目前日期文章:201610 (13)

瀏覽方式: 標題列表 簡短摘要

物體在三維空間的旋轉,可以有三個自由度(Degree of Freedom, Dof) - Roll, Pitch, Yaw,而表示物體在三維空間旋轉的方法有很多,例如:歐拉角、旋轉矩陣、旋轉向量、四元數...等,以下將簡單說明,並簡單說明歐拉旋轉定理。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


gradient 中文可以翻譯為斜率,如果要計算某個二元方程式的斜率,可以以 x 及 y 軸兩個方向來計算,方程式 f(x, y) 其 gradient 為 (f_x, f_y)。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


RANSAC 是在一群資料中,隨機選取數筆資料,用以計算出符合這數筆資料的模型,並以此模型將這群資料作分類,資料符合該模型的為 inlier,否則為 outlier,因為是隨機選取數筆資料,所以是一個非確定性的算法,但經過多次的選取,根據機率,其建立出來的模型,有一定機率符合大部分或全部的資料,此時即為最佳解,也就是該群資料所能代表的最佳模型。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


Laplacian Mask 的功能是用來作 Edge Detection,也就是把影像中,物體的邊界找出來,簡單介紹 Laplacian Mask 系數的由來。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


利用 Feature Matching 的方法來搜尋兩張影間之間相同 feature 的座標對應關係,利用該對應關係,透過 Homography 的方式,可以計算影像之間的透視轉換(Perspective Transformation)。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


兩張影像之間 feature matching 的進行,就是利用 feature descriptor 來作計算,計算的方式分為: Brute-Force Matcher 及 FLANN based Matcher。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


ORB (Oriented Fast and Roatated BRIEF) 如同其名,基本組成為原始的 FAST 的演算法,再配合經過修改、具有 rotation-invariant 的 BRIEF 演算法。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


BRIEF(Binary Robust Independent Elementary Features) 並沒有 feature detection 的功能,而是專注於 feature descriptor,BRIEF 的特點是 feature description 短,在 matching 時所需要的時間少,以下簡單說明 BRIEF 的演算法。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


在 feature detection 的部分,FAST (Features from Accelerated Segment Test) 可以說是目前速度最快的,以下簡單說明該演算法。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


SURF 其實就是加速版的 SIFT,簡單說明 SURF 在原本的 SIFT 架構下,作了哪些改進。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


簡單說明影像中 edge detection 的原理,以及 Sobel Operator 在 edge detection 的應用。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


SIFT 全名為 Scale-Invariant Feature Transform,具有 scale-invariant 的特性,在找到 feature 之後,可以產生相對的 feature descriptor,供不同的影像間作 feature matching。

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()


簡單說明 Shi-Tomasi Corner Dector

silverwind1982 發表在 痞客邦 PIXNET 留言(0) 人氣()

找更多相關文章與討論