搜索资源列表
StudyonStereoVision-basedCross-countryObstacleDete
- 本文提出了一种新的跨国家的障碍 检测技术为基础的立体视觉系统。 原始图像的预处理的高斯 过滤器和对比度限制的自适应直方图 均衡（ CLAHE ）方法来削弱作用 噪音，光线和对比度。哈里斯的角落位于与子像素精确。 -Cross-country intelligent vehicles always work in complicated environments with varying illuminations. The paper presents a n
RANSAC
- 随机抽样一致算法RANSAC，在图像配准中可以用于去除不精确的匹配点。-Random sample consensus algorithm RANSAC, in the image registration can be used to remove inaccurate matching point.
computer_vision_work
- 自动图像拼接，利用SIFT特征匹配算法，RANSAC(random sample consensus)算法，加权平滑算法等技术克服了传统图像拼接技术中的局限性(如光照、尺度变化的影响等)，实现了光照和尺度变化条件下的多视角无缝图像拼接-Automatic Image Stitching Local features detection Features Matching Homography Estimation RANSAC
Ransac.rar
- Ransic算法，RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法,Ransic RANdom SAmple Consensus
Ransac
- RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出[1]。 RANSAC算法经常用于计算机视觉中。例如，在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算。 RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范围很远、无法适应数学模型的数据)
siftPransac
- SIFT点提取，KD树特征匹配，再用随机抽样一致算法去除无匹配-SIFT extraction, KD tree feature matching, and then remove the non-random sample consensus algorithm matches
RANSAC
- 随机抽样一致性（RANSAC）处理程序，有效估计出模型参数，可自主设置迭代次数，收敛准则-Random sample consensus (RANSAC) process, effectively estimate the model parameters can be independently set number of iterations, convergence criteria
RANSAC
- 随机抽样一致性（RANSAC）算法MATLAB实现-Random sample consensus (RANSAC) algorithm based on MATLAB realization
GML_RANSAC_Matlab_Toolbox_0[1].2
- RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出-RANSAC is RANdom SAmple Consensus acronym, which is based on a set of sample data set containing abnormal data, a mathematical model to calculat
random-sample-consensus
- 随机采样一致性(RANSAC)算法代码，用C++实现，作者是Ziv Yaniv-Random sample consensus (RANSAC) algorithm code, using C++ implementation, the author is Ziv Yaniv
SURF-based-image-stitching
- SURF算法作为一种新近出现的特征提取方法，在重复度、独特性、鲁棒性3个方面，均超越或接近以往提出的同类方法，并在计算效率上具有明显的优势。本代码采用SURF算法检测图像并进行坐标变换与图像拼接。 采用SURF算法对图像进行检测，其主要是用Hessian矩阵对图像进行检测，对图像的特征提取之后找到图像的特征点。之后采用最近临快速匹配（NN）、随机抽样一致性（RANSAC）算法和最小二乘法参数优化（LM）对特征点进行提纯匹配。最后在两幅图像中进行坐标变换，达到统一坐标系和图像拼接的效果。
ransac_homography
- RANSAC Use RANdom SAmple Consensus to fit a line
image-mosaic.doc
- 图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。 一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。 在基于特征的配准算法的基础上,提出一种稳健的基于特征点的
laser-kinect-pointcloud-register-icp
- 针对三维重建中的点云配准问题，提出一种基于点云特征的自动配准算法。利用微软Kinect传感器采集物 体的多视角深度图像，提取目标区域并转化为三维点云。对点云进行滤波并估计快速点特征直方图特征，结合双向 快速近似最近邻搜索算法得到初始对应点集，并使用随机采样一致性算法确定最终对应点集。根据奇异值分解法 求出点云的变换矩阵初始值，在初始配准的基础上运用迭代最近点算法做精细配准。实验结果表明，该配准方法既 保证了三维点云的配准质量，又降低了计算复杂度，具有较高的可操作性和鲁棒性。
RANSAC
- RANSAC 它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法-RANdom Sample Consensus
ransac
- 隨機抽樣一致算法（RANdom SAmple Consensus,RANSAC）。它採用疊代的方式從一組包含離群的被觀測數據中估算出數學模型的參數。 RANSAC是一個非確定性算法，在某種意義上說，它會產生一個在一定機率下合理的結果，而更多次的疊代會使這一機率增加。-Ransac algorithm (RANdom SAmple Consensus, RANSAC). It uses an iterative way to estimate the parameters of the mathe
ransac_demo
- RANSAC在图像拼接中有所使用，有时候也在图像理解的相关算法中有所使用。(Random sample consensus (RANSAC) is an iterative method to estimate parameters of a mathematical model from a set of observed data)
基于SIFT算法的图像特征点提取与匹配
- 文章深入研究了 SIFT 特征点提取的原理及过程，以基于 K-D 树结构的近邻算 法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹 配，并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯，删 除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的 RANSAC 算法 效率降低、运算时间变长的情况，论文以视差梯度约束对粗匹配点对进行预筛选， 提升了 RANSAC 算法的效率。根据匹配点对空间位置关系得出图像之间的变换模 型；最后将图像