该设计为某社区办公楼的电气设计。依据国家有关的设计规范和标准以及有关专业提供的设计资料，对该工程的强电系统及弱电系统进行设计。设计的主要内容包括低压配电和照明系统、有线电视和综合布线系统、防雷接地系统。

大数据-算法-鲁棒性稀疏表示深度图修复算法.pdf

realsense435i获取彩色图像以及对应的深度图和点云图

针对传统深度图超分辨率重建算法需要人工提取特征、计算复杂度较高且不容易得到合适表示特征的问题, 提出一种基于卷积神经网络(CNN)的深度图超分辨率重建算法。该算法不需要提前对特定的任务从图像中提取具体的手工特征, 而是模拟人类的视觉系统对原始深度图进行层次化的抽象处理以自主地提取特征。该算法直接进行从低分辨率深度图到高分辨率深度图的映射学习。映射由7个卷积层和1个反卷积层联合实现。卷积操作学习丰富的图像特征, 而反卷积实现上采样重建高分辨率的深度图。Middlebury RGBD数据集的实验结果表明, 该模型得到的峰值信噪比(PSNR)较传统双三次插值算法平均提高了2.7235 dB, 均方根误差(RMSE)平均降低了0.098; 与经典CNN算法相比, PSNR平均提高了1.5244 dB, RMSE平均降低了0.043。

用matlab实现由双目图恢复出场景视距图（深度图）的代码，亲测可用，提供大家参考参考。

该函数使用来自焦点的形状 [1] 从散焦图像序列中估计深度图和可靠性度量。 根据 [2]，可靠性测量值低于 20 dB 的像素的深度是不可靠的，应该丢弃。 此代码已在 [2] 和 [3] 中使用。 对于演示，只需运行'sffdemo' 参考： [1] SK Nayar 和 Y. Nakagawa，IEEE Trans。 帕特肛门。 马赫。 英特尔。 16(8):824-831, 1994。 [2] S. Pertuz、D. Puig、MA Garcia，焦点形状的可靠性测量，Image Vis。 计算。 31：725–734，2013年。 [3] S. Pertuz、D. Puig、MA Garcia，焦点测量操作符分析，用于焦点形状，模式识别。 46（5）：1415-1432，2013。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab 图像匹配和深度图计算程序 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

用matlab实现由双目图恢复出场景视距图（深度图）的代码，亲测可用，提供大家参考参考。

视频深度图——CS179项目 使用 Python 和 CUDA 生成实时视频深度图。 运行说明： 在项目根目录下； python scripts/run_disparity.py NOTE: stereo-video has to be located in $PROJECTROOT/videos/ subdirectory video must also be a juxtapose stereo video pair 依赖项： 可 Pip 的依赖项在requirements.txt中列出。 然而，这个项目也依赖于 OpenCV。 使用 Python3.4，我们选择使用 OpenCV 3.0.0-rc1，在 Ubuntu 15.04 (x64) 上从源代码编译。 安装脚本 opencv.sh 位于misc/ 。 脚本来自 注意：我们建议使用

使用联合边引导卷积神经网络的深度图上采样进行虚拟视图合成