- 博客(137)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 01-04.3D点云概述-数据结构转换
文章目录3D点云常见的数据结构有哪些？点云转化成体像素点云如何转化为八叉树格式点云如何转化为KD树结构3D点云常见的数据结构有哪些？常见的数据结构有：深度图、点云、体像素、三角剖分、八叉树和KD树。为什么要进行数据格式的转换？主要是为了方便计算。点云转化成体像素步骤：用一个大立方体罩住点云；把大立方体切分成小立方体；如果小立方体中存在点云，该立方体置 111；否则，置 000；程序通过三维数组存储数据；特点存储量大；可以进行逻辑运算；点云如何转化为八叉树格式
2021-04-04 11:59:30
498
原创 01-03.3D点云概述-畸变与矫正
文章目录畸变与矫正去畸变和矫正数据深度图如何转化为点云图畸变与矫正我们用成像设备采集到的图像设备往往是存在畸变的，造成畸变的原因多种多样，一般有以下因素：1. 镜头失真造成的数据畸变；2. 测距失真造成的测距不准；3. 深度图到点云图的转换计算；去畸变和矫正数据镜头畸变矫正：利用上述公式可以校准鱼眼失真和枕形失真。深度图如何转化为点云图转换关系： 如上图所示：已知(x,y)(x, y)(x,y) 是相机传感器平面上的点；(X,Y,Z)(X,Y,Z)(X,Y,Z)是和(x,y
2021-04-04 11:57:21
1430
原创 01-02.3D点云概述-3D数据获取
文章目录3D数据获取方式双目匹配成像方式结构光与光编码成像方式点结构光与线结构光光编码成像原理（面结构光）TOF 3D成像方式3D数据获取方式获取3D数据的方式主要分为333大类：双目匹配成像方式；结构光与光编码成像方式；TOF 3D成像方式；如下图所示：双目匹配成像方式原理：左右两个相机拍摄同一区域获取两幅图片，对图片中相同位置的像素进行匹配，由该像素在不同相机里的差值可以计算出该像素对应的物理位置与相机基线的距离。难点： 左右两幅图像的匹配比较困难；如果目标没有纹理信息
2021-04-04 11:50:58
636
原创 01-01.3D点云概述
Loading [MathJax]/extensions/MathZoom.jsLoading [MathJax]/extensions/MathZoom.js[TOC]# 3D数据是什么？3D 数据是什么： 以深度图和点云表示的数据称之为 3D 数据。3D视觉的发展历程3D 的历史进程：2D计算机视觉 – 从 20 世纪 50 年代至今，几十年的发展历史；20世纪60年代 – 美国MIT的 Roberts 从 2D 图像提取 3D 多面体，开启了 3D计算机视觉的研究；
2021-04-04 11:38:40
494
翻译 02-01-02.Mesh
文章目录Mesh可视化3D mesh表面法向量估计裁剪mesh给mesh上色mesh 属性Mesh filteringAverage filterLaplacianTaubin filterSampling网格细分网格简化顶点聚类网格简化连通区域MeshOpen3D有一个用于3D三角形网格的数据结构，称为TriangleMesh。下面的代码展示了如何从一个ply文件中读取一个三角形网格并打印它的顶点和三角形。print("Testing mesh in Open3D...")mesh = o3dt
2021-04-04 11:19:05
108
翻译 02-01-01.Point Cloud
[TOC]Point Cloud本教程演示点云的基本用法。可视化点云教程的第一部分阅读点云并将其可视化。print("Load a ply point cloud, print it, and render it")pcd = o3d.io.read_point_cloud("../../test_data/fragment.ply") # 读取点云print(pcd) # 输出点云基本信息print(np.asarray(pcd.points)) # 把点云数据转化为numpy格式并
2021-04-04 10:39:43
109
翻译 01-02.安装Open3D
文章目录从PyPI 或者 Conda 安装Pip(PyPI)开发版本Conda尝试导入运行Open3D教程FAQ从PyPI 或者 Conda 安装Open3D Python包通过PyPI和Conda分发。支持Python版本:3.6 / 3.7 / 3.8支持的操作系统:Ubuntu 18.04 + / macOS 10.14 + / Windows 10(64位)如果你有其他的Python版本(例如Python 2)或操作系统，请参考从源代码构建和从源代码编译Open3D。Pip(PyPI
2021-04-04 10:31:04
765
翻译 01-01.Open3D介绍
文章目录Open3D:一个用于3D数据处理的现代库Python快速开始C++ 快速开始Open3D-Viewer appOpen3D-ML沟通渠道FAQOpen3D:一个用于3D数据处理的现代库Open3D是一个开源库，支持3D数据处理软件的快速开发。Open3D前端用C++和Python公开了一组精心挑选的数据结构和算法。后端高度优化，并为并行化而设置。我们欢迎来自开源社区的贡献。Open3D的核心功能包括:三维数据结构三维数据处理算法现场重建表面对齐三维可视化基于物理的渲染(PBR
2021-04-04 10:26:46
2889
转载 Ubuntu中apt与apt-get命令的区别
Ubuntu 16.04 发布时，一个引人注目的新特性便是 apt 命令的引入。其实早在 2014 年，apt 命令就已经发布了第一个稳定版，只是直到 2016 年的 Ubuntu 16.04 系统发布时才开始引人关注。随着 apt install package 命令的使用频率和普遍性逐步超过 apt-g...
