：与基线平行 。 轴：与X轴正交。在Fusiello法中k为旧的Z轴所表示的单位向量。 轴： 则旋转矩阵： 则左右两个图像新的旋转矩阵： 新的内参矩阵：，且把倾斜因子设置为0。 原始的相对位姿：...
2022-05-10 23:16:16
651
原创 openMVS：邻域帧选择
论文：Multi-View Stereo for Community Photo Collections 5.1节1.Global View SelectionFor each reference view R, global view selection seeks a set N of neighboring views that are good candidates for stereo matching in terms of scene content, appearance, and
2022-05-09 18:33:24
467
原创 1.北邮鲁鹏老师三维重建课程：相机标定 eigen实现
https://gitee.com/cv-xueba/Total3DExercises/tree/main/MVGlab01_camera-calibration-master看了老师的视频你就会了新手eigen实现坑：在preM到roM的处理需要注意，eigen默认先按列排(? )，需要修改。#include <iostream>#include <vector>#include <string>#include <Eigen/Eigen.
2022-05-07 14:45:33
683
原创 VS2019+CUDA11.1 没有CUDA出现
前面就安装，添加环境变量1.没有CUDA，生成依赖项-生成自定义文件里也没有CUDA11.1的选项VS2019+CUDA10.1 新建项目里没有CUDA选项VS2017+CUDA9.2 新建项目里没有CUDA选项可以找到CUDASamples 和 C:/ProgramData那两个需要创建快捷方式的文件：搜索一下就找到了。2.生成项目CUDASamples-v11.1-0_Simple-asynaAPI,出现 缺失“CUDA 11.1.props”错误...
2021-11-05 16:19:22
5824
7
原创 2021_Exploiting Semantic and Boundary Information for Stereo Matching
1.贡献：1.我们提出了一个用于联合语义分割、边界检测和立体匹配的神经网络，其中语义和边界信息一致性成为视差估计的积极指导。2.我们设计了一种使用注意力机制构建混合成本量的方法，该方法分别结合了三种不同的成本量，它们是语义成本量、边界成本量和空间特征成本量。4.4.1 Basic Network Architecture包括语义分割、边界检测和立体匹配三个分支。 以上三个分支共享特征提取模块，减少了计算参数，从而提高了计算速度。首先，立体图像对流入特征提取块，如图
2021-10-14 19:04:35
1236
原创 2019_AnyNet
Stereo matching paper notes (6): AnyNet Spade Spade1.UnetU-Net 架构以各种分辨率（1/16、1/8、1/4）计算特征图，这些特征图用作阶段 1-3 的输入，仅在需要时计算。 原始输入图像通过最大池化或跨步卷积进行下采样，然后用卷积滤波器进行处理。 较低分辨率的特征图捕获全局上下文，而较高分辨率的特征图捕获局部细节。 在 1/8 和 1/4 的尺度上，最终的卷积层结合了先前计算的低尺度特征。2.Disparity N..
2021-10-12 17:01:34
914
1
原创 【失败】VSCode+OpenCV+CMake+MinGW
参考博文：https://www.cnblogs.com/kensporger/archive/2020/02/19/12320622.html将 VSCode 打造成 OpenCV 的 IDE（C++，window10 1803）1.安装MinGW-w64（1）下载：https://sourceforge.net/projects/mingw-w64/files/（2）解压到自选路径（3）添加环境变量D:\Program Files (x86)\mingw64...
2021-08-27 18:55:43
157
原创 视频读取操作
读取摄像头#include<opencv2/opencv.hpp>#include<iostream>#include<imgproc.hpp>#include<cmath>using namespace cv;using namespace std;int main(int argc, char** argv) { VideoCapture capture(0);//里面放入路径即可读取视频文件/* int width ..
2021-07-14 14:28:10
352
原创 图像翻转和旋转
翻转 cv::flip(cv::InputArray src, cv::OutputArray dst, int flipCode) 旋转 void cv::warpAffine(cv::InputArray src, cv::OutputArray dst, cv::InputArray M, cv::Size dsize, int flags = 1, int borderMode = 0, const cv::Scalar &borderValue = cv::Scalar(.
