原创 PCL入門點雲的濾波

PCL官方給的filter示例實際上是一個空間切割,也就是隻保留設定範圍內的點,超出邊界的就過濾掉了。直接看例子: pcl::PassThrough<pcl::PointXYZ> pass; pass.setInputCloud (

原创 PCL入門 可視化PCLVisualizer

PCL的點雲可視化的一種最常用的方法就是PCLVisualizer 它是基於VTK的可視化類,需要引入頭文件 #include <pcl/visualization/pcl_visualizer.h> 通常用法是 pcl::visu

原创 PCL入門根據向量做點雲旋轉

如果已知旋轉前某個向量n1(x1,y1,z1)和旋轉後的向量n2(x2,y2,z2)實際上已知了三個點,(0,0,0) (x1,y1,z1) (x2,y2,z2) 那麼可以求出他們構成的平面的法向量,也就是同時垂直於n1和n2的這個向量,

原创 caffe源碼閱讀《三》blob

今天來閱讀的是caffe的blob部分,這個blob它是有cpp的,因爲這個blob是caffe核心的數據存儲結構,後面所有的操作都會用到這個地方的,所以這裏是caffe官方來實現的。 首先看hpp文件。 他是有個Blob的類 /

原创 caffe源碼閱讀《五》solver

SolverAction 最開始定義了一個枚舉 /** * @brief Enumeration of actions that a client of the Solver may request by * implem

原创 機器學習-代價函數和激活函數組合效果

#均方差代價函數 + sigmoid C=(y−a)22C=\frac {(y−a)^2} 2C=2(y−a)2​ 其中,z=wx+b, 而a是經歷了激活函數的z,a=σ(z)。 那麼這個的梯度,對w和b分別求導,得到: ∂C∂w

原创 caffe源碼閱讀《四》net

caffe的net是一個網絡架構,串聯起所有的blob,支撐着整個神經網絡前向和反向傳播的一個結構。他也是分爲hpp和cpp文件的。 首先看註釋 /** * @brief Connects Layer%s together in

原创 caffe源碼閱讀《六》base_conv_layer

BaseConvolutionLayer是所有卷積層的基類。爲什麼卷積層還需要基類呢?因爲再caffe裏除了 ConvolutionLayer還有 DeconvolutionLayer BaseConvolutionLayer 類

原创 caffe源碼閱讀《六》im2col

卷積的過程 卷積實際上就是兩個矩陣對位相乘,然後再把積求和的一個過程 im2col caffe裏的卷積運算實際上是把待輸入圖像和卷積核都轉換成矩陣,然後通過矩陣的乘法一步得出來的。這裏列舉一個例子,假設我們待輸入圖像是 55的一

原创 caffe源碼閱讀《二》layer

– 首先layer這個類是一個基類,所以他是沒有cpp實現的,可以看一下它的cpp代碼 #include "caffe/layer.hpp" namespace caffe { INSTANTIATE_CLASS(Layer)

原创 pooling池化操作的代碼詳解

池化這個操作原理非常簡單,相信大家都很容易搞懂,那麼這篇博客就主要從代碼來談談吧。 首先還是簡單介紹一下原理(不是我偷懶想要簡單介紹,是因爲這個東西介紹起來本身就很簡單) 所謂的池化目的就是抽象,把一大片面積總結成一個數,比方說一副100

原创 Gabor濾波的層層總結

http://blog.csdn.net/u011021773/article/details/54232169 聲明:這篇博客是我學習gabor濾波的筆記,根據進度層層總結,在完全學會前會看起來很混亂,但是我保證在終止連載以後一定馬上整

原创 什麼是卷積呢

話不多說,首先我先上一張動圖! 這幅圖展示的就是一個二維卷積的過程,也就是一般二維圖像的濾波過程。 首先左邊的5*5的綠色區域代表的是待卷積對象,這裏理解爲一幅圖像的一個維度,例如灰度圖就是圖像的灰度值,R

原创 腐蝕、膨脹以及開閉操作等形態學處理

http://blog.csdn.net/u011021773/article/details/53065120 上一篇我講過什麼叫做卷積,而且提到了卷積與濾波其實不完全相同,因爲部分濾波是非線性的,比方說中值濾波,就是取每個局部地區

原创 PCL入門平面的法線

通常我們需要估計平面的方向,這就需要用到法線了,法線就是指垂直平面的線。 PCL中有自動求出法線的方法,我們來看一看, 首先假設我們有一個平面的點雲cloud_xyz 要求出法線首先我們先定義一個法線估計的對象ne pcl::Norm