模型匹配一
摘要：
一、 模型匹配 1. 定义 模板匹配是一种最基础最原始的模式识别的方法，研究的是一种某种特定的图像在另一个图像中的位置进而识别对象，这是一种匹配问题，不是基于直方图而是通过在输入图像上下左右滑动 同时对比相似度来对模板和输入图像进行匹配的一种方法。 2. 分类 基于灰度 定位图像内部的灰度值没有大的 阅读全文
posted @ 2022-03-16 18:28 行远-自迩 阅读(392) 评论(0) 推荐(0) 编辑
2022年3月16日 #
2022年3月15日 #
畸变与标定四
摘要：
标定Halcon实现 步骤： 1. 标定板选择 棋盘格(VisionPro,Opencv)，实心圆（Halcon） 2. 标定板制作 XNum 每行黑色标志圆点的数量。 YNum 每列黑色标志圆点的数量。 MarkDist 两个就近黑色圆点中心之间的距离。单位是meter DiameterRatio 阅读全文
posted @ 2022-03-15 20:01 行远-自迩 阅读(300) 评论(0) 推荐(0) 编辑
畸变与标定三
摘要：
一 相机标定 定义 在图像测量过程中，为确定空间物体表面某点三维几何位置与其在图像中对应的点之间相互关系，必须建立相机成像的几何模型，几何模型的参数就是相机的参数，在大多数条件下， 这些参数需要通过实验和计算，而这个求解过程就是相机标定。 标定目的 视觉识别，测量，然后就去拍照，在对数字图像做各种处 阅读全文
posted @ 2022-03-15 19:43 行远-自迩 阅读(136) 评论(0) 推荐(0) 编辑
畸变与标定二
摘要：
1. 畸变模型 径行畸变 径向畸变产生的主要原因是镜头径向曲率的不规则变化，它会导致图像的扭曲变形，例如，空间中的一条直线成像到图像平面后发生弯曲，变形成一条曲线。 这种畸变的特点是以主点为中心，沿径向移动，离的距离越远，产生的变形量就越大。径向畸变是导致图像畸变的主要因素。如图所示，一个矩形的严重 阅读全文
posted @ 2022-03-15 18:45 行远-自迩 阅读(194) 评论(0) 推荐(0) 编辑
畸变与标定一
摘要：
1. 定义 相机镜头的畸变实际上光学透镜固有失真的总称 2. 畸变分类 (径向畸变) 枕形畸变：视野中边缘边缘区域的放大率远大于光轴中心的，常用在远摄镜头中； 桶形畸变：与枕形畸变相反，视野中光轴中心区域的放大率远大于边缘区域的放大率，常出现在广角镜头和鱼眼镜头中； 产生原因：假设下图为一透镜，在生 阅读全文
posted @ 2022-03-15 18:17 行远-自迩 阅读(328) 评论(0) 推荐(0) 编辑
2022年3月6日 #
Halcon 学习笔记---单相机标定（3）（转）
摘要：
相机标定简介 首先镜头有畸变，也就是说照出的图像与实际不符产生了形变。即使工业镜头也是有千分之几的畸变率的。上个图告诉大家畸变这个图里，第一个图就是我们相机下的真实的形状，后边两个就是照出来有畸变的图片。 其次镜头与相机无论你的机械结构精度多高，也不容易或者说没办法将相机安装的特别正，那相机安装不正 阅读全文
posted @ 2022-03-06 19:25 行远-自迩 阅读(1308) 评论(0) 推荐(0) 编辑
2021年11月23日 #
6. python Numpy几种随机数生成（转）
摘要：
random模块详解： 详情可见：https://docs.scipy.org/doc/numpy/reference/routines.random.html 阅读全文
posted @ 2021-11-23 21:22 行远-自迩 阅读(37) 评论(0) 推荐(0) 编辑
2021年8月25日 #
5. 线性回归-pytorch实现
摘要：
1. 本篇博客参照第四篇的步骤，使用pytorch实现的： 1 import numpy as np 2 import torch 3 import torch.utils.data as Data 4 from torch import nn 5 import torch.nn.init as i 阅读全文
posted @ 2021-08-25 21:57 行远-自迩 阅读(39) 评论(0) 推荐(0) 编辑
2021年8月22日 #
4. 线性回归-python实现
摘要：
1 # 数据集生成 2 import numpy as np 3 import torch 4 import matplotlib.pyplot as plt 5 import torch.utils.data as Data 6 from torch import nn 7 from torch. 阅读全文
posted @ 2021-08-22 21:28 行远-自迩 阅读(57) 评论(0) 推荐(0) 编辑