摘要：
除去NARF这种和特征检测联系比较紧密的方法外，一般来说特征检测都会对曲率变化比较剧烈的点更敏感。Harris算法是图像检测识别算法中非常重要的一个算法，其对物体姿态变化鲁棒性好，对旋转不敏感，可以很好的检测出物体的角点。甚至对于标定算法而言，HARRIS角点检测是使之能成功进行的基础。 HA... 阅读全文
摘要：
1、背景 有了强大的log-linear模型，连水槽都能拿来做分类特征了，当然要想办法用一下试试了。log-linear模型的输入是一系列几乎接近自然语言的特征方程，这种抽象的东西拿来做语义识别自然是再好不过了。语义识别有一个重要的步骤，叫做 ”给句子贴标签“，简而言之，就是给定一个句子，通过识别... 阅读全文
摘要：
关键点检测本质上来说，并不是一个独立的部分，它往往和特征描述联系在一起，再将特征描述和识别、寻物联系在一起。关键点检测可以说是通往高层次视觉的重要基础。但本章节仅在低层次视觉上讨论点云处理问题，故所有讨论都在关键点检测上点到为止。NARF 算法实际上可以分成两个部分，第一个部分是关键点提取，第二... 阅读全文
摘要：
关键点又称为感兴趣的点，是低层次视觉通往高层次视觉的捷径，抑或是高层次感知对低层次处理手段的妥协。——三维视觉关键点检测1.关键点，线，面 关键点=特征点； 关键线=边缘； 关键面=foreground； 上述三个概念在信息学中几乎占据了统治地位。比如1维的函数（信号），有各种手段去得到... 阅读全文
摘要：
昨天刚刚解决了 logistic regression 之后今天又来了个有趣的家伙。 logistic regression 很强大，但是也有它的弱点。它最大的弱点就是只能告诉你是或者不是，而无法告诉你 XX is YY.这对于追求人工智能来说，只能是走出了一小步。在解决 YES/NO 的问题之... 阅读全文
摘要：
今天在研究点云分割的时候终于走完了所有的传统路子，走到了基于机器学习的分割与传统自底向上分割的分界点（CRF）算法。好吧，MIT的老教授说的对，其实你很难真正绕过某个问题，数学如是，人生也如是。---记我的机器学习之路1、机器学习 在之前的学习过程中，机器学习对我而言实在是洪水猛兽般的存在。很... 阅读全文
摘要：
今天一个下午都在做一件简直耻辱play的事情，论文没看，程序没写，玩了一个下午的编译器。。。心塞（逃。。。 言归正传，今天要讲在windows下，使用Cmake和MInGW. 1.g++ MinGW的安装需要首先下载安装器。 然后将安装目录设置成环境变量，以便于cmd在任何目录下都能调用里... 阅读全文
摘要：
1.图像分割的两条思路 场景分割时机器视觉中的重要任务，尤其对家庭机器人而言，优秀的场景分割算法是实现复杂功能的基础。但是大家搞了几十年也还没搞定——不是我说的，是接下来要介绍的这篇论文说的。图像分割的搞法大概有两种：剑宗——自低向上：先将图像聚类成小的像素团再慢慢合并，气宗——自顶向下：用多尺度... 阅读全文
摘要：
1.航空测量与点云的形态学 航空测量是对地形地貌进行测量的一种高效手段。生成地形三维形貌一直是地球学，测量学的研究重点。但对于城市，森林，等独特地形来说，航空测量会受到影响。因为土地表面的树，地面上的房子都认为的改变了地貌，可以认为是地貌上的噪声点。设计一种有效的手段去除地面噪声对地形测量的影响显... 阅读全文
摘要：
1.超体聚类——一种来自图像的分割方法 超体（supervoxel）是一种集合，集合的元素是“体”。与体素滤波器中的体类似，其本质是一个个的小方块。与之前提到的所有分割手段不同，超体聚类的目的并不是分割出某种特定物体，其对点云实施过分割(over segmentation)，将场景点云化成很多小块... 阅读全文