这个是水果识别的MATLAB程序,包含HSV非均匀量化,K均值聚类,LBP算子,MBLBP算子,还有粒子群,灰度共生矩阵,以及纹理特征提取.
2022-06-14 22:05:32 147.64MB 水果识别 机器学习 计算机视觉 matlab
我们有以下核心技术:1) 高精度 无序抓取,大视野(1.4米*1.4米),抓取精度正负0.2mm。2)焊缝轨迹引导;3)双目结构光相机自制,格雷码技术,opencv源代码教学(单独课程);4)线激光相机自制;5)三维高精密测量与检测;6)胶条形状三维检测技术等,有需要学习的朋友可以给我留言
2022-06-14 19:08:59 211.92MB 机器视觉 OpenCV halcon
1
我们有以下核心技术:1) 高精度 无序抓取,大视野(1.4米*1.4米),抓取精度正负0.2mm。2)焊缝轨迹引导;3)双目结构光相机自制,格雷码技术,opencv源代码教学(单独课程);4)线激光相机自制;5)三维高精密测量与检测;6)胶条形状三维检测技术等,有需要学习的朋友可以给我留言
2022-06-14 19:08:58 200.5MB 机器视觉 OpenCV 无序抓取 halcon
1
机器视觉及其应用论文(格式完整)
2022-06-14 14:55:09 1.27MB 机器视觉及其应用论文
1
运动控制仿真的重要性: 1、非标自动化行业,根据客户需求提方案时,能在几个小时之内把运动控制和图像检测的仿真做出来。然后把仿真效果用程序演示出来。客户有新的想法可以现场马上改制程演示效果。 2、结构设计的不合理,通过运动仿真就可以提前发现。如果等购买设备组装后调机,发现问题,就提高成本和研发时间。 3、可以把仿真的逻辑图和决策图给非专业人士看,共同探讨运动控制的合理性。缩短现场设备的调机时间。 目前机器视觉领域,plc能做仿真但是无法和视觉检测引导以及各种检测传感器整合起来仿真。AutoVision是唯一一款能将所有软件模块和硬件整合起来的软件框架系统,能有效的组织各种软件算法模块和硬件进行仿真效果演示。 https://download.csdn.net/download/pww71/85093101 https://download.csdn.net/download/pww71/62047145 链接:https://pan.baidu.com/s/1vsTptn_pvtbK2sDhWVCZJg 提取码:1234
1
双目立体视觉是计算机视觉研究领域的重要分支之一,它通过直接模拟人类视觉系统的方式感知客观世界,广泛应用于微操作系统的位姿检测与控制、机器人导航与航测、三维非接触测量及虚拟现实等领域。因此,对双目立体视觉的深度感知与三维重建中的若干问题进行研究具有一定的理论价值和十分重要的现实意义。论文围绕双目立体视觉系统摄像机标定技术、匹配策略与匹配算法、深度信息提取及后续处理、重建方法等重点与难点问题展开研究
2022-06-14 13:05:27 12.63MB OPENGL 双目立体视觉
安装OpenCV和OpenCV Contrib的过程中会因为网络的问题导致一些文件难以下载,这里将这些文件打包好供直接下载。兼容OpenCV 3.x和4.x。
2022-06-14 10:36:30 93.2MB opencv 网络 人工智能 计算机视觉
1
人脸分类 Computer Vision项目,可在检测到面部后检测出情绪,年龄和性别。
2022-06-14 10:33:55 191.78MB python opencv machine-learning deep-learning
1
浅析计算机图形学、计算机视觉与可视化技术 作者:翟昊 来源:《中国科技纵横》2017年第01期 摘 要:在科技的带动下,计算机图形学、计算机视觉与可视化技术得以快速发展,并被应 用到各个领域,随着它们的应用,极大的推动了现代社会发展。为进一步了解这些技术 ,充分发挥其应有作用,本文将对计算机图形学、计算机视觉以及可视化技术展开研究 ,希望能为相关人士带来有效参考。 关键词:计算机图形学;计算机视觉;可视化技术 中图分类号:TM862 文献标识码:A 文章编号:1671-2064(2017)01-0054- 02 计算机图形学、计算机视觉以及可视化技术三者均是计算机领域重要组成部分 ,要做好计算机知识,就要先学好计算机图形学,但计算机图形学学习相对枯燥,尤其 是算法教学难以理解,为解决这一问题,计算机视觉与可视化技术被应用到计算机图形 学中。可见,三者之间存在一定的联系,因此,有必要对计算机图形学、计算机视觉以 及可视化技术展开研究。 1 计算机图形学概述 1.1 计算机图形学目的 所谓的计算机图形学实际上就是怎样利用计算机表示图形,并利用计算机完成 图形计算与处理,而这一过程的实现需要
2022-06-14 09:04:25 330KB 文档资料
这是一个基于pytorch的手写数字识别小项目,使用minist数据集进行训练,最高可达99%精度。 首先,此代码逻辑清晰,思路简单,便于用户修改(修改网络结构,优化器等),用户可在config.py文件中修改epoch、batch等配置参数,来达到更好的效果。 其次,该代码固定了各种随机初始化参数的种子,这样便于用户复现最好的效果。 最后,用户需要配置pytorch环境,再打开pycharm即可运行代码,无需任何修改。
2022-06-13 21:04:52 20.97MB python 计算机视觉 pytorch 人工智能