原创 圖形學中的透視變換

************************* 點的透視投影 座標系如下所示。右手系xyz座標。z的正方向和眼睛看的方向相反,也就是說一個點的z座標越小,距離相機越遠。 把P投影到視平面上一點(x*, y*),N是視點到視平面的距離

原创 圖形學中座標點和座標系的變換

關於這方面之前看了好2次,雖然內容很簡單,但是每次看了就忘了,只有大概的印象。等到下次做什麼東西的時候需要用到座標變換,又要把書重新看一遍。所以這次打算把看的東西記下來,以後找起來方便。 參考書 Computer Graphics Op

原创 Camera Calibration 學習總結

先列出參考資料吧, 一個網上的tutorial http://lear.inrialpes.fr/people/triggs/pubs/isprs96/node1.html 不過這篇tutorial看起來比較累,它是從投影空間來看cali

原创 Linux下安裝opencv-python

一把辛酸淚,用的linux 服務器不是ubuntu,不能apt-get 安裝,然後只有源碼編譯安裝了。。。。 其實這篇文檔寫的已經很詳細了,http://docs.opencv.org/trunk/doc/py_tutorials/py

原创 安裝vim插件 NeoComplete

由於neocomplete 的安裝需要vim將lua 功能激活。因此,需要由vim 源碼重新編譯,並打開lua選項。 具體步驟參照這個: http://www.fullybaked.co.uk/articles/installing-l

原创 linux下從源碼開始編譯安裝google ceres solver

由於在學校的電腦沒有管理員權限,不能直接apt-get 安裝。折騰了一天,終於搞定。 首先這裏列舉了所有需要的dependencies。 http://ceres-solver.org/building.html#dependencie

原创 對 CNN 中 dropout layer 的理解

dropout layer的目的是爲了防止CNN 過擬合。那麼爲什麼可以有效的防止過擬合呢? 首先,想象我們現在只訓練一個特定的網絡,當迭代次數增多的時候,可能出現網絡對訓練集擬合的很好(在訓練集上loss很小),但是對驗證集的擬合程度很

原创 怎麼在自己的工程中使用pcl

首先說一下,pcl官網上全是各種cmake的編譯,對於我這種菜鳥來說,根本不懂啊!!!各種報錯,又不知道怎麼解決。後來還是決定按照其他庫在vs中的配置方法一樣來配置pcl。 其實感覺這樣反而更簡單,一勞永逸~ 1. 首先要下一個pcl

原创 在訓練CNN的時候,各層back propagation的遞推公式

由於下學期畢設要做CNN的東西,最近開始接觸CNN。看了一些資料,發現這些資料裏面講的BP+SGD的訓練策略都是針對conv layer 的,而像caffe這種ConvNet庫,裏面包含了很多非卷積層,那麼這些層裏面的back prop