分享课程——PyTorch入门到进阶 实战计算机视觉与自然语言处理项目，完整版15章，附源码。 课程结合多个计算机视觉、自然语言处理实战案例、掌握同类型项目开发，在项目成型的过程中，带你熟悉企业项目的开发流程。 PyTorch是深度学习的主流框架之一，新手入门相对容易。课程将算法、模型和基础理论知识进行有机结合，结合多个不同的CV与NLP实战项目，帮助大家掌握PyTorch框架的基础知识和使用方法，带大家较平稳地入门深度学习领域。

Basler官方SDK,修改多集合相机使用，已应用项目中.

FS2K人脸素描数据集，正确的数据集切分代码 原开源项目链接https://github.com/DengPingFan/FS2K/ ，它提供的数据集有误，切分代码有误，现已修正。

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。

快速查找halcon的函数

内含串口、键盘、MPU6050、超声波、OLED、LCD、PWM波输出等模块，和OpenMV源码，可以实现识别矩形、圆形、三角形以及红色、绿色、蓝色等。OpenMV和单片机通过串口通信。

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。

视觉伺服技术在诸多工业场景中都有相当大的应用前景。传统的视觉伺服方法，通常要求使用高帧率的相机来实现高精度的视觉伺服。高帧率相机的成本之高，使得一般工业用户望而却步。提出了一种新的视觉伺服控制方法，该方法将机器人的运动反馈与视觉传感信号进行了融合，用来产生机器人的运动控制信号。与传统的仅基于视觉反馈伺服的控制方法相比，新方法的运动控制频率与视觉反馈频率（即相机帧率）无关，因此能在低相机帧率条件下，实现高精度的动态视觉伺服。概述了新视觉伺服方法的控制架构，通过动态物体跟踪实验证明了新方法的可行性，并通过性能测试实验说明了新方法在低帧率条件下仍能实现较高精度的视觉伺服。

Good Features to Track LVI-SAM中视觉里程计的角点特征提取方法

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 该开发包合集，是笔者花了2天时间，从OpenCV官网陆陆续续下载下来最新稳定版本，内容包括： Windows和Linux平台源代码： opencv-4.6.0.zip opencv-4.6.0.tar.gz Windows、Android、IOS平台的SDK安装包： opencv-4.6.0-vc14_vc15.exe opencv-4.6.0-android-sdk.zip opencv-4.6.0-ios-framework.zip