搜索资源列表
Research-on-Optimization
- 介绍了基于模型的位姿估计中所使用的一些优化方法。为了提高位姿估计的精度, 摄像机的标定参数必须足够精确, 这就对标定过程的非线性优化算法提出了很高的要求, 采用了一种新的优化目标函数, 用来最小化控制点间的三维重建误 差, 从而使标定参数是全局最优 在双像机位姿估计中, 引入了实时遗传算法进行全局搜索, 加快了算法的收敛速度。最后的 实验证明了这些方法的正确性并显示出这些方法在精度上比传统方法有了较大程度的提高- It int roduces s ome opt imizat ion
Intelligent-Vehicular-Visual-
- 基于特征的视觉里程计系统主要由特征检测与跟踪模块以及位姿计算模块两部分组成.为分析车载视觉里程计系统中引入车辆运动学约束的位姿计算算法性能,根据摄像机成像及视觉几何学原理,采用Matlab结合车辆动力学仿真软件CarSim建立车载视觉里程计仿真平台.该仿真平台由车辆运动仿真模块、成像仿真模块、数据显示与分析模块组成,仿真平台的测试对象为视觉里程计的位姿估计算法模块.该仿真平台充分考虑车载视觉定位系统的运动特性,为研究车辆运动学约束在视觉里程计系统中的应用提供新的思路和工具.对提出的一种全新的基于
occlusion-refer2
- Face recognition [1], the least intrusive biometric technique in terms of acquisition, has been applied to a wide range of commercial and law enforcement applications. State-ofthe- art face recognition systems perform with high accuracy under
SLAM
- 本文研究了基于多传感器组合导航方法的SLAM，由于移动机器人无法通过单个传 感器得到可靠的信息，采用多传感器组合导航的方法可以很好的解决这个问题。本文用单个 CCD摄像头和里程计组合进行SLAM研究，并得到更准确的机器人位姿信息。首先用SIFT 算法对不同图像进行特征提取和匹配，得到本质矩阵，对它进行分解，可得到机器人的旋转 矩阵和平移向量(和实际相差一个比例因子)。然后，将它与里程计信息结合，得到机器人的 位姿。在此基础上，可以得到特征点在当前摄像机坐标系中的三维坐标，即创
halcon手眼标定培训班讲义
- halcon培训班内部用的讲义，主要包括：01 手眼标定的线性代数基础知识；02 手眼标定的3D知识；03 手眼标定的3D位姿；04 手眼标定之介绍；05 手眼标定之摄像机内参和外参；06 手眼标定之机器人位姿设置；07 六轴关节机器人手眼标定执行和结果保存实例；08 六轴关节机器人手眼标定之目标抓取实例；09 SCARA机器人手眼标定执行和结果保存实例；10 SCARA机器人手眼标定之目标抓取实例(Halcon internal training for handouts,