基于yolov5的目标检测和双目测距源码 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

通过对螺栓点云的处理计算螺栓的高度，可用于螺栓高度的比对，用于判断螺栓是否松了，里面包含halcon的算法hdev源码及对应的ply格式的点云数据，由于数据扫描用的3d相机精度不是很高，所以只是展示算法内容

Basler官方SDK,修改多集合相机使用，已应用项目中.

这是我认为比较系统介绍光源和镜头的了，内容比较详细，看这些能够解决机器视觉的光源选型问题，但是如果想要深入理解还需要学习光学知识。 这是我认为比较系统介绍光源和镜头的了，内容比较详细，看这些能够解决机器视觉的光源选型问题，但是如果想要深入理解还需要学习光学知识。

精确标定能够发挥出聚焦型光场相机在场景重建和非接触测量等方面的作用。而标定精度提升的关键之一在于精确的特征提取算法。为了提升特征检测的精度和效率,提出一种基于原始图的棋盘格角点检测算法。利用稳健的角点检测算子对原始图角点进行检测,并利用二维角点与三维光场圆域特征的对应关系进行角点筛选。然后,利用图像一致性对角点进行亚像素优化。进行了仿真角点检测实验和仿真标定实验,并基于R29聚焦型光场相机得到的重建角点进行了距离测量实验。实验结果表明,所提角点检测算法的精度高于现有算法,并证明了基于所提角点检测方法的标定算法能够得到更加精准的结果。

627页PYTORCH 官方教程中文版(1.9+CU10.2).pdf

基于mfchalcon引擎，使用者可以方便调用halcon代码，无需编译，提高效率，同时对软件的开发效率极大提高，可以随时修改halcon算法

机器视觉入门资料，常用相机镜头参数，供选型参考使用。

针对基于机器视觉的农业导航机器人在图像处理时易受光照变化影响和常规导航线检测算法实时性、稳健性不高等问题，提出了YCrCg颜色模型，选择该颜色模型中与光照无关的Cg分量进行后续图像处理，采用基于二维直方图的模糊C均值聚类法(FCM)进行图像分割，并根据图像中作物行的特点，提出了基于直线扫描的作物行直线检测算法。该算法将图像底边和顶边像素点作为直线的两个端点，通过移动上下端点位置产生不同斜率直线，选择包含目标点最多的直线作为作物行中心线。实验表明，不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行，处理一幅640 pixel×480 pixel图片耗时约为16.5 ms，直线扫描算法能快速准确的检测出导航线，与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。

创科智能机器视觉软件CKVisionBuilder使用手册，支持多任务多相机并行处理，可用于定位，测量，检测和识别，功能强大！