原创 一文讀懂PID控制算法(拋棄公式,從原理上真正理解PID控制)

一文讀懂PID控制算法(拋棄公式,從原理上真正理解PID控制) PID控制應該算是應用非常廣泛的控制算法了。小到控制一個元件的溫度,大到控制無人機的飛行姿態和飛行速度等等,都可以使用PID控制。這裏我們從原理上來理解PID控制。 PID

原创 利用openCV中的cvCanny函數檢測人臉的邊緣

前幾天按照學校的要求做一個項目設計,指導老師讓完成一個邊緣檢測的程序,用來提取出人臉的輪廓。於是將相關過程記錄下來。 提取邊緣,可以直接使用cvCanny函數。 cvCanny是開放計算機視覺(OpenCV)庫庫函數之一,用於對圖像的邊緣

原创 利用SIFT和RANSAC算法(openCV框架)實現物體的檢測與定位,並求出變換矩陣(findFundamentalMat和findHomography的比較)

本文目標是通過使用SIFT和RANSAC算法,完成特徵點的正確匹配,並求出變換矩陣,通過變換矩陣計算出要識別物體的邊界(文章中有部分源碼,整個工程我也上傳了,請點擊這裏)。 SIFT算法是目前公認的效果最好的特徵點檢測算法,關於該算法的就

原创 Java中利用socket實現簡單的服務端與客戶端的通信(中級)——實現任意雙向通信

本文計劃採用socket實現客戶端和服務端的任意雙向通信,即客戶端可以隨時給服務端發消息,服務端也可以隨時給客戶端發消息,最終結果就是一個類似與QQ的聊天軟件的功能。 以下代碼可以直接拷貝到Eclipse中運行。 前面的兩片文章都利用了s

原创 Ubuntu安裝與配置的常見問題總結

最近搞科研,很多東西都需要在Ubuntu系統環境下運行,所以把安裝和配置Ubuntu 中的一些問題和解決方法拿出來和大家分享一下,大家有什麼好的想法也可以留言給我,我可以不定期的補充內容。 1.QQ Ubuntu 下爲了交流方便,還是要按

原创 caffe安裝,編譯(包括CUDA和cuDNN的安裝),並訓練,測試自己的數據(caffe使用教程)

caffe是一個非常清晰且高效的深度學習框架,目前有着不少的用戶,也漸漸的形成了自己的社區,社區上可以討論相關的問題。 我從開始看深度學習的相關內容到能夠用caffe訓練測試自己的數據,看了不少網站,教程和博客,也走了不少彎路,在此把整個

原创 利用hog+svm(梯度方向直方圖和支持向量機)實現物體檢測

最近利用hog+svm做了一個物體檢測的小程序,可以先給大家看看實驗的結果。從照片中,檢測出以任意姿態擺放在任意位置的公仔。(其實打算檢測是紅色的大公仔,但是小的公仔也被檢測了出來,至於爲什麼會這樣以及這個問題的解決方法,咱們下面可以接着

原创 ubuntu(linux)下安裝openCV(ffmpeg導致的編譯不通過的解決辦法)

關於這個問題,網上有很多現成的方法,但是很多方法也都存在問題,所以自己總結一下,把自己的安裝過程記錄下來,也方便以後查閱。 1.需要的包:     GCC 4.4.x 或更高     CMake 2.8.7 或更高     Git    

原创 win7 64位,vs2010(visual studio2010)環境下配置openCV2.4.8版本,以及可能遇到的問題

本文講述在系統爲win7的64位機,開發環境爲vs2010且openCV版本爲2.4.8的環境下,配置openCV的操作過程。 我的openCV安裝在路徑D:\openCV\opencv\中。(清楚這個安裝路徑很重要,後面本文提供的路徑都

原创 Android(安卓)一個簡單的聊天界面的實現(eclipse實現)

這幾天剛剛學習一下安卓的編程,嘗試製作了一個簡單的聊天界面(還沒有實現網絡等後續功能)軟件界面如圖。(使用eclipse實現) 當輸入一些內容後,聊天界面可以下拉顯示更多的聊天信息,如下圖 首先對這個聊天軟件的界面進行一個總結,要能夠

原创 openCV中的findHomography函數分析以及RANSAC算法的詳解(源代碼分析)

本文將openCV中的RANSAC代碼全部挑選出來,進行分析和講解,以便大家更好的理解RANSAC算法。代碼我都試過,可以直接運行。 在計算機視覺和圖像處理等很多領域,都需要用到RANSAC算法。openCV中也有封裝好的RANSAC算法

原创 【論文筆記】Region-based Convolutional Networks for Accurate Object Detection and Segmentation

《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》是將卷積神經網絡應用於物體檢測的一篇經典文章。 整個識別過程可以用下面