最近在看有关特征提取的线特征,暑期就看了相关的论文:<基于点线综合特征的双目视觉SLAM方法_谢晓佳>,最近呢,把里面有关线特征提取LSD和描述子LBD的代码跑了一遍,记录如下: [1]LSD: a Line Segment Detector线段检测器 LSD是一种局部提取直线的算法,速度比Hough要快. LSD是一种直线检测分割算法,它能在线性的时间内得出亚像素级精度的检测结果.该算法被设计成可以在任何数字图像上都无需参数调节.它可以自己控制误检的数量:平均而言,每张图有一个误检. 有几篇

光流分为稠密光流和稀疏光流 光流(optic flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了.因为这种视觉现象我们每天都在经历.从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对的运动).例如,当你坐在火车上,然后往窗外看.你可以看到树.地面.建筑等等,他们都在往后退.这个运动就是光流.而且,我们都会发现,他们的运动速度居然不一样?这就给我们提供了一个挺有意思的信息:通过不同目标的运动速度判断它们与我们的距离.一

reference : http://www.ruanyifeng.com/blog/2015/12/git-workflow.html Git 作为一个源码管理系统,不可避免涉及到多人协作. 协作必须有一个规范的工作流程,让大家有效地合作,使得项目井井有条地发展下去."工作流程"在英语里,叫做"workflow"或者"flow",原意是水流,比喻项目像水流那样,顺畅.自然地向前流动,不会发生冲击.对撞.甚至漩涡. 本文介绍三种广泛使用的工作流程

转载请注明出处! ! ! http://blog.csdn.net/zhonghuan1992 光流(optical flow)和openCV中实现 光流的概念:        是Gibson在1950年首先提出来的. 它是空间运动物体在观察成像平面上的像素运动的瞬时速度.是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的相应关系,从而计算出相邻帧之间物体的运动信息的一种方法. 一般而言.光流是因为场景中前景目标本身的移动.相机的运动,或者两者的共同运动所产

作者:嫩芽33出处:http://www.cnblogs.com/nenya33/p/7122701.html 版权:本文版权归作者和博客园共有 转载:欢迎转载,但未经作者同意,必须保留此段声明:必须在文章中给出原文连接:否则必究法律责任 学习了一篇用CNN做光流的paper,简称FlowNet. 1. 论文题目  FlowNet: Learning Optical Flow with Convolutional Networks 2.背景 为什么想到用CNN做光流:最近提出的CNN架构可以做逐

Optical Flow Estimation using a Spatial Pyramid Network   spynet  本文将经典的 spatial-pyramid formulation 和 deep learning 的方法相结合,以一种 coarse to fine approach,进行光流的计算.This estiamates large motions in a coarse to fine approach by warping one image of a pair

Optical Flow related Tutorials 2017-04-01 10:50:55 Reference: 1. http://blog.csdn.net/carson2005/article/details/7581642 2.

参考文章:An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency ----Lilian Zhang  , Reinhard Koch 第三部分:Graph matching using spectral technique 介绍线检测和描述之后,本节我们介绍方法来构造两组LineVecs之间的关系图并且在图中建立匹配结果.在此

前言 个人理解错误的地方还请不吝赐教,转载请标明出处,内容如有改动更新,请看原博:http://www.cnblogs.com/hitcm/ 如有任何问题,feel free to contact me at robotsming@gmail.com 接上文KinectV2+Ubuntu 14.04+Ros 安装教程,已经完成Kinect2在Ubuntu14.04以及ROS Indigo的配置. 基本介绍 课题的一部分内容. 基于点线特征的 SLAM 算法主要包括三个部分,即帧间配准,闭环检测

光流(optical flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了.因为这种视觉现象我们每天都在经历.从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对的运动).例如,当你坐在火车上,然后往窗外看.你可以看到树.地面.建筑等等,他们都在往后退.这个运动就是光流.而且,我们都会发现,他们的运动速度居然不一样?这就给我们提供了一个挺有意思的信息:通过不同目标的运动速度判断它们与我们的距离.一些比较远的目标,例如云.

