注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于窗口的密集点匹配及三维重建

  2. 介绍使用基于窗口的密集点匹配及三维重建的程序实现，程序使用OpenCV实现。

  3. 所属分类：专业指导

    • 发布日期：2010-08-26
    • 文件大小：2mb
    • 提供者：hailang

  1. 密集点匹配opencv程序

  2. 有简单介绍和源代码，主要基于opencv开发的。

  3. 所属分类：C++

    • 发布日期：2011-12-02
    • 文件大小：20kb
    • 提供者：hepei0016

  1. 密集点匹配

  2. 本文当是基于opencv的密集点匹配，虽是文档格式，但是里面有代码以及注释

  3. 所属分类：C++

    • 发布日期：2011-12-13
    • 文件大小：20kb
    • 提供者：lebei_le

  1. 基于Opencv的双目立体匹配及其重建

  2. 通过配置OpenCV，在VC6.0下实现双目立体匹配，包括基于稀疏点、密集点的匹配及其重建。

  3. 所属分类：C/C++

    • 发布日期：2012-03-21
    • 文件大小：5mb
    • 提供者：yzl1985yu

  1. 密集匹配算法

  2. 影像的密集匹配算法，包括原理、方法、步骤、优缺点

  3. 所属分类：C++

    • 发布日期：2012-09-28
    • 文件大小：31mb
    • 提供者：ljy_whu_2011

  1. 密集点匹配

  2. 密集点匹配的源程序 可以利用所有的图像信息进行匹配 很好用

  3. 所属分类：C++

    • 发布日期：2013-01-31
    • 文件大小：2mb
    • 提供者：hwwsjh

  1. 密集匹配文档

  2. 有关摄影测量里面密集匹配的最经典文章。必备呀。

  3. 所属分类：制造

    • 发布日期：2013-10-19
    • 文件大小：6mb
    • 提供者：mxl3456

  1. 倾斜影像自动空三及其在城市真三维模型重建中的应用_李德仁_肖雄武_郭丙轩_江万寿

  2. 提出了一种基于倾斜摄影的城市自动三维表面重建方法：包括倾斜影像自动匹配和区域网平差，多视密集匹配，poisson泊松表面重建，三维纹理映射。

  3. 所属分类：讲义

    • 发布日期：2016-06-12
    • 文件大小：1mb
    • 提供者：xiao_xiongwu

  1. 航空与卫星影像处理软件产品MASI用户手册

  2. 分别针对航空影像、卫星影像和无人机影像介绍了DSM自动提取、DSM自动生成DEM、正射纠正、卫星影像融合、立体/三线阵卫星像对自动定向、高度变化发现等模块，形成了航空影像、卫星影像和无人机影像完整处理流程；经过以上流程，可加工生成密集点云、DSM, DEM, nDSM, 正射影像、融合影像和高度变化图等。软件可支持Windows和Linux系列操作系统，可部署于单机多核计算机系统和集群计算机系统，多层级并行处理技术的应用可最大程度地发挥以上计算平台的性能优势。

  3. 所属分类：专业指导

    • 发布日期：2017-12-18
    • 文件大小：5mb
    • 提供者：jinghuiyang

  1. ICP匹配用的标定图网格点云通用生成代码（matlab）

  2. 在对点云数据进行ICP或者是SCALE匹配计算时常使用最优平面匹配，该txt内代码可用于生成标定板的密集插值点云，用于类似棋盘格图案的块间边界点云生成

  3. 所属分类：其它

    • 发布日期：2019-01-25
    • 文件大小：734byte
    • 提供者：qq_39790009

  1. 一种基于多视倾斜影像的PMVS改进算法

  2. 针对PMVS算法在多视倾斜影像密集匹配中的不足,结合城市三维建模的物方特点,将高程约束条件、聚类分析方法和候选影像排序策略引入其中,并用格网扩散代替原算法中的六方向扩散,从而形成了一种适合大倾斜影像的PMVS改进算法。实验结果表明:提出的改进算法能有效限制初始匹配的种子点个数,较大程度提高种子点的精度和质量,减小后续扩散和滤波的不确定性,使最终获得的点云个数增加78%,点云漏洞明显减少,甚至消失,为DEM生产和城市三维建模提供了一种新的技术手段。

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：750kb
    • 提供者：weixin_38684328

  1. OpenCV密集配准BM.cpp

  2. SGBM算法的密集匹配SGBM算法介绍 在OpenCV中使用函数StereoSGBM ( ) 实现了SGBM算法。SGBM 算法核心步骤为：选取匹配基元；构建基于多个方向的扫描线的代价能量和函数；求取能量代价和函数的最优解。OpenCV中SGMB算法的实现主要分为以下四个步骤： ①预处理 SGBM采用水平Sobel算子，把图像做处理，然后用一个函数将经过水平Sobel算子处理后的图像上每个像素点（P表示其像素值）映射成一个新的图像，表示新图像上的像素值。映射函数如下：

