- 博客(17)
- 收藏
- 关注
RSS订阅
原创 一起做双目测距-USB_CAMERA检测人脸距离系列(2)-双目相机标定
双目相机标定双目图像采图Matlab标定step1 打开Matlab的stereoCameraCalibratorstep2 Add Imagesstep3 去除XY轴错误或者原点错误的图step4 导出参数将参数写入程序中备用双目图像采图如果你已经看完了：一起做双目测距-USB_CAMERA检测人脸距离系列(1）–OpenCV打开双目摄像头，那么你的摄像头将可以像电脑摄像头那样读取到图片数据了，接下来我们关注了解你所拥有的这对摄像头，进行双目相机的标定。wait。。不是又要推公式吧？？？不不不，我
2020-05-24 20:04:35
1134
3
原创 1、工程实现之参数读取类
有时候在做工程时不希望把参数写死在程序里面希望可以通过参数文件去动态调整，而不是改一个参数再把程序重新编译一次，所以这里实现一个参数读取类：我们直接把类定义在头文件中：目录结构||--bin| |——testPd|--config |——default.txt|--paramReader.h|--testPd.cpp|--build|--CMakeLists.txt /// paramReader.h// 不要重复包含#pragma once// filestrea
2020-05-23 20:57:38
139
原创 一起做双目测距-USB_CAMERA检测人脸距离系列(1)--OpenCV打开双目摄像头
引子说到双目测距这个东西，既然没有深度图，那就是要从两幅图的几何关系去求解这个深度，毕竟多了一只眼睛，总得有点用处吧？（废话）那到底怎么样去算啊？别急，我们先看图O1O_{1}O1和O2O_{2}O2呢就是双目的光心了，I1I_{1}I1和I2I_{2}I2呢是相机的归一化平面等会，什么是相机的归一化平面？归一化平面呢就是距离相机xy平面为单位长度且平行于xy平面的一个面，至于为什么需要这个归一化平面呢，这得从相机的模型和坐标系的转化开始谈起了，这部分内容如果不熟悉，可以百度补习一下
2020-05-10 13:05:05
1017
原创 一起做双目测距-USB_CAMERA检测人脸距离系列(3)-三角化(三角测距)的python实现(SLAM十四讲）
阅读SLAM 十四讲，C++ 版本的三角化代码高翔博士已经实现了一遍，有时候因为代码需要，我们把其迁移到python上，看看python上的三角化由于Python里面numpy用的比较多，没有C++ 的std::vector,所以用numpy数组替代vector存储二维像素点(u,v)即可：函数如下：Triangulation.pyimport cv2import numpy as np...
2020-04-24 15:37:06
1621
5
原创 python对xlsx文件的操作
最近因为工作上的原因需要将数据转成excel格式给标注人员标注，一般使用xlsxwriter进行格式控制import xlsxwriterwriter = xlsxwriter.Workbook("filename.xlsx")sheet = writer.add_worksheet()x = 0# content是任意数据 [[],[],[]]for c in content: for idx in range(len(c)): sheet.write(x, idx, c[idx])
2021-04-02 14:45:16
202
原创 Conda操作
删除、创建、重命名环境conda create -n GSM python=3.6 # 创建新环境conda remove -n GSM --all # 删除环境conda create -n GSM_2 --clone GSM # 重命名环境，先复制再删除conda remove -n GSM --all
2021-03-30 16:31:40
98
原创 Linux系统命令总结
查看文件名与文件大小ls -lht 列表查看文件大小 (以G/M/K为单位查看)ls -lh file 单独查看某一个文件大小(以G/M/K为单位查看)df命令df 可以查看一级文件夹大小、使用比例、档案系统及其挂入点，但对文件却无能为力。du 可以查看文件及文件夹的大小可以用来查看分区的文件系统df -TFilesystem Type
2021-03-23 10:47:16
105
1
原创 Shell脚本命令
特殊符号$0 shell脚本的名字$* 将shell脚本的参数打印在一行$@ 将shell脚本的参数按行打印，每行打印一个$# 参数个数$_ 上一个命令的最后一个参数$$ 代表所在命令的PID$! 代表最后执行的后台命令的PID$? 代表上一个命令执行后的退出状态if [[$? -eq 0]] 代表上一个命令执行后退出状态是否为0...