Optical flow estimation Traditional Method Variational approach TVL-1 [1] Deep Method Supervised FlowNet [6] FlowNetC [6] FlowNetS [6] FlowNet2.0 [3] SpyNet [5] LiteFlowNet [7] PWCNet [4] Unsupervised MotionFlowNet [2] 接下来的几篇文章将详细分析这几个模型: 参考文献: [1] A

Optical flow estimation Traditional Method Variational approach TVL-1 Deep Method Supervised FlowNet FlowNetC Unsupervised

1.由于以后可能研究有关基于特征方面的SLAM研究,所以近期看了一篇文章[基于点线综合特征的双目视觉SLAM方法--谢晓佳],由于之前对SLAM的模块比较模糊,所以认真阅读了此论文,并对主要的3个线程做了笔记,放到百度云盘了http://pan.baidu.com/s/1miA6A4g 2.并且还参考了一个博客,讲述的SLAM框架挺清晰的,(ORB--SLAM2)http://blog.csdn.net/u010128736/article/details/53339311. 做了笔记摘要:ht

光流适用在连续的图像系列(视频流)中,描述本身或画面目标的运动状态:在目标跟踪.运动分析.甚至slam中都有广泛应用. opencv里就有不少光流算法,其中很经典也是当前被调用最多的的Lucas-Kanade算法:参看 calcOpticalFlowPyrLK(...) 2006年,Edward Rosten在各种慢速角点检测中给出了一种快速角点检测方案,取名FAST;后续也有相关改进. http://www.edwardrosten.com/work/fast.html http://www6

参考文献:EDLines: A real-time line segment detector with a false detection control ----Cuneyt Akinlar  , Cihan Topal  1. Introduction 这种算法根本不需要参数调整,只需为所有类型的图像运行一组默认参数即可. 传统的直线段检测算法开始于计算边缘图,通常由著名的Canny边缘检测器(Canny, 1986).接下来是Hough变换(Hough, 1962; Illinworth

[1]    https://github.com/dlut-dimt/LineMatching The code is based on Matlab.  https://github.com/kailigo/LineSegmentMatching The code is based on the following two papers. The code is based on OpenCV, and you need CMake to build a project from the c

上一节主要是介绍LSD算法理论,这节主要是介绍LBD算法. 参考文章:An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency ----Lilian Zhang  , Reinhard Koch 第二部分:Line detection and description 1.尺度空间中提取线段 为了克服在线检测碎片问题和提高大尺度变

上一节介绍了一些资源和实验结果,这节主要是介绍LSD算法理论. 直线段检测算法---LSD:a Line Segment Detector LSD的核心是像素合并于误差控制.利用合并像素来检测直线段并不是什么新鲜的方法,但是合并像素的方法通常运算量较大.LSD号称是能在线性时间(linear-time)内得到亚像素级准确度的直线段检测算法.LSD虽然号称不需人工设置任何参数,但是实际使用时,可以设置采样率和判断俩像素是否合并的方向差.我们知道,检测图像中的直线其实就是寻找图像中梯度变化较大的像素

http://ceng.anadolu.edu.tr/cv/edgedrawing/ References C. Topal, C. Akinlar, Edge Drawing: A Combined Real-Time Edge and Segment Detector,” Journal of Visual Communication and Image Representation, 23(6), 862-872, 2012. C. Topal, C. Akinlar, and Y. Ge

介绍基于Git 两种协作开发模式,GitHub Flow & Git Flow 对于Github 一些好用的特殊操作技巧 ,可以见GitHub 特殊操作技巧 和Git的基本操作 一 GitHub Flow GitHub Flow -- 以部署为中心的开发模式,通过简单的功能和规则,持续且高速 安全地进行部署.在实际开发中往往一天之内会实施几十次部署,而支撑这一切的,就是足够简单的开发流程以及完全的自动化. GitHub Flow 特点: 令master 分支时常保持可以部署的状态 进行新的作业时