  3. 所属分类：C++

    • 发布日期：2020-01-02
    • 文件大小：4kb
    • 提供者：qq_25338597

  1. 基于时空相关的贝叶斯密集深度估计框架

  2. 深度视频对于动态3D视频的表示至关重要，而动态3D视频是快速增长的3D视频应用程序的基础。准确性和时间一致性问题是深度视频研究的主要关注点。在以前的工作中，具有全局优化的立体声匹配方法可以生成准确且密集的深度视频。然而，全局优化是计算密集型的，并且在优化过程中难以获得时间一致性。在本文中，提出了一种贝叶斯框架来以有效的方式生成精确的和时间上一致的密集深度视频。首先，使用来自不同视点的3D视频中的空间和时间相关性来生成深度候选，然后通过提取的特征进一步测量这些相关性。这些特征被用来估计我们的贝叶斯

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：896kb
    • 提供者：weixin_38508497

  1. 一种用于复杂街道场景重构的密集匹配算法

  2. 一种用于复杂街道场景重构的密集匹配算法

  3. 所属分类：其它

  1. 粗匹配的精细匹配

  2. 尽管已经在计算机视觉的各个领域中研究了匹配技术数十年，但是有效的密集通信仍然是一个未解决的问题。 在本文中，我们提出了一种简单但功能强大的匹配方法，该方法适用于光流和立体声匹配的从粗到细方案。 受最近邻域（NNF）算法的启发，我们的方法称为CPM（从粗到细PatchMatch），将有效的随机搜索策略与从粗到细的方案相结合，以实现高效的密集对应。 不像现有的NNF技术那样有效，但是由于缺少全局正则化而导致的结果通常过于嘈杂，因此我们提出了一种传播步骤，其中涉及在分层体系结构的相邻层之间限制随机搜索

  3. 所属分类：其它

  1. 基于密集多载波波形的谐振区雷达检测优化（英文）

  2. 区别于现有发射正交频分复用(OFDM)多载波波形的谐振区雷达系统(RRRS),提出了拥有比传统OFDM波形更窄频率间隔的密集多载波(DMC)雷达波形.在相同带宽内,DMC波形包含了更多的子载波,从而能提供更高的频率分集.为了进一步提高检测性能,提出了一种新的最优权重累积目标检测(OWATD)方法.该方法采用最佳权重系数来累积不同频率的电磁回波,分析了当回波信噪比(SNR)趋于无穷大时的极限检测性能,并给出了采用DMC的OWATD方法优于采用OFDM的匹配滤波方法的条件.仿真结果表明,DMC的目标

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：816kb
    • 提供者：weixin_38612437

  1. qdtrack：用于多对象跟踪的准密集相似性学习-源码

  2. 准密集跟踪 这是的纸质的正式实现。 我们介绍了一个，其中包含方法说明和跟踪可视化。 看一看！ 如有任何疑问，请转到“ 。 抽象的 相似性学习已被认为是对象跟踪的关键步骤。 但是，现有的多目标跟踪方法仅使用稀疏地面真实匹配作为训练目标，而忽略了图像上的大多数信息区域。 在本文中，我们提出了“准密集相似性学习”，它在一对图像上密集采样了数百个区域提议以进行对比学习。 我们自然可以将这种相似性学习与现有的检测方法结合起来，以构建拟密跟踪（QDTrack），而无需进行位移回归或运动先验。 我们还发现

  3. 所属分类：其它

  1. S2DHM：稀疏到密集的超列匹配，用于长期的视觉定位-源码

  2. 稀疏到密集的超列匹配，用于长期的视觉定位 这是3DV 2019论文《的官方资料库。 我们介绍了一种新颖的特征点匹配方法，适用于长期场景中的稳健而准确的室外视觉定位。 所提出的解决方案在具有挑战性的类别（如昼夜或跨季节变化）中，可以在几个室外数据集上实现最新的准确性。 在使用此代码库的的视觉本地化挑战中，拟议的方法名列第二，在夜间和乡村环境中获得了最新的结果。 内在可视化，用于（从左到右）Superpoint稀疏到稀疏匹配，具有超列稀疏到稀疏匹配的Superpoint检测以及稀疏到密集的超列

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：163mb
    • 提供者：weixin_42131352

  1. D3Feat.pytorch：[PyTorch] CVPR'20口头论文的实现-D3Feat：密集检测的联合学习和3D局部特征的描述https：arxiv.orgabs2003.03164-源码

  2. D3Feat存储库 CVPR'2020口头论文PyTorch实施，由白旭阳，罗自新，周雷，傅洪波，龙泉和太极郎撰写。 Tensorflow也提供 。 本文重点关注联合特征的3D点云密集特征检测和描述。 如果您发现此项目有用，请引用： article{bai2020d3feat, title={D3Feat: Joint Learning of Dense Detection and Descr iption of 3D Local Features}, author={Xuyang

  3. 所属分类：其它

  1. 基于混合内在映射的密集对应算法

  2. 3-D网格的紧密匹配是计算机视觉领域的重要研究课题。 在本文中， 我们提出了一种基于混合对应网格密集匹配算法的分层匹配管道。 首先，该算法在两个非等距的零类曲面之间找到​​一个内在映射。 其次，我们利用测量距离底部的性质来释放密集的对应表面。 一组实验结果表明，所提出的方法比ICP方法具有更好的逼近精度。

  3. 所属分类：其它

« 12 3 4 5 »