2021-07-13 10:46:23
521
原创 OpenCV:鼠标绘制+提取感兴趣区域
1.鼠标绘制详情：Opencv函数setMouseCallback鼠标事件响应1.设置MouseCallback函数，函数名可随意，但是参数要与MouseCallback的一致。2.setMouseCallback()2.以圆形为例，其中有矩形的方法可以先提取出矩形的区域，再利用mask提取圆形的区域。#include<opencv2/opencv.hpp>#include<iostream>#include<imgproc.hpp>..
2021-07-03 15:06:57
915
原创 几何形状绘制
矩形 cv::rectangle() 圆 cv::circle() 椭圆 cv::ellipse() 线 cv::line() 仔细看API就能懂~#include<opencv2/opencv.hpp>#include<iostream>#include<imgproc.hpp>using namespace cv;using namespace std;int main(int argc, char** ar
2021-07-02 15:14:41
208
原创 像素统计操作
最大、最小值 void cv::minMaxLoc() 均值、方差 void cv::meanStdDev() API：C++ void cv::minMaxLoc(cv::InputArray src, 单通道输入图像 double *minVal, double *maxVal = (double *)0, cv::Point *minLoc = (cv::Point *)0,
2021-07-02 14:32:14
107
原创 OpenCV：查找和绘制轮廓
查找轮廓 void cv::findContours() 绘制轮廓 void cv::drawContours() 轮廓轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。详情：opencv学习(四十)之寻找图像轮廓findContours()【OpenCV3】图像轮廓查找与绘制——cv::findContours()与cv::drawContours()详解1.找到轮廓cv::findContours()void cv::findContour
2021-06-29 21:10:46
279
原创 OpenCV：图像金字塔
目录1.高斯金字塔cv::pryDown()cv::pryUp()2.拉普拉斯金字塔代码1：高斯金字塔reduce void cv::pyrDown() expand void cv::pyrUp() 1.高斯金字塔图像金字塔是对一张输入图像先模糊再下采样为原来的高、宽的1/2，不断重复模糊与下采样的过程就得到了不同分辨率的输出图像，叠加在一起就形成了图像金字塔。高斯金字塔便是先进行高斯模糊，再进行reduce和expand操作。高斯金字塔中的较.
2021-06-28 22:12:35
1178
12
原创 通道分离与合并
分离通道 void cv::split() 合并通道 void cv::merge() 通道混合 void cv::mixChannels() #include<opencv2/opencv.hpp>#include<iostream>#include<imgproc.hpp>using namespace cv;using namespace std;int main(int argc, char** argv) { .
2021-06-27 21:51:03
210
原创 像素位操作
#include<opencv2/opencv.hpp>#include<iostream>#include<imgproc.hpp>using namespace cv;using namespace std;int main(int argc, char** argv) { Mat image = imread("C:/Users/YY/Pictures/Saved Pictures/frose.jpg"); Mat out; imshow...
2021-06-27 21:21:50
121
原创 OpenCV：直方图
通道分离 void split(InputArray m,OutputArrayOfArrays mv); 直方图 cv::calcHist() 四舍五入取整 int cvRound(double value) 归一化 cv::normalize（） 画线 cv::line() 1.直方图灰度直方图：每个灰度等级的出现次数。Bins:指直方图的大小范围。2.步骤1.三通道分离C++ void cv::split(cv
2021-06-27 16:56:34
128
原创 OpenCV：Canny算子边缘检测
目录1.简介2.cv::Canny()3.实践1.简介Canny边缘检测是一个多级边缘检测算法。主要步骤如下：（1）使用高斯平滑滤波器卷积降噪。（2）计算平滑后图像的梯度幅值与方向，可以采用不同的梯度算子。（3）对梯度幅值应用非极大抑制，其过程是找出图像梯度中的局部极大值点，把其他非局部极大值点置0。（4）使用双阈值检测和连接边缘。高阈值用于找到每一条线段，如果某一个像素位置的梯度幅值超过高阈值，表明找到了一条线段的起始。低阈值用于确定线段上的点，即以上一步找到的线段起.
