雪吟花落-CSDN博客

原创 <悠闲时光>增强现实之游戏王（Yu-Gi-Oh）

以后在空余时光做一些自己喜欢的增强现实小demo，以供自己消遣第一个demo就做一直以来最喜欢的游戏王吧，小时候不知道花了多少零用钱才辛辛苦苦攒了好多稀有卡，最后都被妈妈扔了，回忆啊，回忆！很明显这个游戏包括宠物小精灵（口袋妖怪）和数码暴龙等都是增强现实游戏的不二题材，而增强现实也是目前为止最合适的实现手段（鉴于目前全息技术的各种局限）。话不多说，先放一个增强现实技术的大神

2016-02-14 11:43:57 1699

转载【转】ORB特征提取算法

原文网址：http://blog.csdn.net/hujingshuang/article/details/46984411简介 ORB的全称是ORiented Brief，是文章ORB: an efficient alternative to SIFT or SURF中提出的一种新的角点检测与特征描述算法。实际上，ORB算法是将FAST角点检测与BRIEF特征描述

2015-11-20 10:26:39 1777

原创【不断更新】【2016.2.25】数学与计算之桥

这篇博文会不断搜集经典数学概念在计算机世界的实现，给自己做一个备忘录所有知识来自网络搜索及翻阅书籍，原作者和地址会相应给出，版权属于原作者，感谢他们的付出！1. 有限差分法求导（zddhub http://blog.csdn.net/zddblog/article/details/7521424）有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量

2015-11-08 16:23:33 827

原创 LSD-SLAM 编译过程（Ubuntu 14.04 + ROS Indigo）

环境：Ubuntu 14.04 + ROS IndigoLSD-SLAM 安装网址：https://github.com/tum-vision/lsd_slam数据集：http://vision.in.tum.de/research/vslam/lsdslam?redirect=1ROS Indigo 安装请参照：http://wiki.ros.org/cn/indigo/Instal

2015-09-16 21:16:37 13582 14

转载【转】一起做RGB-D SLAM (1)

转载自：http://www.cnblogs.com/gaoxiang12/p/4633316.html作者：半闲居士一起做RGB-D SLAM (1)前言　　SLAM，即Simultaneous Localization and Mapping，中文译作同时定位与地图创建，是近几十年里机器人领域有重大发展的研究方向。作为自主机器人的核心技术，SLAM在

2015-08-14 17:55:53 1321

转载【转】LM(Levenberg-Marquard)算法的实现

转载请注明出处：http://www.codelast.com/ LM算法，全称为Levenberg-Marquard算法，它可用于解决非线性最小二乘问题，多用于曲线拟合等场合。LM算法的实现并不算难，它的关键是用模型函数 f 对待估参数向量p在其邻域内做线性近似，忽略掉二阶以上的导数项，从而转化为线性最小二乘问题，它具有收敛速度快等优点。LM算法属于一种“信赖域法”——所谓的

2015-07-17 20:13:03 5001

转载【转】机器学习中导数最优化方法(基础篇)

原帖地址：http://www.cnblogs.com/daniel-D/p/3377840.html1. 前言熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简单，coding 方便，是训练模型的必备利器之一。这篇博客主要总结一下使用导数的最优化方法的几个基本方法，梳理梳理相关的数学知识，本人也

2015-07-17 19:59:44 1238

转载【转】LM(Levenberg-Marquard) Matlab及C语言实现

帖子原地址：http://blog.csdn.net/wejoncy/article/details/44095527LM在最优化中占据着极其重要的地位，将非线性问题转为为线性问题来求解，求出最优解。最近在搞相机标定，而不得不面对LM，首先的想法百度，（个人不喜欢去看e文，总觉得效率不高，事实上错了）找到了一些相关的文章，好难啊，这是第一想法。不过还是找到了几篇大

2015-07-17 19:57:38 8978

转载【转】 Levenberg-Marquardt 算法快速入门教程

什么是最优化，可分为几大类？答：Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析、最优设计、机械或电子设计等等。根据求导数的方法，可分为2大类。第一类，若f具有解析函数形式，知道x后求导数速度快。第二类，使用数值差分来求导数。根据使用模型不同，分为非约束最优化、约束最优化、最小二

2015-07-16 11:03:34 6128

转载【转】关于协方差矩阵的理解

若需要本文完整的 PDF 文档，请点击《协方差矩阵详谈》进行下载！作者: peghoty 出处: http://blog.csdn.net/itplus/article/details/11452743欢迎转载/分享, 但请务必声明文章出处.

