为了准确测量待检测物体厚度, 提出了基于远心镜头的主动式激光三角测距的方法。而远心镜头采用平行投影的方式, 使得像点位移与物体高度变化之间呈现线性关系, 在此基础上建立了基于远心镜头的主动式激光三角测距模型, 探讨了光学系统误差、机器装置误差、图像处理误差等影响精度的因素。实验结果表明, 利用基于远心镜头的主动式激光三角测距的方法和补偿插值法得到的厚度测量平均误差能够达到5 μm以内。
2021-10-02 16:36:02
4.03MB
1
相对属性
用于图像分类和零镜头学习的视觉相对属性的Python实现
描述
此实现引用论文“ Relative Attributes, D. Parikh and K. Grauman, International Conference on Computer Vision (ICCV), 2011 。 作者给出的原始代码在matlab中。 此仓库包含用于从头开始使用牛顿优化来学习相对排名功能的python代码。 使用高斯混合模型的零射击学习也是在python中实现的。
实施细节
包含使用牛顿方法的rank svm的实现。
和 分别是用于零击学习的训练和测试文件。
此实现中使用了来自'PubFig'数据集的预提取要点特征。 要训练新的数据集， 模块和 可用于提取要点特征。
读取学习的排名功能，预处理的数据等，并将其保存在 目录。
2021-09-27 22:04:04
156KB
1
不可多得的源程序，亲自测试可以接收从电脑或是监控键盘来的pelco-d信号，并让其对应云台和镜头动作。
默认是按固定地址1，pelco-d，码率2400，采用芯片是89C51，兼容STC等各个厂家芯片。晶振采用11.0592; 如果采用别的，可自己更换部分代码。
2021-09-27 17:23:21
2KB
1
使用生成式对抗学习的3D医学图像分割很少
该存储库包含我们在同名论文中提出的模型的tensorflow和pytorch实现：
该代码在tensorflow和pytorch中都可用。 要运行该项目，请参考各个自述文件。
数据集
选择了数据集来证实我们提出的方法。 它包含10个标记的训练对象和13个未标记的测试对象的3D多模式脑MRI数据。 我们将这10个标记的训练数据分为两个模型的训练，验证和测试图像。（例如，2,1和7）13个未标记的测试图像中的其余部分仅用于训练基于GAN的模型。
数据集也用于测试我们提出的模型的鲁棒性。 它包含3种模式（T1加权，T1加权反转恢复和FLAIR）。 原始数据
2021-09-27 16:33:52
1.15MB
1
为了满足市场对微型、简单化手机摄像镜头的需求，运用光学设计软件CODE V，结合非球面透镜理论，设计出用于可见光波段且符合结构简洁、生产成本低的要求的手机定焦镜头。该镜头F数为2.05，视场角为62°，半像高为2.4 mm，系统总长度为5.59 mm。为了使结构紧凑并且最大限度地降低生产成本，在结构设计中采用非球面的塑料镜片。设计结果显示：镜头的适应像素尺寸是1.1 μm×1.1 μm，相应的尼奎斯特频率为454 lp/mm，在1/2尼奎斯特频率处绝大部分视场调制传递函数(MTF)值大于0.4，各个视场的横向像差均小于9.26 μm，均方根(RMS)半径都在艾里斑之内，畸变小于1%，获得良好的成像效果。
2021-09-25 19:09:02
2.7MB
1
opencv2_图像处理._去雾_均衡_镜头畸变_过度曝光、曲线调整、亮度饱和度增强等等绝对有用，没有我吃屎
2021-09-23 18:05:55
25.89MB
1
表面操作：缩放镜头
虽然您已经在新镜头向导中设定了您所期望的F/#，和视场角，但是您需要保证这个镜头的有效焦距为6mm。有一个方法可以来确定这些，那就是显示一个一阶（近轴）属性的窗口。
1．选择Display->List Lens Data>First Order Data
2021-09-22 13:23:39
45KB
1