摘要：
二半夜的有点失眠，来个睡眠排序 -_-|| 阅读全文
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：
曲线的曲率k表示曲线的弯曲程度。 计算公式： 曲线的挠率tao表示曲率平面的扭曲程度，平面曲线挠率为0。 计算公式： 这里r代表曲线方程，比如有如下曲线方程：r={a*cos(t),a*sin(t),b*t} mathematica代码如下： 结果如下： 化简之后和《微分几何》第四版43-44页结果 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