2020-04-19 17:02:20
276
原创 深度学习中的计算图
文章目录计算图计算图的前向计算过程计算图反向梯度计算验证计算图的结果：用小增量进行验证上述导数计算参考资料计算图以 计算图 的形式表现计算的过程，清晰明了，给人一种很直观的感觉；尤其是在进行反向计算的时候，过程很清晰结构很明确，让人一看就懂。下面介绍这种方法。计算图的前向计算过程计算图反向梯度计算导数 da、db、dcda、db、dcda、db、dc 分别如下：...
2019-10-08 13:56:59
1014
原创 常用的非线性激励函数
文章目录SigmoidtahnReLULeaky ReLUParametric ReLUSwish参考Sigmoid优点：映射数据在[0, 1]之间；梯度下降明显；缺点：容易引起梯度消失；输出不是以0为中心；exp()exp()exp() 计算成本高公式：σ(x)=11+e−x公式：\sigma(x) = \frac{1}{1+e^{-x}}公式：σ(x)=1+e−x1导数：σ(...
2019-10-08 12:00:55
6581
原创 深度学习的优缺点
文章目录深度学习的优点深度学习的缺点深度学习的优点学习能力强；覆盖范围广；适应力强；可移植性好；深度学习的缺点计算量大；便携性差；硬件成本较高；模型设计复杂；长于计算，弱于算计，很容易被 “hack”；...
2019-10-08 11:32:23
17617
原创 CNN与RNN的知识结构
文章目录CNN与RNN的知识结构CNN与RNN的知识结构CNN的应用场景包括：目标分类：应用领域有人脸识别、物品识别、场景识别、文字识别等；目标检测：应用领域有安防和驾驶；对抗网络：增强学习：应用领域有围棋、扑克、自动游戏、机器人运行控制；RNN 的应用场景有：语句生成：应用于自动翻译、智能对话领域；视频分类（需要与 CNN 结合）：应用于视频搜索；图片标注（需要与 C...
2019-10-08 11:18:11
530
原创 行为型--观察者模式
文章目录什么是观察者模式？观察者模式的使用场景观察者模式的优点观察者模式的例子实现发布者类添加观察者应用上述代码参考资料什么是观察者模式？观察者模式 也可以称之为 发布者–订阅者模式，描述单个对象（发布者）与一个或多个对象（订阅者）之间的 发布—订阅 关系。当 发布者 发生变化时，会自动以广播的方式通知给每一个订阅者。模型如下图所示：在MVC例子中，发布者是模型，订阅者是视图。在信...
2019-10-07 09:55:56
174
原创 行为型--MVC模式
文章目录什么是模型-视图-控制（MVC）模型MVC 模型的应用场景MVC 模型的优点使用 MVC 模型的注意事项MVC 模型的例子模拟数据库模型-视图-控制器设计应用上述代码参考资料什么是模型-视图-控制（MVC）模型在介绍模型-视图-控制（Model-View-Controller，MVC）模型之前，我们先介绍一个概念：关注点分离原则。关注点分离原则（Separation of Conc...
