-
HOG+SVM Principle
HOG+SVM原理 一、HOG特征提取 1、HOG特征简介 HOG特征是一种图像局部特征,其基本思路是对图像局部的梯度幅值和方向进行投票统计,形成基于梯度特性的直方图,然后将局部特征拼接起来作为总特征。局部特征在这里指的是将图像划分为多个子块(Block), 每个Block内的特征进行联合以形成最终的特征。 HOG+SVM的工作流程如下: HOG的工作流程如下: 1)灰度化(将图像看做一个x,y,z(灰度)的三维图像); 2)采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰; 3)计算图像每个像素的梯度(包括大小和方向);主要是为了捕获轮廓信息,同时进一步弱化光照的干扰。 ... Read More
-
如何熟练的使用 git 上传代码到 github
如何熟练的使用 git 上传代码到 github 一、初始配置 git 第一次使用 git 需要配置。 (1)、下载 git 所谓工欲善其事,必先利其器 sudo apt-get install git (2)、配置 git git config --global user.name <your-name> #输入你github的用户名 git config --global user.email <your-email> #输入你的邮箱 git config --list #可以查看你刚刚的配置 (3)、通过 ssh 密钥连接 github 因为代码托管到 github,需要 SSH Key 验证,所以执行以下命令创建 SSH Key... Read More
-
Camera calibration
张正友相机标定原理 一、相机成像原理 1、相机成像系统中,共包含四个坐标系:世界坐标系、相机坐标系、图像坐标系、像素坐标系。 2、这四个坐标系之间的转化关系为: 其中, $(U,V,W)$ 为在世界坐标系下一点的物理坐标,$(u,v)$ 为该点对应的在像素坐标系下的像素坐标, Z 为尺度因子。 3、内参矩阵和外参矩阵 我们将这样的矩阵称为内参矩阵,内参矩阵取决于相机的内部参数。其中,$f$为焦距,$dX$,$dY$分别表示$X$,$Y$方向上的一个像素在相机感光板上的物理长度(即一个像素在感光板上是多少毫米,$u_0$,$v_0$分别表示相机感光板中心在像素坐标系下的坐标,$\theta$表示感光板的横边和纵边之间的角度。 我们将这样的矩... Read More
-
Welcome to SHUNLU-1 Blog!
section 1 Jekyll also offers powerful support for code snippets: def print_hi(name) puts "Hi, #{name}" end print_hi('Tom') #=> prints 'Hi, Tom' to STDOUT. section 2 Check out the Jekyll docs for more info on how to get the most out of Jekyll. File all bugs/feature requests at Jekyll’s GitHub repo. If you have questions, you can ask them o... Read More