基于HALCON 20.0和VS2019，C#中直接使用HSmartWindowControl高级控件，可以直接对图片进行鼠标拖动及滚轮缩放功能，双击图片可恢复默认图像尺寸和比例，非常方便。
代码中以模板匹配功能为例，提供了整套应用流程，可供初学者参考。
解决了HSmartWindowControl控件无法正常使用绘图功能的缺陷，采用巧妙方式进行ROI绘制和模板生成。
2022-11-11 09:19:30
643KB
1
机器人大牛Peter Corke的经典之作，内容涵盖机器人学（工业机器人，移动机器人，飞行器等等），机器视觉，机器人控制和算法。同时还有matlab机器人工具箱和机器视觉工具箱的实例代码，是一本全面而详细研究机器人方向的入门书籍。
2022-11-10 15:54:29
3.84MB
1
在机器视觉检测中，图像光照不均匀现象会增加后续处理的难度，因此需要对其进行有效的阈值分割。算法通过窗口分割提取原图的背景灰度图后，结合局部对比度调整系数，对图像进行背景均匀化处理，然后进行全局阈值分割。实验对具有典型光照问题的高分辨率线纹尺图像处理效果良好，平均时间在0.5 s以内。通过与其他几种算法的对比，证明了本算法处理效果最佳，所耗时间满足实时性，为目标的进一步测量工作奠定了良好的基础。
2022-11-09 16:37:01
1.23MB
1
LS3D-W 是个大规模人脸对齐标注数据集，由诺丁汉大学计算机视觉实验室创建。人脸图像来自AFLW, 300VW, 300W和FDDB，人脸对齐采用68点标注法，一共包含了大约 230,000 人脸精准标记图像，通过论文《How far are we from solving the 2D \ 3D Face Alignment problem?》中的方法生成。
2022-11-08 20:09:41
2GB
1
根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背景中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G>R且G>B,则将该像素值置1(杂草),否则为0(背景),从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用Visual C + +开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然光变化。除草机器人机械臂能够准确定位,完成除草动作。
2022-11-07 17:33:37
1.8MB
1
针对现有点云配准算法不能很好地同时解决点云模型变尺度和配准精度等问题,提出一种变尺度的两阶段点云模型配准算法。第一阶段加入动态的尺度因子,粗略估计并调整目标点云模型的尺度;然后将空间旋转变换三个角度进行格点划分,以30°为格点间距,这提高了算法的收敛速度并避免陷入局部最优,为第二阶段配准提供良好的初始位置。在尺度迭代最近点(SICP)算法基础上对第二阶段进行优化,以此对点云模型进行更加精准的匹配。对不同配准算法进行了综合对比实验,结果表明,在两个点云模型间存在较大刚体变换且尺度显著不同的情况下,所提算法的配准误差数量级为10 -30~10 -4。
2022-11-01 17:05:30
10.73MB
1
包括：
1.yolov5 +sgbm算法集成
2. C++实现sgbm
3.python 实现sgbm
4. jetson tensort 部署
项目参考博客：https://blog.csdn.net/weixin_38346042/article/details/126807379?spm=1001.2014.3001.5501
2022-10-28 17:05:23
509.99MB
运行顺序：
1. 原始训练，得到一个最优mAP等评价指标
2.通过调整BN稀疏值sr，运行train_sparity.py稀疏训练得到一个稍微小的模型
3. 将训练好的last.pt 放到prune.py 中进行剪枝，控制剪枝率；
4. Finetune得到最优模型
2022-10-28 17:05:22
94.82MB