2019-10-06 22:28:30
164
原创 创建型--克隆模式
文章目录什么是克隆模式为什么不选择重新创建一个实例对象，而选择克隆模式克隆模式的应用场景克隆模式的例子例子1：深度复制：deepcopy函数例子2：克隆书籍定义书籍类定义克隆类实现克隆操作参考什么是克隆模式克隆模式： 也称之为 原型模式，顾名思义，就是创建一个实例对象的副本。创建副本的过程中，分为浅副本 和 深副本两种情况。**浅副本：**浅副本与原对象的某些属性共用一片内存接口，这是一...
2019-10-06 18:13:34
292
原创 创建型--建造者模式
文章目录什么是建造者模式建造者模式的使用场景建造者模式与工厂模式的区别建造者模式实现笔记本生产工厂模式实现笔记本生产建造者模式的优点建造者模式的例子例子1：制造 Pizza定义全局变量定义 Pizza 类构建建造者构建指挥者应用上述代码实例2：简洁的建造者模式参考资料什么是建造者模式建造者模式： 提供了一种精细化控制对象创建过程的模型。假设一个对象必须经过多步操作才能创建成功，我们就必须使用...
2019-10-06 18:12:22
197
原创 创建型--工厂模式1
文章目录什么叫工厂方法模式工厂方法模式的好处工厂方法模式如何使用xml 和 json 文件的格式涉及到的头文件相关的类建立工厂函数演示工厂方法模式参考资料什么叫工厂方法模式在工厂方法模式中，我们提供一个带参数的函数，依据参数的不同，返回不同的实例对象。工厂方法模式并不需要知道创建实例对象的具体细节。例如，我们现在有不同的文件，XML、Atom、YAML和 JSON，我们需要解析这些文件，利用...
2019-10-06 18:10:17
157
原创 创建型--单例模式
文章目录什么是单例模式？单例模式如何实现有缺陷的懒汉模式改进的懒汉模式推荐的懒汉式单例(magic static )：局部静态变量参考资料什么是单例模式？单例模式：一个类只允许创建一个实例对象。# 单例模式的应用场景----1. 当一个类作用于全局时，可以把它设计为单例模式，避免了频繁的创建和销毁；2. 一个班级只能有一个班主任（班主任类应该设计为单例模式）；3. Windows...
2019-10-06 18:08:57
171
原创 git 入门操作
文章目录入门添加新文件提交版本发布版本到服务器取回更新删除分支与合并入门使用Git前，需要先建立一个仓库(repository)。您可以使用一个已经存在的目录作为 Git 仓库或创建一个空目录。使用您当前目录作为 Git 仓库，我们只需使它初始化。$ git init # 把当前目录作为git仓库进行初始化使用我们指定目录作为Git仓库。$ git init newrepo ...
2019-10-06 15:51:32
141
原创 分治算法与快排
文章目录分治算法(D&C)利用分治算法解决数据累加利用分治算法找出列表中的最大数**利用分治算法实现二分查找快速排序总结分治算法(D&C)分治算法是一种思想，他把一个大问题缩小为规模比较小的问题，小问题得到解决之后，大问题也随之解决。分治算法通常利用递归来实现。利用递归实现的步骤如下：明确递归函数的返回值；寻找基线条件，这种条件务必简单；实现递归体：不断将问题分解（缩...
2019-09-30 17:33:54
731
原创 选择排序
文章目录选择排序选择排序选择排序（假设做升序排序）的主要思想是：遍历数据列表，每次选择最小的数据，其时间复杂度为：O(12n2)=O(n2)O(\frac{1}{2}n^2) = O(n^2)O(21n2)=O(n2)。代码如下：# 返回列表最小值的标签def findSmallest(arr): smallest = arr[0] smallestIndex = 0...
2019-09-30 16:52:15
73
原创 稳定排序的概念
文章目录什么是稳定排序?稳定排序的意义：哪些些排序方法一定是稳定排序什么是稳定排序?假设我们有如下序列：51,1,3,52{5_1, 1, 3, 5_2}51,1,3,52，其中有两个相同的 555；稳定排序与不稳定排序分别如下：稳定排序：1,3,51,52{1, 3, 5_1, 5_2}1,3,51,52；两个 555 的顺序没有变；不稳定排序：1,3,52,51{1, 3,...
2019-09-30 16:50:30
1534
原创 计数排序
文章目录计数排序计数排序的特点计数排序其主要思想如下：获取待排集合元素最大值KKK，时间复杂度为：O(n)O(n)O(n)，nnn 为元素个数；建立一个数组 Counts[K+1]，用于统计每个元素的个数；时间复杂度为 O(n)O(n)O(n)；基于 Counts[K]，按顺序拼接待排元素。时间复杂度为 O(K)O(K)O(K)；总的时间复杂度为：O(K+2n)O(K+2n)O(K+...
