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. LINGO软件的学习

  2. LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要 在该窗口内编码实现。下面举两个例子

  3. 所属分类：C

    • 发布日期：2009-08-08
    • 文件大小：312kb
    • 提供者：huxlaylyx

  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. 基于双目视觉的三维重建

  2. 基于双目视觉的三维重建，包含了重建过程中的基本步骤： 1、稀疏点匹配与重建（无图像校正）； 2、稀疏点匹配与重建； 3、密集点匹配

  3. 所属分类：C++

    • 发布日期：2012-08-27
    • 文件大小：3mb
    • 提供者：wxpleduole

  1. Microsoft SQL Server 2008技术内幕：T-SQL查询(第二卷)

  2. 注：分二卷，点击上传者查看第二卷地址。亲，本人纯手工添加了书签哦！！方便阅读 《Microsoft SQL Server 2008技术内幕：T-SQL查询》全面深入地介绍了Microsoft SQL Server 2008中高级T-SQL查询、性能优化等方面的内容，以及SQL Server 2008新增加的一些特性。主要内容包括SQL的基础理论、查询优化、查询算法及复杂度，以及在使用子查询、表表达式、排名函数、数据聚合和透视转换、TOP和APPLY、数据修改、分区表、特殊数据结构等实际应用时会

  3. 所属分类：SQLServer

    • 发布日期：2012-10-22
    • 文件大小：8mb
    • 提供者：lioubiya52

  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. 一种基于点特征的高精度图像配准方法

  2. 提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集 特征点, 利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像, 再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用 性。

  3. 所属分类：其它

    • 发布日期：2014-03-19
    • 文件大小：2mb
    • 提供者：liangshaner

  1. 密集点匹配经典算法

  2. This paper proposes a novel algorithm for calibrated multi-view stereopsis that outputs a (quasi) dense set of rectangular patches covering the surfaces visible in the input images.

  3. 所属分类：讲义

    • 发布日期：2015-07-14
    • 文件大小：6mb
    • 提供者：qq_29801425

  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. Visual SFM 三维重建.doc

  2. Visual SFM 作为经典密集点匹配的工具，可以很好地帮助我们理解和学习多视图像三维重建的过程和原理。

  3. 所属分类：教育

    • 发布日期：2020-01-25
    • 文件大小：1mb
    • 提供者：veneging

  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. 使用便携式四相机摄影测量系统中的多个立体声对自动进行3D场景重建

  2. 提出了一种有效的使用便携式四相机摄影测量系统（PFCPMS）的自动3D重建方法。 通过利用来自四台摄像机的互补立体声信息，开发了一种快速，高精度的特征点匹配算法，用于3D重建。 具体来说，我们首先利用一种投影方法来获得大量的密集特征点。 然后，应用约简和聚类处理来简化Delaunay三角剖分过程并为每个场景重建3D模型。 此外，提出了一种3D模型拼接方法，以进一步提高基于图像的方法的有限视野的性能。 在莫高窟的172个洞穴中进行的实验结果表明，该方法可有效地利用低成本的四相机摄影测量系统重建3D

  3. 所属分类：其它

  1. 基于线特征的城区激光点云与影像自动配准

  2. 鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点，通常采用基于特征的配准算法修正两者之间的转换关系，其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题，提出了一种基于道路线的机载激光雷达数据和高分辨率航空影像自动配准方法。该方法充分利用点云数据提供的高程与强度信息，提取出高精度的规则化道路矢量线；根据初始外方位元素建立点云数据和航空影像的近似变换关系，以道路矢量线在航空影像的投影位置为先验知识，采用改进的道路矩形整体匹配算法得到影像中的道路中心线，获取

  3. 所属分类：其它

  1. dextr：调用dextr模型的操作-源码

  2. DEXTR动作 使用对象中的极点（最左侧，最右侧，顶部，底部像素）作为输入，以获得图像和视频的精确对象分割。 DEXTR探索使用对象中的极端点（最左侧，最右侧，顶部，底部像素）作为输入，以获取图像和视频的精确对象分割。 为此，我们在卷积神经网络（CNN）的输入中向图像添加了一个额外的通道，该通道包含以每个极端点为中心的高斯分布。 CNN学会了将该信息转换为与这些极端点匹配的对象的分割。 我们演示了这种方法对引导分割（抓取样式），交互式分割，视频对象分割和密集分割注释的有用性。 我们证明，在广泛

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：861kb
    • 提供者：weixin_42098830

  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. 基于体素下采样和关键点提取的点云自动配准

  2. 针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：10mb
    • 提供者：weixin_38607864
« 12 »