棋盘识别 该项目重点介绍了采用计算机视觉技术处理棋盘图像并识别棋盘配置的方法。 尽管将棋盘检测用于相机校准是一个经典的视觉问题，但是现有的棋子识别技术在受控环境下仍能正常工作。 程序针对所选的彩色棋盘和一组特定的棋子而定制。 该项目中使用的方法通过使用聚类来分割棋盘和棋子，而与颜色方案无关，对现有研究进行了补充。 对于棋子识别，该方法引入了一种新颖的方法，该方法使用R-CNN训练鲁棒的分类器以处理不同类型的棋盘棋子。 与基于SIFT的分类器相比，该方法在不同种类的样本上表现更好。 如果扩展，这项工作对于记录动作和培训国际象棋AI以预测特定棋盘配置的最佳可能动作可能很有用。 方法堆栈： 获

计算机视觉：算法与应用-第二版英文-_Szeliski_CVAABook_2ndEd

1. 地图点相关 3. 用参考关键帧来跟踪 1. 理解地图点里成员变量的物理意义 2. 掌握BOW的原理及应用（重要） 3. 掌握关键帧跟踪原理（重要） 4.

基于PP-LiteSeg的框架下训练的仿真环境下的语义分割模型，本人对predict函数进行了爆改，来实现了低延时的实时语义分割。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126137279?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126137279%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=I6dOl

yolov5进行目标检测

Kinect 2.0 当做网络摄像头（WebCamera）使用，需要先安装此运行时。

工业环境老鼠目标检测数据，已标注VOC格式

在YOLOv7原始代码的基础上，配置好model，进行了简单修改；只需配置好环境后，直接运行detect.py，即可实现通过摄像头进行目标检测，种类多达81种，运行速度快，准确高，肥肠好用

爆改YOLOV7的detect.py，将其制作成API接口，可供其他程序调用，识别的过程中还会返回识别目标的详细信息（包括：种类、二维坐标位置、置信度），超低延时流畅运行。 博客：https://blog.csdn.net/weixin_51331359/article/details/126012620?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126012620%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=hPPve

ROS视觉信息 介绍 该软件包定义了一组消息，以统一ROS中的计算机视觉和对象检测工作。 概述 该软件包中的消息是为基于视觉的管道定义通用的向外接口。 这里的消息集旨在启用两种主要的管道类型： “纯”分类器，在给定单个传感器输入的情况下识别类概率 检测器，可识别类的概率以及给定传感器输入的那些类的姿势 类概率与ObjectHypothesis消息数组一起存储，该消息本质上是从整数ID到浮点得分和姿势的映射。 消息类型分别存在于2D（使用sensor_msgs/Image ）和3D（使用sensor_msgs\PointCloud2 ）中。 为每个对象存储的元数据是特定于应用程序的，因此此程序包对元数据的约束很少。 每个可能的检测结果必须具有唯一的数字ID，以便可以在结果消息中明确，有效地识别它。 然后可以从数据库中查找对象元数据，例如名称，网格等。 唯一的其他要求是元数据数据库信息可