北京航空航天大学《机器视觉》大作业《基于2D靶标的摄像机标定》

如果你没有积分下载，可在我的微信公众号后台回复“数字图像”获取

数字图像处理：第二章 图像和视觉基础.ppt

ABB 视觉程序 机器人发给相机: TTxx 触发拍照识别 xx 模版。 相机反馈给机器人： 1,1,0（1OK/2NG,1~9 号产品，备用） MODULE Unnamed CONST robtarget Photo1:=[[1455.62,1803.99,423.47],[0.00741246,0.905611,-0.423837,0.0132753],[0,-1,- 1,0],[9E+09,9E+09,9E+09,9E+09,9E+09,9E+09]]; CONST robtarget Photo2:=[[1455.62,1803.99,423.47],[0.00741264,0.905611,-0.423837,0.0132752],[0,-1,- 1,0],[9E+09,9E+09,9E+09,9E+09,9E+09,9E+09]]; CONST robtarget Photo3:=[[1455.62,1803.99,423.47],[0.00741246,0.905611,-0.423837,0.0132753],[0,-1,- 1,0],[9E+09,9E+09,9E+0

apriltag 标签 tag36h11

opencv视觉图像处理多种方法

Dependency Opencv Keras(theano-backend " tf data order") Numpy

针对星空背景下卫星跟踪中运动小目标与伪目标交会造成的跟踪漂移问题, 提出一种基于多域卷积神经网络(MDNet)与自回归(AR)模型的空中小目标自适应跟踪方法。 对用MDNet采集到的图像序列第1帧的正样本进行bounding-box回归模型训练; 再训练用最小信息准则和最小二乘法确定阶数和参数的AR模型, 估计目标运动轨迹并预测目标位置; 最后, 将该目标位置作为MDNet的采样中心, 约束采样候选区域, 用bounding-box回归模型调整目标位置。 实验用8种跟踪方法测试了8组场景复杂的视频序列, 结果表明, 本文方法的成功率及平均覆盖率均显著高于其他7种典型算法, 具有较高的精确性和稳健性。

内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。

机器视觉技术与应用实战-课件PPT.rar