2019-09-30 16:45:21
74
原创 合并排序
文章目录合并排序算法参考资料合并排序算法合并排序是利用分治算法实现的，利用分治算法解决问题需要明确以下三个问题：递归函数的返回值：返回对待排列表的排序结果；基线条件：列表(待排序列表)规模 len(arr)<=1len(arr) <= 1len(arr)<=1；递归条件，缩小问题规模：把列表均分为左右两部分，分别进行排序、返回排序结果，然后对结果进行合并，并返回合并...
2019-09-30 16:37:55
494
原创 图的最短路径
文章目录图的最短路径狄克斯特拉算法原理交换商品代码实现建立网络建立表格初始化表格搜索最短路径参考资料图的最短路径图最短路径的实现一般用 狄杰斯特拉算法。它能在一个加权图中计算从 AAA 点运动到 BBB 点的 最短路径。加权图如下所示：传统的狄杰斯特拉算法并不支持负权值，这里把狄杰斯特拉算法做了一点点改进，还是称之为 狄克斯特拉算法。狄克斯特拉算法原理第一步：建立起点(AAA...
2019-09-30 16:11:03
192
原创 图：图的遍历
文章目录图的遍历广度优先搜索(BFS)深度优先搜索小结参考资料图的遍历和树的遍历一样，我们希望从图中某一顶点出发遍历图中其余顶点，且使的每一个顶点仅被访问一次。这一过程称之为图的遍历。图的遍历算法是求解图的连通性、拓扑排序和求解关键路径等算法的基础。图的遍历通常有两种方法：广度优先搜索(BFS) 和 深度优先搜素(DFS)；他们对 无向图 和 有向图 都适用。广度优先搜索(BFS)...
2019-09-30 16:08:22
127
原创 树基本概念
文章目录树的概念参考资料树的概念树是一个非常重要的数据结构。在有序的数组中进行查找时，最快的方式是二分查找（时间复杂度为 log(n)log(n)log(n)）；但是每当添加/删除新元素时，时间复杂度就变成了 O(n)O(n)O(n)。为了方便对数据进行查找、添加和删除，为此，有人设计了一种名为二叉查找树（binary search tree）的数据结构。如下图所示：对于其中的每个...
2019-09-30 15:58:11
88
原创 散列表
文章目录散列表散列表作为映射散列表用来排查重复项将散列表用作缓存散列表的冲突散列表的性能填装因子良好的散列函数总结参考散列表散列表主要由 散列函数 和 数组 组成，其中：散列函数： 主要是用来产生数据索引。其输入与输出是一一对应的；它知道数组有多大，只返回有效的索引；数组： 主要是用来存储数据。例如，用散列表来存储水果的价格：Python 中提供的散列表实现是 字典，例如：...
2019-09-30 15:54:45
223
原创 字符串匹配：KMP
文章目录KMP算法简介暴力算法匹配字符串KMP算法求解 $next[j]$ 函数改进 $next[j]$ 算法KMP算法简介KMP算法是一种字符串匹配算法，算法的关键是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。时间复杂度 为 O(m+n)O(m+n)O(m+n)，其中 nnn 为主串长度，mmm 为模式串长度。暴力算法匹配字符串用暴力算法匹配字符...
2019-09-30 15:40:16
91
原创 数组与链表
文章目录数组与链表数组与链表数组与链表的优缺点：数组链表内存区域连续的内存区域散乱的内存区域访问数据随机访问（即给的序号即可访问数据），时间复杂度O(1)按序访问，时间复杂度 O(n)添加元素1. 预留足够大的空间，会发生数据迁移；时间复杂度O(n) 2. 空间如果不够，需要开辟更大的内存空间，然后迁移数据；时间复杂度O(n)；增加一个节点...
2019-09-30 11:44:56
96
原创 几个重要的算法概念
文章目录反向索引傅里叶变换并行算法MapReduce分布式算法为何很有用映射函数归并函数布隆过滤器和HyperLogLogSHA算法局部敏感的散列算法Deffie-Hellman密钥交换参考资料反向索引一个散列表，将单词映射到包含它的页面。这种数据结构被称为 反向索引（inverted index），常用于创建搜索引擎。这里非常简单地说说搜索引擎的工作原理。假设你有三个网页，内容如下。...
