搜索资源列表
AutoSelectScale-Cymometer
- 1. 测量方式可以随被测信号的频率变化自动进行切换，>1000Hz时，定时计数方式；<900Hz时，测周期,切换点可以随时自定义，可以做到最佳的匹配。 2. 可以通过改变晶振或者单片机来提高测量范围，有四个常用晶振的宏选择 3. 精度高，通过软件修正、再配合高频晶振以及更换单周期指令的单片机，高频时，可以做到+-2Hz的误差。-1. A measurement with the measured signal frequency changes automatic
source
- panorama [Implementation] *Feature Detection *Feature Matching *Cylindrical Warping *Alignment *Blending 大概流程是： *對每張圖算各自的feature point descr iptor *兩兩去比對特徵點，找到很像的特徵就當他們match *每兩張圖會有很多組match的特徵點，用這個去算圖片的轉換矩陣 *圖片轉換後縫起來，兩兩之間
c-program
- main函数中结构数组a中存储了5个职员的工资信息（这里称每个职员的工资信息为一条“记录”）。sift函数的形参cond接收筛选条件字符串，函数实现从s指向数组元素开始的n个元素中筛选出所有wage符合筛选条件的记录并将这些记录复制到res指向的结构数组。函数返回res数组中存储的记录数（筛选结果）。-The main function is stored in an array of structures a five staff wages (here referred to the inf
Prosac
- 用opencv2.3.1+vs2008实现PROSAC算法。PROSAC是比ransac算法更快的剔除无匹配算法。前提是，这种策略的前提是假定匹配度高的特征是内点的概率比匹配度低的特征要高。 -With opencv2.3.1+ vs2008 realize PROSAC algorithm. PROSAC is faster than ransac algorithm of eliminate no matching algorithms. Premise is, this strategy
shape-matching-by-shape-context
- 提出了用于形状匹配的自适应边界点选取的形状上下文方法! 首先"根据目标形状"自适应地确定边界点个数然后"利用选取的边界点"按照本文方法计算该目标的形状直方图最后"利用形状直方图计算不同目标之间的相似度!基于手写体数字的试验表明"形状上下文在有效描述目标的形状特征的基础"准确地计算了不同目标之间的相似度"达到了满意的匹配结果!-Adaptive boundary points for shape matching the shape of the selected context first of
wwcc
- 实现图像匹配，配准以及点的连接，有着很好的匹配效果，连接-Image matching, registration, and point of connection, has a very good match, the connection
icp
- 迭代最近点算法，用于匹配数据点集。matlab实现-Iterative closest point algorithm is used to match the data points. matlab implementation
qt_open_surf
- 在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法，sift算法比较稳定，检测到的特征点也比较多，其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进，其中比较出名的就是本文要介绍的surf算法，surf的中文意思为快速鲁棒特征。本文不是专门介绍surf所有理论（最好的理论是作者的论文）的，只是对surf算法进行了下整理，方便以后查阅。 该代码的作者给出的主函数实现了6中功能，包括静态图片特征点的检测，视频中特征点的检测，图片之间的匹配，视频与图片之间的匹配
sift_ImageProcessing
- sift特征点检测及图像拼接，matlab7.0实现的，我从别人那里整过来的，测试的话，用在matlab里面直接调用match( b1.jpg , b2.jpg )即可，我测试成功，里面也有说明文档，为了科研，共享，希望大家有好的代码都0分共享，与己方便，与人方便，中国科研才会发展更迅速-sift feature point detection and image stitching of, matlab7.0 realized, I come from others where the who
icp.m
- ICP(二个点集之间的匹配)，传统而重要的匹配方法-ICP (match) between two point sets, traditional and important match method
Shape
- 针对常见的几何形状匹配算法对目标遮挡较为敏感, 提出了一种基于角点匹配的几何形 状定位。 该方法首先根据边缘曲率提取图像的角点, 然后采用基于改进的投票策略的角点匹配算法对检测图与模板图进行匹配, 最后通过 Ransac算法去除错匹配。 实验表明, 该算法定位效果良好,有效地解决了目标部分遮挡问题。-A noval geometry shape position algo rithm based on point feature matching is proposed to solve t
matchfinal
- 在VC环境下实现指纹识别，输入一幅图像（库中存在的）会匹配出对应的图像。包括预处理（二值化、分割、均衡、去噪、增强、细化等），特征值提取，即为提取端点和分叉点坐标，特征匹配，最后输出对应的指纹编号。-In the VC environment realize fingerprint recognition, input an image (library existing) will match the corresponding image. Including pretreatment (b
3
- 输入： 自拍两幅同一个场景(或物体)的角度/远近有差别的图像 （对于学有余力的同学，建议多测试几张角度/远近差别较大的图像） 任务： 在每张图像中检测特征点位置并将匹配画出匹配得最好的10-20对特征点 输出要求（以下三个结果分别输出，不要重叠在一张图上）： 1. 在两张图上分别画出检测到的特征点位置 2. 对匹配得最好的10-20对特征点：每对特征点对用连接线画出 3. 用椭圆形式在图上画出上述每个特征点的描述子方向与尺度等信息 编程工具： Visual
surf
- 基于SURF的图像匹配，通过两个Web-camera构成的双目视觉系统实时提取图片进行匹配，并将相互匹配的匹配点在图像中显示出来-SURF-based image matching, real-time extraction of binocular vision system consisting of two Web-camera picture matching and mutual match match point in the displayed image
SSDA_picture_match_vc
- 序贯法；采用灰度值，各点灰度差值的绝对值之和，取一定阈值，超过阈值即可停止该块的计算，记录此时所计算的次数，次数越大说明越匹配，以最大次数的那次匹配位置为最终匹配点。速度得到很大提高。-Sequential method gray value, the absolute value of the difference of each gray and take a certain threshold value, exceeds a threshold value to stop the ca
huxaingguan
- 对2两个相似图像做互相关，然后求出最佳匹配点，再根据这个匹配点做相关处理。-Two similar images related to each other, and then find the best match point, then according to the point of this match.
pairwise_incremental_registration
- 基于PCL的对多幅点云图像进行匹配。对于图像处理很有用处-Match point cloud image based onmultiple PCL
SIFT_VC.rar
- sift算法，支持特征点提取，kdtree算法匹配的程序。,sift algorithm, program support feature point extraction, kdtree algorithm match.
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)
sift_MATLAB
- 基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration pro