毕业设计 这是我使用“深度学习”的学士学位毕业项目的仓库。

二.国内外研究现状 近年来，国外已开发了一些基于双目视觉的道路车道线检测系统。其中，具有代表性有以下两种。 （1）LOIS系统：利用一种可变形的模板技术将道路曲率以及车辆在车道中的位置的确定转化为多维参数空间的最优化问题； （2）GOLD系统：采用双目立体视觉技术，利用定位道路表面油漆上的具有结构特征的道路标识来检测车道线，

机器视觉Halcon投影变换 *关闭当前显示窗口，清空屏幕 dev_close_window () *读取测试图像 read_image (Image_display, 'data/display.jpg') *将图像转化为灰度图像 rgb1_to_gray (Image_display, GrayImage) *获取图像的尺寸 get_image_size(Image_display,imageWidth, imageHeight) *新建显示窗口，适应图像尺寸 dev_open_window (0, 0, imageWidth, imageHeight, 'black', WindowHandle1) dev_display (GrayImage) *初始化角点坐标 XCoordCorners := [] YCoordCorners := [] *阈值处理，提取较暗的区域 threshold(GrayImage,DarkRegion,0, 80)

前言 本科期间学习过C语言，拿到了计算机二级证书，此外主要自学MATLAB和Python进行深度学习相关的编程。一直以为C++和C#与C语言大同小异，没有重视，在学校的项目需要用C++进行编程，并且甲方点名界面要用Qt做，觉得MFC太难看。也罢，近乎于从0开始，趁着新肺，在家自学C++与Qt，借此记录，欢迎大家交流。 一、开发环境 1、Windows 10 64位； 2、Qt 5.8.0（MINGW编译器，利用Qt Creator而不是宇宙最强IDE——vs）； 3、OpenCV 3.2.0 二、环境配置 参考的是：拜小白教你Qt5.8.0+OpenCV3.2.0配置教程(详细版) 虽然作者讲

适用于深度学习，机器学习的目标检测。风能是现代社会最重要的可再生能源之一,风能的主要利用形式是风力发电,风机叶片是捕获风能并将其转化为电能的主要部件,由于大多数的风电机组工作环境复杂恶劣,且长期承受交变负荷作用,使得在役风机叶片容易出现故障,从而降低风机发电效率、造成安全生产隐患,因此对风机叶片表面故障进行检测和识别显得尤为重要。2003年中国风电进入开始快速发展阶段，2018年中国风电容量赶超美国，成为全球第一，然而，我国早期投建的风机已逐步进入中老年。风机叶片在运行过程中，受台风，雷电，冰雪，盐雾等恶劣天气影响，加上长期使用工程中受到的交变载荷的作用，容易出现裂纹，砂眼，分层，脱粘等损伤，所以需要长期的巡检，探测外表缺陷，损害，并进行长期的运营保养。为解决风机运维成本高，检测效率低，缺陷识别难等

ORB-SLAM2安装指南，具体可参见博客中的详细介绍，按照步骤安装，可在Ubuntu14.04中运行ORB-SLAM2算法。

findimagedupes：查找视觉上相似或重复的图片

基于Python写的bresenham算法（未优化），有个小小的漏洞就是不能算斜率小于零的题。

C# OPENCV

OpenCV 3编程入门_毛星云编著_电子工业出版 包含pdf版电子书和程序源代码，更多情况可以参考浅墨_毛星云的csdn博客