少有人走的路

勇哥的工业自动化技术网站

本站视觉相关教程整理贴子,持续更新

2020年勇哥的机器视觉实验项目清单(大纲)

勇哥的免费视频教程清单

勇哥在B站发布的视频清单

【测量篇】(1)1D测量

1. 边缘检测原理测量直线或者曲线的前提,是进行边缘检测和轮廓提取。边缘一般是指图像灰度值变化剧烈的位置。沿着如下左图水平线的位置的灰度值分布函数f(x),如下右图所示。可知,在边缘的地方,灰度值变化非常明显。为了获取准确且唯一的边缘,那么变化最剧烈的地方就是边缘所在位置,对灰度值分布函数求一阶导f '(x)。可知,变化最剧烈的位置就是其一阶导的局部最大值,一阶导最大时,其二阶导f''(x)等于零,如下图所示。可知,边缘点的位置位于原图f(x)拐点处。以上提取到的是沿着水

【相机标定篇】单目相机标定原理(1)

“ 经济基础决定上层建筑”1、什么是标定?需要标定什么?为什么需要标定?空间物体呈现的是三维几何位置,相机内的投影图像为二维位置,所以,确定空间物体某点的三维几何位置与其投影图像中对应点的关系,就是标定。需要确定标定关系,必须建立物体与相机的投影数学模型,即相机成像的几何模型。构建几何模型的数学参数就是需要标定的内容,即相机的内外参数。内参是相机的工艺参数,包括焦距,主距,畸变系数,相邻像素距离等。外参是相机的位置参数,包括旋转角度,平移距离等。由此而得知,为了确定物体与成像的映射关系才需要标定

【相机标定篇】halcon自标定(3)

“一滴水,用显微镜看,也是一个大世界。”在项目中,偶尔会遇到由于产品形状、拍摄位置等原因导致标定板很难放置的情况,此时可以考虑使用halcon自标定算法来标定相机。由于自标定可以在不使用用标定板情况下,进行畸变矫正。所以,极大地方便在设备现场进行调试。1. 自标定处理流程自标定原理来源于此论文:“Automatic line-based estimation of radial lens distortion”。论文下载地址:链接:https://pan.baidu.com/s/118YDti2

张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析(附标定程序和棋盘图)

原文来自:http://blog.csdn.net/dcrmg/article/details/52939318使用OpenCV实现张正友法相机标定之前,有几个问题事先要确认一下,那就是相机为什么需要标定,标定需要的输入和输出分别是哪些?相机标定的目的:获取摄像机的内参和外参矩阵(同时也会得到每一幅标定图像的选择和平移矩阵),内参和外参系数可以对之后相机拍摄的图像就进行矫正,得到畸变相对很小的图像。相机标定的输入:标定图像上所有内角点的图像坐标,标定板图像上所有内角点的空间三维坐标(一般情况下假

相机的那些事儿 - 概念、模型及标定

说起相机大家都比较熟悉,现在已经是手机的标配和卖点,而且做的非常便捷易用,随便按都能拍出不错的照片,但如果想更手动、更专业一点,或者将相机用于工业应用(如机器视觉、摄影测量等),还是需要了解一下成像方面的东西,本文力求通俗易懂,先介绍一些相机相关的基本概念,然后对相机的标定过程进行简单的阐述。一、基本概念1、景深我们拍照片的时候常有“虚化”的效果,其实就是利用“景深”来突出重点:上图只有中间部分是清晰的,远景和近景都模糊掉,原理上从下图可以理解即理论上只有处于镜头焦点距离的景物是成像清晰的,而在

相机标定原理学习

一.总体原理:摄像机标定(Camera calibration)简单来说是从世界坐标系换到图像坐标系的过程,也就是求最终的投影矩阵的过程。[1]基本的坐标系:世界坐标系;相机坐标系;成像平面坐标系;像素坐标系[2]一般来说,标定的过程分为两个部分:第一步是从世界坐标系转换为相机坐标系,这一步是三维点到三维点的转换,包括R,t(相机外参)等参数;第二部是从相机坐标系转为成像平面坐标系(像素坐标系),这一步是三维点到二维点的转换,包括K(相机内参)等参数;投影矩阵 : P=K [

单目相机测距

单目相机测距单目测距的小项目,大概需要就是用单目相机,对一个特定的目标进行识别并测算相机与该目标的距离。所以便去网上找了一堆教程,这里给大家总结一下,希望给小白们一个参考。首先是基本需求了· opencv自然要会的,这咱就不多说了,会一点就行· 需要一个摄像头,我用的是一个畸变很大的鱼眼免驱动摄像头,大家用电脑上的那个自带摄像头也可以的,就是不方便。· 需要MATLAB进行相机标定其实上面都是废话,下面进入正题吧。网上的方法大概有两种,这里主要介绍一个我身边的大哥们都称做PnP问题的一个方法,但

聊一聊机器视觉的学习

接触视觉算起来有好几年了,每过一段时间都会对视觉有新的思考。慢慢的我发现这些零碎的思考拼出来一幅比较大的图景,这里把它记下来。因为我做过的项目都是从实际需要中来的,所以都是一些关于实际应用的感悟。思考框架碰到一个视觉相关的任务,我们应该怎么去思考它?应该用什么方法,效果又怎么把握?之前有人问匹配该不该用深度学习,这里就把这个作为例子来分析。第一点是对视觉的理解。大家知道,目前我们对于视觉的原理所知甚少,不过还是有几个可以确定的,在这里我们可以归结为这么几条:纹理、颜色、边缘;空间相关性,是局部就

机器视觉的相关资源

  以下链接是本人整理的关于计算机视觉(ComputerVision, CV)相关领域的网站链接,其中有CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的最新动态,国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站,多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之,我认为,知识只有分享才能产生更大的价值,真诚希望下面的链接能对朋友们有所帮助。(1)googleResearch; http://rese

手眼标定的培训视频精华摘录(1)

这篇贴子是看了一套网上的手眼标定的培训视频后的记录。大凡是培训视频,都存在废话很多的问题,关于这一点,其实也是跟你自己的知识储备多少有关,比如对于小白来讲,也许每一句话都不是废话。本贴就是勇哥记录下来的认为其精华部分内容。评心而论,老师讲得不错,很有经验,虽然经常在中间插播自己的培训室广告。^-^----------------------------------------大家都知道,手眼标定就是确定手和眼的坐标关系。手指的就是机械手,眼就是CCD。(一)机械手的分类常见的四类: 左
<< < 13 14 15 16 17 18 19 20 21 22 > >>
«    2025年12月    »
1234567
891011121314
15161718192021
22232425262728
293031
控制面板
您好,欢迎到访网站!
  查看权限
网站分类
搜索
最新留言
文章归档
网站收藏
友情链接

Powered By Z-BlogPHP 1.7.3

Copyright www.skcircle.com Rights Reserved.

鄂ICP备18008319号


站长QQ:496103864 微信:abc496103864