2015-07-15 17:52:17 530

转载【转】从最大似然到EM算法浅解

原帖地址：http://blog.csdn.net/zouxy09 机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么EM算法能解决什么问题呢？或者说EM算法是因为什么而来到这个世界上，还吸引了那么多世人的目光。

2015-07-15 11:41:32 815

转载【转】计算机视觉、机器学习相关领域论文和源代码大集合

原帖地址：http://blog.csdn.net/zouxy09 注：下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。最近一次更新：2013-3-17一、特征提取Feature Extraction：· SIFT [1] [Demo program][SIFT L

2015-07-15 11:36:03 482

转载【转】理解矩阵（三）

原帖地址：http://blog.csdn.net/myan/article/details/1865397首先来总结一下前面两部分的一些主要结论：1. 首先有空间，空间可以容纳对象运动的。一种空间对应一类对象。2. 有一种空间叫线性空间，线性空间是容纳向量对象运动的。3. 运动是瞬时的，因此也被称为变换。4. 矩阵是线性空间中运动（变换）的描述。5. 矩阵与向量相乘，

2015-07-14 22:08:46 417

转载【转】理解矩阵（二）

原帖地址：http://blog.csdn.net/myan/article/details/649018接着理解矩阵。上一篇里说“矩阵是运动的描述”，到现在为止，好像大家都还没什么意见。但是我相信早晚会有数学系出身的网友来拍板转。因为运动这个概念，在数学和物理里是跟微积分联系在一起的。我们学习微积分的时候，总会有人照本宣科地告诉你，初等数学是研究常量的数学，是研究静态的数学，高等

2015-07-14 21:58:42 509

转载【转】理解矩阵（一）

原帖地址：http://blog.csdn.net/myan/article/details/647511线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。比如说，在全国一般工科院系教学中应用最广泛的同济线性代数教材（现在到了第四版），一上来就介绍逆序数这个“前无古人，后无来者”的古怪概念，然后用逆序数给出行列式的一个极不直观的定义，接着是一些简直犯傻的行列式性

2015-07-14 18:16:20 548

转载【转】强大的矩阵奇异值分解(SVD)及其应用

2015-07-14 17:14:34 770

转载【转】共面点成像——planar homography

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/20/2294378.html在前面已经讨论了三维物体成像过程，相比之下，还有一种稍简单的情况——平面成像，即所有的物点都处在同一个平面上，我们有理由相信，这种情况下的成像关系是一般立体成像的一种特例。先回顾一下一般的单体成像过程

2015-07-14 14:49:45 1117

转载【转】计算机视觉基础5——本质矩阵与基本矩阵(Essential and Fundamental Matrices)

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/20/2294805.html回顾本质矩阵的定义本质矩阵的基本性质：结合成像的几何关系　　　　　　Longuet-Higgins equation注意大小写的区别哦，大小表示物点矢量，小与表示像点矢量。像

2015-07-14 14:46:36 1995

转载【转】计算机视觉基础4——对极几何(Epipolar Geometry)

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/20/2294551.html先思考一个问题：用两个相机在不同的位置拍摄同一物体，如果两张照片中的景物有重叠的部分，我们有理由相信，这两张照片之间存在一定的对应关系，本节的任务就是如何描述它们之间的对应关系，描述工具是对极几何，它是研究立体视觉的重要数学方法。　　要寻找两幅图

2015-07-14 13:15:11 4425

转载【转】计算机视觉基础3——内部参数描述

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/19/2294011.html在上一节中，我们用矩阵描述了外部参数，即物体的坐标到相机坐标的变换。同时还分析了透视投影，即成像的过程，整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v)，即从像平面(Film Coo

2015-07-14 11:18:39 1107

转载【转】计算机视觉基础2——相机成像的几何描述

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/19/2293932.html试想像一下，很多游客同时在不同角度拍摄Eiffel Tower(埃菲尔铁塔)，该如何用数学的方法来描述这一过程呢？首先要解决的问题就是定位，或者说坐标选定的问题，埃菲尔铁塔只有一座，如果按经、纬度来刻画，它的坐标是唯一确定的，但游客显然不关系这一点，他(她

2015-07-14 09:39:12 960

转载【转】计算机视觉基础1——视差与深度信息

原帖地址：http://www.cnblogs.com/gemstone/archive/2011/12/19/2293806.html资料来源：Robert Collins,CSE486, Penn State第8讲Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。I

2015-07-14 08:23:16 819

原创【PTAMM】PTAMM编译过程若干非常见错误解决方法

错误整理2015.3.20错误显示错误来源解决办法cvd_src/i686/yuv411_to_stuff_MMX_64.C:246:1: 错误： bp 不能在这里用于 asmlibcvd X64./configure --without-ffmpeg --without-mmxext./gvars3/serialize.h:77: er

2015-03-20 19:22:44 1385

xueyinhualuo的专栏