RabbitMQ is an open source message broker written in Erlang, currently under the wing of Pivotal Software. It's based around the AMQP open protocol, with official client libraries in Java, .NET, Erlang, as well as libraries for most other popular programming languages.

图像矩阵matlab代码使用自适应自动回归模型从RGB-D数据进行颜色引导的深度恢复 这是TIP 2014中“使用自适应自回归模型从RGB-D数据中进行颜色引导的深度恢复”中介绍的颜色引导的AR模型的C实现。原始作者提供的MATLAB源代码可在此处下载：。 我们的实现可以产生与其相同的结果。 所不同的是，我们使用C语言和稀疏矩阵来实现该方法，该方法更快并且可以处理更大的深度图。 如何使用 首先运行MexFile.m来编译cpp文件，然后运行main.m进行实验。 相关工作： “稳健的颜色导向深度图还原。”，刘伟，陈晓刚，杨杰和吴强。 在IEEE Transactions on Image Processing，26（1），315-327中。

simple_depth_registration 更快的ROS深度图像配准 这是一个用Python写的苗条的ROS库，用于计算RGB-D图像的深度值从RGB相机而不是IR相机的角度来看。 现有的解决方案（ depth_image_proc ）存在于包中，但是在处理密度深度图像时会遭受重大性能损失。 运行该节点 请参阅。 订阅的主题 /camera/rgb/image_raw （ sensor_msgs/Image ） RGB相机图像 /camera/depth/image_raw （ sensor_msgs/Image ） 深度图像 发表的话题 /simple_depth_registration/depth_registered （ sensor_msgs/Image ） 注册深度图像 /simple_depth_registration/info_image_unregister

Multipath Matching Pursuit with Depth-First (MMP-DF) 是一种贪婪算法，它为稀疏重建/近似问题提供近似解：min ||x||_0 使得 Phi * x = y。 该算法来自论文：[*] S. Kwon、J. Wang 和 B. Shim，“多路径匹配追踪”，IEEE Trans。 通知。 理论，卷。 60，没有。 5，第 2986-3001 页，2014 年 5 月。

NYU depth V2 数据集中包含 从3个城市拍摄的464个新场景，其中只有1449个被标记好的对齐RGB和深度图像，还有407,024个新的未标记帧。想要得到更多的用于深度学习训练的数据，需要对NYU depth V2中未标记的帧做处理

用matlab生成谐波代码根据未校准的单眼偏振图像进行线性深度估计 这是我们ECCV 2016论文“根据未校准的单眼偏振图像进行线性深度估计”的Matlab实现。 它还包括偏振图像分解（线性和非线性优化）的实现，两种从偏振形状比较的方法，简单的最小二乘表面积分方法（支持前景蒙版）和用于像素级镜面标记的基本方法。 注意：我正在清理代码并将其添加到存储库中。 我将继续更新已上传内容的列表。 到目前为止包含的内容： 比较方法 最小二乘积分器 极化图像分解 漫射偏振模型（偏振度到天顶角） 光源估算 极化高度 仍要添加： 镜面模型，镜面标签 边界先验（计算边界方位角和权重） 样本数据集 用于生成综合数据集和评估的代码 上传代码时，我将添加文档和演示脚本。 极化图像分解 您需要做的第一件事是将捕获的图像转换为3通道偏振图像。 执行此功能的是PolarisationImage.m。 输入为： images-3D数组，其中包含捕获的图像大小，这些图像的大小为cols by nimages angles-包含偏振器角度的长度为n的图像的矢量（我使用一个坐标系，其中偏振器角度是从向上的垂直轴测量的，如果从

c# in depth 3rd 深入理解c# 第三版英文版 内容清晰，易于阅读

kinect 深度图像的像素值等于计算的对象/表面深度。 但是，吸收或散射 kinect IR 的区域（如光滑表面或锐利边缘）填充为零像素值（表示未计算的深度）。 这些具有缺失信息的区域（由零值表示）需要在使用深度图像之前进行填充。 这个填充过程是通过用周围 25 个像素的统计模式替换零值像素来完成的。 使用统计模式比使用统计平均值返回更清晰的边缘，因为模式仅将周围 25 个像素中的最大出现值插入到中心像素。 用法：[Q,R]=Kinect_DepthNormalization(depthImage) 函数输入：Kinect 深度图像（16 位 png） 函数输出：替换为零值的深度图像，图像中检测到的零像素数。 笔记： 该代码是Karl Sanford在Code Project（ http://www.codeproject.com/Articles/317974/KinectD

深度转点云代码

C# in Depth 4th