2021-06-26 21:44:58
191
1
原创 OpenCV：图像锐化
1.简介边缘定义为图像中亮度突变的区域，可以利用微分方法去检测图像中的边缘。在图像处理中最常用的应用微分方法就是计算梯度（方向导数取最大值的方向的向量）。图像为离散的数字矩阵，因此用差分代替微分，得到梯度图像。梯度图像反映的是图像中灰度级的变化，边缘检测需要进一步判断梯度图像中的特殊点。图像锐化的目的是加强图像中景物的边缘与轮廓，突出图像中的细节或者增强被模糊了的细节。实质是将原图像和梯度图像相加，以增强图中的变化。2.RobertsSobelvoid Sobel ( I..
2021-06-25 21:58:12
12344
原创 OpenCV：形态学处理
腐蚀 cv::erode() 膨胀 cv::dilate() 开运算 cv::morphologyEx(in,out,MORPH_OPEN,...) 闭运算 cv::morphologyEx(in,out,MORPH_CLOSE,...) 形态学梯度 cv::morphologyEx(in, out, MORPH_GRADIENT, ...); 1.腐蚀2.膨胀3.开运算-先腐蚀再膨胀4.
2021-06-24 19:46:35
145
原创 OpenCV：图像平滑
目录1.2D卷积2.均值滤波3.高斯滤波4.中值滤波5.双边滤波代码图像平滑滤波：抑制或消除图像中存在的噪声的方法。对图像的低频分量增强，同时削弱高频分量。1.2D卷积filter2D(输入, 输出, 输出图像depth(), kernel);详情：https://blog.csdn.net/keith_bb/article/details/531030262.均值滤波void boxFilter( InputArray src, OutputA...
2021-06-24 17:02:41
200
1
原创 OpenCV：图像阈值
目录1.cv::threshold2.cv::adaptiveThreshold1.cv::threshold对于每个像素，应用相同的阈值。如果像素值小于阈值，则将其设置为0，否则将其设置为最大值。函数**cv.threshold**用于应用阈值。threshold(in, out, double thresh,double maxval,int type);参数1是源图像，它应该是灰度图像。参数2是输出图像参数3是阈值，用于对像素值进行分类。参数4是分配给超过阈值
2021-06-23 23:03:35
1613
19
原创 OpenCV:图像几何变换_平移，旋转，缩放
1.平移创建转换矩阵warpAffine(输入,输出,转换矩阵,输出图像大小,...) Mat image = imread("C:/Users/YY/Pictures/Saved Pictures/1.jpg"); Mat out; Mat M = (Mat_<double>(2, 3) << 1, 0, 40, 0, 1, 40); warpAffine(image, out, M, image.size()); imshow("显示", out);
2021-06-23 22:13:38
304
原创 OpenCV：CreateTrackbar亮度和对比度调整
int cv::createTrackbar(const cv::String& trackbarname,轨迹条名字,const cv::String&winname,窗口名字,int* value,滑块初始位置,int count ,滑块达到最大位置的值,cv::TrackbarCallback onChange = (cv::creatTrackbarCallback)0, void* userdata =(void*) 0默认值为0,指向回调...
2021-06-23 16:17:02
177
原创 OpenCV:图像加减乘除操作
//加 (图1，图2，输出图像) add(image1, image2, out); //减 subtract(image1, image2, out); //乘 multiply(image1, image2, out); //除 divide(image1, image2, out);#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespa...
2021-06-23 15:16:26
985
原创 OpenCV：像素读写
灰度图像获取像素值int pixelval = image.at<uchar>(row, col);彩色图像获取像素值Vec3b bgr = image.at<Vec3b>(row, col);//获取像素值获取每行的指针uchar* current_row = image.ptr<uchar>(row);遍历像素并修改#include<opencv2/opencv.hpp>#include<iost...
