随笔分类 - Matlab练习程序
摘要：BRIEF特征全称：Binary Robust Independent Elementary Features。是一种能够快速计算图像特征描述符的方法，同样能够降低特征匹配的时间。 算法计算步骤如下： 1.首先对一张图像计算其特征点，这里就用matlab自带的harris角点检测了，harris代码
阅读全文
摘要：这里待拟合的螺线我们选择阿基米德螺线，对数螺线类似。 螺线的笛卡尔坐标系方程为： 螺线从笛卡尔坐标转为极坐标方程为： 阿基米德螺线在极坐标系下极径r和极角theta为线性关系，方程为： 计算步骤如下： 1.通常我们首先得到螺线在笛卡尔坐标下的一些点x,y。 2.然后根据x,y计算出r和theta。
阅读全文
摘要：比如有图像1，将其旋转n度得到图像2，问如何比较两张图像得到旋转的度数n。 算法思路参考logpolar变换： 1.从图像中心位置向四周引出射线。 2.计算每根射线所打到图像上的像素累计和，得到极坐标灰度曲线。 3.比较两张图的灰度曲线，得到最相关的偏移位置，即为两张图像的旋转角度。 原图： 旋转了
阅读全文
摘要：《线性代数》同济第五版第一章最后一节的内容，我都差点忘记了，在这里写个简单的例子记录一下。 matlab代码如下：
阅读全文
摘要：最近接触点云比较多，如果把图像投影到点云应该挺有意思。 首先需要载入图像，然后做个球或其他什么形状的点云，这里可以参考球坐标公式。 最后通过pcshow将像素输出到点云上即可。 原图： 投影后的点云： 代码如下： 本篇是参考matlab中pcshow例子写的，区别是例子中没有显性的写球坐标公式，其实
阅读全文
摘要：通常情况我们使用matlab载入数据时，使用load或importdata函数基本就能满足需求。 不过如果数据列是不一致的，又不想读数据的时候每一行去遍历，那么可以使用textscan这个函数。 比如下面这段数据： 1 2 3 2 3 5 6 4 5 6 7 8 1 3 7 9 2 可以用如下代码处
阅读全文
摘要：算法思路是首先建立kd树，然后找到每个点距离最近的点的距离，对距离求和再求平均即可。 代码如下：
阅读全文
摘要：DBSCAN全称Density-Based Spatial Clustering of Applications with Noise，是一种密度聚类算法。 和Kmeans相比，不需要事先知道数据的类数。 以编程的角度来考虑，具体算法流程如下： 1.首先选择一个待处理数据。 2.寻找和待处理数据距离
阅读全文
摘要：下面三个公式分别是一次、二次和三次贝塞尔曲线公式： 通用的贝塞尔曲线公式如下： 可以看出，系数是由一个杨辉三角组成的。 这里的一次或者二次三次由控制点个数来决定，次数等于控制点个数-1。 实现的效果如下： 代码如下： clear all; close all; clc; p=ginput(); pl
阅读全文
摘要：欧拉角转旋转矩阵公式： 旋转矩阵转欧拉角公式： 旋转矩阵转四元数公式，其中1+r11+r22+r33>0： 四元数转旋转矩阵公式，q0^2+q1^2+q2^2+q3^2=1： 欧拉角转四元数公式： 四元数转欧拉角公式： matlab代码如下： 参考： https://blog.csdn.net/lq
阅读全文
摘要：问题是这样，如果我们知道两个向量v1和v2，计算从v1转到v2的旋转矩阵和四元数，由于旋转矩阵和四元数可以互转，所以我们先计算四元数。 我们可以认为v1绕着向量u旋转θ角度到v2，u垂直于v1-v2平面。 四元数q可以表示为cos(θ/2)+sin(θ/2)u，即：q0=cos(θ/2)，
阅读全文
摘要：思路还是很容易想到的： 1.首先使用KD树寻找当前点邻域的N个点，这里取了10个，直接调用了vlfeat。 2.用最小二乘估计当前邻域点组成的平面，得到法向量。 3.根据当前邻域点平均值确定邻域质心，通常质心会在弯曲表面的内部，反方向即为法线方向。 vlfeat在这里下载，配置参考这里，rabbit
阅读全文
摘要：点云处理有时因为数据量太大，我们需要对其进行下采样。 这里的方法是先将点云填入固定大小的三维网格中，然后每个网格中选一个点生成新的点云。 新点云即为下采样后的点云。 这里使用斯坦福兔子作为测试点云。 小兔子pcd下载地址。 原始点云： 采样后点云： matlab代码如下：
阅读全文
摘要：通常我们使用的最小二乘都需要预先设定一个模型，然后通过最小二乘方法解出模型的系数。 而大多数情况是我们是不知道这个模型的，比如这篇博客中z=ax^2+by^2+cxy+dx+ey+f 这样的模型。 局部加权线性最小二乘就不需要我们预先知道待求解的模型，因为该方法是基于多个线性函数的叠加，最终只用到了
阅读全文
摘要：起本篇题目还是比较纠结的，原因是我本意打算寻找这样一个算法：在测量数据有比较大离群点时如何估计原始模型。 上一篇曲面拟合是假设测量数据基本符合均匀分布，没有特别大的离群点的情况下，我们使用最小二乘得到了不错的拟合结果。 但是当我加入比如10个大的离群点时，该方法得到的模型就很难看了。所以我就在网上搜
阅读全文
摘要：本文主要参考： https://wenku.baidu.com/view/b7907665caaedd3383c4d31b.html https://blog.csdn.net/u010376788/article/details/50187321 虽然参考上面两篇文章，不过这里和他给出的算法步骤不
阅读全文
摘要：这里用到的还是最小二乘方法，和上一次这篇文章原理差不多。 就是首先构造最小二乘函数，然后对每一个系数计算偏导，构造矩阵乘法形式，最后解方程组。 比如有一个二次曲面：z=ax^2+by^2+cxy+dx+ey+f 首先构造最小二乘函数，然后计算系数偏导（我直接手写了）： 解方程组（下图中A矩阵后面求和
阅读全文
摘要：上一篇博客中我们使用了四元数法计算点集配准。 本篇我们使用SVD计算点集配准。 下面是《视觉slam十四讲》中的计算方法： 计算步骤如下： 我们看到，只要求出了两组点之间的旋转，平移是非常容易得到的，所以我们重点关注R的计算。展开关于R的误差项，得： 注意到第一项和R无关，第二项由于R'R=I，亦与
阅读全文
摘要：算法思想：如果一个像素与它邻域的像素差别较大（过亮或过暗） , 那它更可能是角点。 算法步骤： 1.上图所示，一个以像素p为中心，半径为3的圆上，有16个像素点（p1、p2、...、p16）。 2.定义一个阈值。计算p1、p9与中心p的像素差，若它们绝对值都小于阈值，则p点不可能是特征点，直接pas
阅读全文
摘要：上一篇博客中介绍的高斯牛顿算法可能会有J'*J为奇异矩阵的情况，这时高斯牛顿法稳定性较差，可能导致算法不收敛。比如当系数都为7或更大的时候，算法无法给出正确的结果。 Levenberg-Marquardt法一定程度上修正了这个问题。 计算迭代系数deltaX公式如下： 当lambda很小的时候，H占
阅读全文