PV机器人笔试题

一.基础题

1.C

∫30x1+1+x√dx=∫30x(1−1+x√))−xdx=∫301+x−−−−−√−1dx=53

2.B

3.C

13(A−E)∗(A+2E)=13(A2=A−2E)=E

4.B

limx→∞(1+1x)x=e

5.4/625

(15)3(45)=4625

6.C

拉普拉斯算子对噪声非常敏感，所有才有高斯拉普拉斯算子。
Sobel（下图左）和Prewitt算子（下图右）都属于梯度算子，不同之处在于Sobel在一定程度上结合了高斯平滑和梯度算子微分求导。

Sobel:⎡⎣⎢−1−2−1000121⎤⎦⎥Prewitt:⎡⎣⎢−1−1−1000111⎤⎦⎥

7.B

队列，先进先出

8.C

队列中，head指向第一个元素的位置，tail指向下一个待插入元素的位置。判断队列满的条件为(head!=0&&head==tail+1) || (head==0&&tail==length-1); 。

9.C

根结点为E

10.C

题目错了，初始化i应该为1吧；答案应该为log3n

11

q->next=x->next; x->next->prior=q; q->prior=x; x->next=q;
顺序并不唯一，但(1)(2)应该在(4)前面

12.B

this指针是一个指向自己的指针，以访问自己的数据成员。

13.D

14.C

15.B

16.B

17.C

对比度也就是从黑到白的渐变层次，从黑到白的渐变层次就越多，从而色彩表现越丰富。

18.D

HOG并不是一种点特征，它代表的图像区域特征。关于HOG很好的一篇文章：Histogram of Oriented Gradients

19.D 5 C 7

投影矩阵：将空间三维点投影到像平面上的二维点的矩阵。一般是四参数或五参数模型。
单应矩阵：一个平面上的点到另一个平面上的点的投影映射矩阵。8个自由度。
本征矩阵:（以双目视觉为例）将真实世界中的点P在左摄像机观测到的（左摄像机座标系的）三维座标Pl与右摄像机观测到的点P的（右摄像机座标系中的）三维座标Pl关联起来的矩阵。秩为2，一共有5个参数，其中3个旋转参数，2个平移参数。
基础矩阵：（以双目视觉为例）将点P投影到左摄像机图像座标系中的二维座标和右摄像机图像座标系中的二维座标点关联起来的矩阵。秩也为2，七个参数，其中两个参数表示对极平面，三个参数表示两个像平面的单应矩阵。
参考：两个平行视图中间的基础矩阵是什么？

20.A

二.应用题

1.此题还没有总结好。

深度信息一般是通过两个或多个摄像机拍摄的2D图像视差来获取的。
三维深度传感器：单目结构光、双目立体视觉（主动式/特征点增强式）、飞行时间法（ToF）。

2

3

此题中预测模型（状态方程）已经给出，Xk+1=AXk+BUk+wk
观测模型（量测方程）Zk=HXk+vk ，此处怎么做？
卡尔曼滤波，详见DJ视觉工程师之卡尔曼滤波

4

三.开放题

1

2

3