自适应对象检测的Rebuild_Strong-Weak-Distribution-Alignment 这是个人论文的重建<用于自适应对象检测的强弱分布对齐>

基于C++平台通过第三方库opencv和ceres，利用SFM原理实现的多目视觉三维重建，结果通过bundle adjustment最小化重投影误差来优化结果

激光点云数据以其详尽、高精度的三维信息，在森林参数估算、精确重建植物形态结构三维模型方面具有特 殊优势。为进一步提高三维模型精度，综合集成多种算法，在改进现有PC2Tree 软件基础上，基于点云数据进行树 木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶; 其次采取水平集 和最小二乘法提取枝干部分的骨架点，通过下采样方法提取冠层部分的特征点; 最后根据骨架点和特征点拓扑结 构重构树木三维模型。以樟树为例，分析枝叶分割精度，自动分割与手动分割结果相近; 以无叶的鸡蛋花树为例， 分析重建模型精度，模型主枝长度相对误差范围集中在0 ～ 8. 0%，半径相对误差范围集中在0 ～ 10%; 枝条重建过 程避免了噪声点的干扰，对噪声点具有一定的不敏感性; 重建三维模型与原始点云吻合度高，基本解决了冠层内部 枝干遮挡严重带来的三维建模困难的问题; 依据模型提取树高、冠幅、胸径、体积等参数

针对柔性手术机器人较难实时获取末端柔性段位置和形状信息的问题,提出一种基于双目立体视觉技术的线驱动蛇形机器人形状重建算法。该算法采用双目摄像机采集20组蛇形机器人柔性段不同角度的图片信息作为样本,利用Matlab标定工具箱标定图片样本,提取蛇形机器人标记点特征与形状重建信息。标定好的三维立体视觉系统实时获取机器人柔性段关节标记点图像,根据获取的关节标记点信息实现曲线拟合和形状重建。实验结果表明:实验值和预测值存在一定的误差,但几乎在同一条曲线上,证明该方法应用的可行性。

项目名称 项目简介 现场版 该页面尚未部署。 反馈和错误 如果您有反馈或错误报告，请随时打开GitHub问题！ 贡献 如果您想为该项目做出贡献，则可以创建一个包含您建议的更改的“拉取请求”，我们将尽快对其进行审核！ 请首先查看我们的。 行为守则 与我们的社区互动之前，请阅读我们。 发牌 版权所有（C）2021 Nicholas Carrigan 该程序是免费软件：您可以根据自由软件基金会发布的GNU Affero通用公共许可证的条款（许可证的版本3）或（可选）任何更高版本来重新分发和/或修改它。 分发该程序是希望它会有用，但是没有任何保证； 甚至没有对适销性或特定用途适用性的暗示保证。 有关更多详细信息，请参见GNU Affero通用公共许可证。 完整的许可条款可以在查看 接触 可以通过或与我们联系。

结构光深度图像获取和处理与三维重建研究

非笛卡尔并行磁共振成像重建技术研究新进展.pdf,相对于传统的k空间笛卡尔采样，非笛卡尔采样能够使得k空间具有更高的覆盖效率，同时可以更有效地利用梯度系统性能，减少dB/dt值，避免引起人体不良的生理反应。k空间非笛卡尔采样和并行成像技术结合能够进一步提高成像速度，但是也使得图像域中的伪影模式更加复杂，因此非笛卡尔并行磁共振成像重建具有更高的技术难度。综述了目前几种典型的非笛卡尔并行成像重建技术，具体讨论了每种方法的技术细节和优缺点，包括敏感度编码（SENSE）、共轭梯度敏感度编码（CG SENSE）、非笛卡尔自标定并行采集方法（non Cartesian GRAPPA）、基于数据一致性的迭代方法（SPIRiT）和近年来发展迅速的压缩感知技术。SENSE和CG SENSE理论上可以获得最优的重建结果，但受制于线圈敏感度分布的准确测量；Non Cartesian GRAPPA无需测量线圈敏感度，但只能对特定的非笛卡尔采样模式进行近似计算；SPIRiT结合了SENSE和GRAPPA的优点，通过迭代优化方法可以获得较满意的结果；压缩感知技术利用图像的稀疏变换特性，配合现有的迭代优化并行成像方法可以进一步提升重建图像质量，将继续成为未来研究的热点。

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题，提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像，对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明，该方法可行有效，改善了图像的边缘特性及整体质量，与传统的POCS算法相比，本文方法提高了重建图像的峰值信噪比。

超分辨率图像处理 从几幅图象中提取像素合成新的比较清晰的图像-super-resolution image processing images from pieces of pixels from the synthesis of new clearer images 文件列表(点击判断是否您需要的文件): superresolution_v_2.0 .....................\.DS_Store .....................\application .....................\...........\.DS_Store .....................\...........\applicability.m .....................\...........\c2p.m .....................\...........\Contents.m .....................\...........\create_images.m .....................\...........\estimate_motion.m .....................\...........\estimate_rotation.m .....................\...........\estimate_shift.m .....................\...........\generatePSF.m .....................\...........\generation.fig .....................\...........\generation.m .....................\...........\gpl .....................\...........\html .....................\...........\....\.DS_Store .....................\...........\....\SR_about.html .....................\...........\....\SR_documentation.html .....................\...........\interpolation.m .....................\...........\iteratedbackprojection.m .....................\...........\keren.m .....................\...........\keren_shift.m .....................\...........\logo_epfl_small.tif .....................\...........\logo_warning.tif .....................\...........\lowpass.m .....................\...........\lucchese.m .....................\...........\marcel.m .....................\...........\marcel_shift.m .....................\...........\n_conv.m .....................\...........\n_convolution.m .....................\...........\papoulisgerchberg.m .....................\...........\pocs.m .....................\...........\robustnorm2.m .....................\...........\robustSR.m .....................\...........\shift.m .....................\...........\SR_about.m .....................\...........\SR_documentation.m .

ImageMatching格雷码图像匹配及三维重建，最后生成WRL格式点云，需安装VRML插件，和OPENCV