2019-09-30 11:38:34
175
原创 动态规划算法
文章目录动态规划最长公共字串最长子序列动态规划算法的应用动态规划动态规划 就是把问题分为若干个相互独立的子问题，子问题得到解决之后，总问题也随之解决。哪些问题可以使用动态规划呢？在给定的约束条件下，求得最优解；问题可以分解为若干个相互独立的子问题。动态规划的特点：每一种动态规划的方案都可以绘制成网格；每个单元格就是子问题；单元格中的值通常就是你需要优化的；# 背包问...
2019-09-30 11:16:22
390
原创 贪心算法：集合覆盖问题
文章目录贪心算法教室调度问题背包问题集合覆盖问题NP完全问题总结贪心算法贪心算法是一种解决问题的思路：每一步选择局部最优解，最终也许不会得到最优结果，但是也会接近最优结果。贪心算法具有以下特点：每一步选择局部最优解；并非在任何情况下行之有效；贪心算法简单易实现；教室调度问题假设有如下课程表，你希望将尽可能多的课程安排在某间教室上：课程开始时间休息时间...
2019-09-30 09:34:28
21034
6
原创 基础：os.walk()访问目录
文章目录os.walk()os.walk()os.walk 访问目录，并返回可以访问该目标的生成器：walk(top, topdown=True, onerror=None, followlinks=False)`Params： - top：所要遍历的目录地址； - topdown：默认为真，表示优先遍历子目录； - 其他默认就可以了如果 topdown 参...
2019-09-29 20:38:54
183
原创 基础：enumerate的使用
文章目录enumerate 的使用例子：enumerate 的使用enumerate() 函数给一个可遍历的数据对象(如列表、元组或字符串)的元素添加下标，以列表的形式返回，一般用在 for 循环当中。Python 2.3. 以上版本可用，2.6 添加 start 参数。语法：enumerate(sequence, [start=0])Param： - *sequence：*...
2019-09-29 20:31:39
243
原创 图：图的概念
文章目录图的概念图的抽象数据形式参考资料图的概念图是一种比线性表和树更为复杂的数据结构。其与线性表、树性结构的注意区别在于：在线性表中，数据元素之间仅有线性关系，每个数据元素之间仅有线性关系，即每个数据元素只有一个直接前驱和一个直接后驱；在树性结构中，数据元素之间有着明显的层次关系，每一层的数据元素之和下一层的孩子节点相关，和上一层的双亲节点相关；在图形结构中，任意两个元素之间都可能相...
2019-09-26 16:59:54
131
原创 基本图形绘制
文章目录基本图形的绘制函数绘制线段的函数原型：绘制椭圆弧函数原型：绘制矩形的函数原型：绘制圆形的函数原型添加文字的函数原型：填充多边形的函数原型：官方例子第一个例子：官方的第二个例子：基本图形的绘制函数OpenCv 中用于绘制基本图形的函数接口如下所示：用于绘制直线的 line 函数；用于绘制椭圆的 ellipse 函数;用于绘制矩形的 rectangle 函数;用于绘制圆的 ci...
2019-09-26 11:14:57
410
原创 访问像素:at()方法
文章目录简介访问像素值衡量算法性能简介图像本质上就是一个由数值组成的矩阵。矩阵中的每个元素表示一个像素。对于灰度图像（黑白图像），像素是 888 位无符号数，000 表示黑色， 255255255表示白色。对于彩色图像，需要用三原色数据来重现不同的可见色，这是因为我们人类的视觉系统是三原色的，视网膜上有三种类型的视锥细胞，它们将颜色信息传递给大脑。这意味着对于彩色图像，每个像素都要对应三个数...
2019-09-24 18:05:53
731
原创 传统图像特征提取方法列表
文章目录特征是什么？图像特征的操作步骤常见的特征提取方法：其他常用的特征检测算法特征是什么？常见的特征有：边缘、角，区域；图像特征的操作步骤目前图像特征的提取主要有两种方法：传统图像特征提取方法 和 深度学习方法。传统的特征提取方法：基于图像本身的特征进行提取；深度学习方法：基于样本自动训练出区分图像的特征分类器；传统的图像特征提取一般分为三个步骤：预处理、特征提取、特征...
2019-09-24 10:05:33
15719
5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人