机器人感知
该存储库展示了马里兰大学ENPM673课程中完成的项目。 本课程专门设计用于提供对机器人感知的见解，包括从最基本的主题（例如各种图像转换）到最新的算法（例如单眼视觉测距法）。 在本节中，将简要介绍本课程中完成的每个项目。 下面列出了本课程中完成的项目，请单击链接进入特定部分：
请注意，所有代码均已在MATLAB 2016b和MATLAB 2017a上进行了测试和运行。 还要注意，对于视觉里程表项目，您将需要Mathworks Inc.提供的MATLAB的Computer Vision工具箱。可以在找到。
增强现实
这是使用非常基本的概念（例如图像变换和单应性）来生成非常强大的结果（
2021-03-21 17:20:21
754.61MB
1
pcl_floor_extraction：使用RANSAC提取并查找与给定参考矢量具有相似方向的地板平面，并获取其法线矢量
2021-03-03 12:16:44
5.21MB
1
设计并实现了基于图像检索的地标识别系统。该系统通过捕捉地标的视觉特征，帮助游客或使用者更好地理解图像的内容并同时提供图像拍摄的地理位置信息。首先根据提取的SURF特征搜寻地标在数据库中的最优匹配，然后根据最优匹配结果给出输入地标在地图中的位置。系统采用的层次化数据库结构和分级检索方式，使得检索效率比传统的遍历检索方式提高30%。大量实验证明文中提出的算法具有鲁棒性和高准确性，该系统已在高校内部地标识别中测试使用成功。
2021-01-30 23:03:54
1.09MB
1
包含了从图像输入 到算子检测 ransac算法去除错误匹配点 以及视角转换 和单应矩阵 最后实现拼接
2020-05-08 21:03:00
284.65MB
1
基于SIFT算法的特征提取，RANSAC随机采样一致算法的图像配准、融合、拼接Python代码，里边用测试用例
2020-01-13 03:16:45
68KB
1
改进的基于SIFT和RANSAC的图像配准方法，王新年，张涛，为了提高图像配准精度，本文提出了基于改进的SIFT(scale invariant features transform)和RANSAC(Random Sample Concensus)的图像配准算法。该方法首先采�
2020-01-03 11:39:34
1.19MB
1