2021-06-22 21:29:18
164
2
原创 OpenCV：色彩空间转换
cvtColor(image,hsv,COLOR_BGR2HSV)cvtColor(image,hsv,COLOR_BGR2GRAY)
2021-06-16 22:46:25
57
2
原创 OpenCV：读取，显示图像
#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main(int argc, char** argv) { Mat image = imread("C:/Users/YY/Pictures/Saved Pictures/lenna.png",IMREAD_GRAYSCALE); if (image.empty()) { printf(.
2021-06-15 20:29:56
192
1
原创 【读】SGM理解
目录立体匹配的四个步骤：1.匹配代价计算-Census2.代价聚合-路径3.视差计算-WTA4.视差优化学习于：Ethan Li 李迎松-立体匹配专栏学习了大佬的，再理解的。由于一直没整明白代价聚合这块，所以放一起方便理解。立体匹配的四个步骤：1.匹配代价计算2.代价聚合3.视差计算4.视差优化1.匹配代价计算-Census1.左右图像的对应视差为d的像素，其局部窗口内的像素值与中心像素比较大小（大于取1，小于或等于取0），得到两个比特串，2.
2021-06-07 17:11:14
331
原创 【读论文】Hierarchical Deep Stereo Matching on High-resolution Images
摘要提出问题：探索了高分辨率图像上的实时立体匹配问题。由于内存限制或速度限制，许多最先进的(SOTA)方法很难处理高分辨率的图像。方法
2021-06-04 21:35:09
765
2
原创 【码】微调预训练resnet50进行树叶分类
解压数据集：import osimport zipfile# os.chdir('./classify-leaves.zip')data=zipfile.ZipFile('classify-leaves.zip','r')data.extractall()
2021-06-04 16:44:26
697
原创 【码】FashionMNIST
import numpy as npimport matplotlib.pyplot as pltimport torchimport copyimport torch.nn as nnfrom torchvision.datasets import FashionMNISTfrom torchvision import transformsimport torch.utils.data as Dataimport csvimport gzipimport pandas as pdi.
2021-05-29 22:29:05
65
原创 【码】Softmax回归代码
来源：动手学-深度学习-softmax回归1.把标签y表示为one-hot编码这点要时刻牢记，在代码中有体现。one-hot编码：类别对应的分量设置为1，其他分量设置为0。例如“猫”为（1,0,0），“狗”为（0,1,0），“鸡”为（0,0,1）2.将模型的输出视作概率o为模型的输出（没有做归一化操作）；y_hat为归一化后的概率。3.损失函数yi为独热标签向量。上面给出的是，梯度为4.代码利用cs231n的作业的softmax代码学习。就是.
2021-05-26 16:52:26
412
原创 【菜鸟读论文】2019_Guided Stereo Matching
目录摘要1.介绍2.相关工作3.Guided Stereo Matching3.1 Feature enhancement特征增强3.2 Application of guided stereo应用5.结论https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/105336793摘要问题：立体匹配深度网络在处理新环境时，准确性会显著下降。因此，本文提出Guided Stereo Matching，一种新的.
2021-05-25 16:47:56
707
4
原创 【菜鸟学习论文】2018_Zoom and Learn:Generalizing Deep Stereo Matching to Novel Domains
https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/105336793摘要问题：很难推广到别的领域。在目标域中收集立体对的精确地面真实差异。提出一种自适应方法去训练CNN，利用合成训练数据集（有地面真实差异）和目标域立体对（没有地面真实差异）。通过将不同领域的真实立体对输入到用合成数据预先训练的立体模型，我们看到：i)预先训练的模型不能很好地推广到新领域，在边界和非法区域产生伪影；然而，ii)输入上采样的立体对会导致具有额外细节的视差
2021-05-24 17:17:31
187
原创 【菜鸟学习论文】2018_EdgeStereo
https://zhuanlan.zhihu.com/p/53055789目录https://zhuanlan.zhihu.com/p/53055789摘要1.介绍3 方法3.2Context Pyramid3.3 Residual Pyramid3.4 Cooperation of Edge Cues3.5多阶段培训策略与目标功能摘要问题：然而，现有的方法，即使是复杂的级联结构，也可能在非纹理、边界和微小细节的区域失效。针对这些问题，我们提出了一个由主干..
2021-05-22 16:24:51
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人