2021-03-19 11:57:56
66
原创 SIFT特征点单目深度估计点云稀疏重建和基于ORB特征的双目重建
SIFT特征的源码并没有开源，但是在opencv_contrib里面有调用的接口：直接看SIFT特征的翻译吧：SIFT#include <opencv2/xfeatures2d.hpp>Ptr<Feature2D> sift = xfeatures2d::SIFT::create(0, 3, 0.04, 10);// 这四个参数都是按照论文填写目标是要是实现：...
2020-04-17 18:09:39
1431
原创 Pytorch搭建全连接网络,CNN（MNIST）,LeNet-5(CIFAR10),ResNet(CIFAR10), RNN，自编码器
首先，一个简单的全连接网络，只用到了Tensor的数据类型，没有用torch搭建模型和touch.optim的优化方法：在这里插入代码片
2020-04-03 15:13:00
1130
2
原创 pose graph 估计实验和机器学习应用场景
玩乐：用pose graph 估计相机位姿的实验目前开源的SLAM RGB-D相机方案主要有：DTAM https://github.com/anuranbaka/OpenDTAMDVO https://github.com/tum-vision/dvo_slamRTAB-MAP https://github.com/introlab/rtabmapRGBD-SLAM-V2...
2020-03-20 11:23:02
244
原创 Slam第四章Sophus编译出错
解决办法：首先确定是3rdparty中的非模板类(模板类可能会把头搞秃)tar -zxvf Sophus.tar.gzcd Sophusmkdir buildcd build到了这先停下来把so2.cpp打开作修改SO2::SO2() { //unit_complex_.real() = 1.; //unit_complex_.imag() = 0.; ...
2020-03-12 20:44:55
381
1
原创 RGB-D直接法
RGB-D直接法有下列分类：感兴趣的P来自于稀疏关键点，通常一幅图像使用数百个到上千个特征点，这些特征点检测出来会耗费一定的时间，但是不计算描述子，而且使用的像素点很少，因此速度很快，可以在CPU上运行，但如果图像变化过于剧烈就会出现大概率丢失特征点的问题感兴趣的P来自于所有有图像梯度的像素点，也就是是图像里的边界，由于像素梯度为0不会对估计造成任何影响，所以可以只考虑梯度明显的地方放弃梯度...
2020-03-12 15:45:22
417
原创 视觉里程计-光流法(optical flow)
光流是一种描述像素随着时间，在图像之间运动的方法：基于灰度不变假设：I(x1,y1,z1)=I(x2,y2,z2)=I(x3,y3,z3)\begin{aligned}I(x_{1},y_{1},z_{1})=I(x_{2},y_{2},z_{2})=I(x_{3},y_{3},z_{3})\end{aligned}I(x1,y1,z1)=I(x2,y2,z2)=I(x3...
2020-03-12 12:56:29
719
原创 apt-get速度过慢或者无法定位解决办法
sudo cp /etc/apt/sources.list /etc/apt/sources.list.old#备份官方源sudo vim /etc/apt/sources.list#按i开始修改，把原来的链接用#注释掉，粘贴进去阿里源deb http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiver...
2020-03-11 18:03:55
190
原创 Ceres和g2o安装
看到SLAM 14讲ch6的我，经历了一天装包的噩梦，除了想吐槽几kb的依赖项下载速度以外，这几个坑mark一下：1、安装Ceres时，会显示找不到Eigen3的cmakefile，这是我之前手太贱安装完了eigen库直接删除了安装包的原因，要解决这个问题要把Eigen3重新cmake一下，下载eigen3：cd eigen3mkdir buildcd buildcmake ..然后...
2020-03-10 20:32:53
278
原创 ORB-SLAM 论文与RGB-D相机直接法笔记(1)
摘要基于特征的单目SLAM，在tracking,mapping,relocalization,and loopclosing步骤中都使用ORB特征，ORB-SLAM实现了前所未有的表现一、介绍首先是Bundle adjustment （捆绑调整）,本质是一个优化模型，其目的是最小化重投影误差。当相机成像时，三维点通过相机的R，t参数可以一一对应到相机坐标系，相机坐标系上的点（X,Y）又可...
2020-03-06 17:43:32
254
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