原创 AMBA總線概述(一)

高級微控制器總線結構Advanced Microcontroller Bus Architecture(AMBA)定義了高性能嵌入式微控制器的通信標準。可以將RISC處理器集成在其他IP芯核和外設中,它是有效連接IP核的“數字膠”

原创 Bundle Adjustment光束平差法概述

本文主要參考 http://blog.csdn.net/abcjennifer/article/details/7588865 http://blog.csdn.net/ximenchuixuezijin/article/de

原创 特徵匹配和單應性

使用 OpenCV 中的蠻力(Brute-Force)匹配和 FLANN 匹配。 1:Brute-Force 匹配的基礎 蠻力匹配器是很簡單的。首先在第一幅圖像中選取一個關鍵點然後依次與第二幅圖像的每個關鍵點進行(描述符)距離

原创 特徵匹配及其優化

N本文轉載http://www.cnblogs.com/wangguchangqing/p/4333873.html 在OpenCV2簡單的特徵匹配中對使用OpenCV2進行特徵匹配的步驟做了一個簡單的介紹,其匹配出的結果是非常粗

原创 背景減除-提取前景

在很多基礎應用中背景檢出都是一個非常重要的步驟。例如顧客統計,使用一個靜態攝像頭來記錄進入和離開房間的人數,或者是交通攝像頭,需要提取交通工具的信息等。在所有的這些例子中,首先要將人或車單獨提取出來。 技術上來說,我們需要從靜止

原创 Cross-Scale Cost Aggregation for Stereo Matching立體匹配算法介紹

最近,研究了下CVPR2014上的一篇基於多尺度代價聚合的立體匹配算法,這個作者提供了原代碼,運行了下,發現效果真心不錯,不開後端處理的話,時間在0.4s左右。這個算法比較牛逼的有兩點: 1:結合多尺度思想,對原始圖像進行下采樣,然後在

原创 使用Opencv保存視頻

使用相機或圖片集,讀取後保存成視頻,可以調用opencv內部API,蠻簡單的,主要就是VideoWriter類的使用;這裏簡單記錄下,方便查詢。 #include <opencv2/opencv.hpp> #include <iostre

原创 Mastering Opencv ch4:SFM詳解(二)

前文分析瞭如何進行特徵檢測匹配,接下來分析如何求解攝像機矩陣。 I:求解基礎矩陣 首先介紹兩個代碼段,關於關鍵點和Point2f相互轉化的函數 void KeyPointsToPoints(const vector<KeyPoint>&

原创 Mastering Opencv ch4:SFM詳解(一)

從運動中恢復結構以便能更好的通過攝像機移動來提取圖像幾何結構。在書中爲了使用單目相機,一個離散且稀疏的視頻幀集合,而不是連續的視頻流。這在後面兩兩循環組合配對提供了方便性。 主要內容: 1:從兩幅圖像估計攝像機的運動姿態。 2:重構場

原创 Mastering Opencv ch4:SFM詳解(三)

前面已經利用分解本質矩陣E得到兩幅圖像的姿態R1,R2,t1,t2. 如何把這四個值組合成P1,得到正確的解,接下來就要分析。 1:利用三維重構求取在攝像機前面的重構點的所佔比,得出最高佔比的那個P1,就是要求得解。 P1 = Matx

原创 相機標定原理

之前寫過一篇文章怎麼使用Opencv進行相機標定,但沒有詳敘原理,這裏從原理上面入手,分析下標定算法原理。 1:相機成像原理 首先了解四個座標系: 像素平面座標系(u,v)、像平面座標系(圖像物理座標第(x,y)、相機座標系(Xc,Y

原创 基於Opencv的幾種立體匹配算法+ELAS

同http://blog.csdn.net/chuhang_zhqr/article/details/51179881類似,採用 這兩個經典的圖片進行測試。 關於BM和SGBM以及VAR的參數設置請參考 晨宇思遠 本文代碼基於o

原创 基於Zynq的RT3070 WIFI + hostapd 實現Wifi和WifiAP

之前的博客實現了編譯RT3070的驅動程序實現STA模式和SoftAP模式的wifi,這裏實現另一種方式,貌似是現在比較新的,那兩種也可實現就是略舊。 主機開發環境:ubuntu14.04 交叉編譯器:arm-xilinx-linux

原创 OpenCV_(4):輸入輸出XML和YAML文件

XML是一種可擴展標識語言。YAML是可讀性高,用來表達資料序列的格式,是XML的升級。在OpenCV編程時,常用XML作爲數據輸入,YAML作爲數據輸出,可以存儲和載入任意複雜的數據結構,包括周邊的數據結構,以及各種原始數據。 寫入或

原创 立體匹配中的全局匹配(一)動態規劃筆記

近來研究立體匹配,從入門開始,先學習一些基本的算法思想。 立體匹配算法中,全局匹配是一個很重要的部分,利用圖像的全局約束信息,對局部圖像的模糊不敏感,它的計算代價很高。全局匹配算法通過構建全局能量函數,然後通過優化方法最小化全局能量函數