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. 数码相机的定位2008年全国大学生数学建模A题一等奖

  2. 文运用相机标定模型确定了相机像平面的像坐标，利用本质矩阵标定双目相机，快速找出了相机的相对位置关系；利用MATAB软件和图像处理进行编程求解；通过对图像的预处理和灰度质心法对模型进行了验证，得出模型的精度。 针对问题一，根据数码相机的特点，提出了一个新的标定方法，建立相机标定模型，确定了靶标上圆的圆心在该相机像平面的像坐标，为问题二的计算提供了一个好的算法。 针对问题二，我们利用问题一建立的模型和方法运用MATLAB编程精确的计算了靶标上五个圆的圆心在像平面上的像坐标。 针对问题三，我们引入了

  3. 所属分类：其它

    • 发布日期：2009-09-03
    • 文件大小：463kb
    • 提供者：wanlifeng7030

  1. 计算机视觉 马颂德、张正友 pdf

  2. 目录： 第一章绪论 1·1生物视觉通路简介 1·2Marr的计算视觉理论框架 1·3本书各章内容简介 1·4计算机视觉的现状与阅读本书需注意的问题 思考题 参考文献 第二章边缘检测 2·1边缘检测与微分滤波器 2·2边缘检测与正则化方法 2·3多尺度滤波器与过零点定理 2·4最优边缘检测滤波器 2·5边缘检测快速算法 2·6图像低层次处理的其他问题 思考题 参考文献 第三章射影几何与几何元素表达 3·1仿射变换与射影变换的几何表达 3·2仿射坐标系与射影坐标系 3·3仿射变换与射影变换的代数表

  3. 所属分类：其它

    • 发布日期：2010-07-30
    • 文件大小：13mb
    • 提供者：zdragon2002

  1. essential matrix 本质矩阵

  2. essential matrix 本质矩阵essential matrix 本质矩阵essential matrix 本质矩阵

  3. 所属分类：C++

    • 发布日期：2011-01-19
    • 文件大小：1mb
    • 提供者：strongmission

  1. 基于注册系统采用范德蒙矩阵的软件权限控制

  2. 注册码的生成与验证，本质是加密与解密。在诸多的加密解密算法中，采用矩阵运算的算法具有速度快，占用内存资源少的优点。作者利用硬盘序列号的唯一性与不可更改性，构思了动态生成可逆范德蒙矩阵，又利用范德蒙矩阵的HL分解公式，构造注册码的生成算法，利用范德蒙矩阵构造注册码的验证算法。注册码由权限控制字符串加密生成；注册码验证时，把密文解密，与权限控制字符串进行比较，获得使用软件的相应权限。

  3. 所属分类：其它

    • 发布日期：2012-06-14
    • 文件大小：213kb
    • 提供者：hngzchina

  1. 对矩阵的理解

  2. 本文以大多数人都能理解的方式介绍了矩阵的本质，帮助初学者理解矩阵的内涵，变换等

  3. 所属分类：专业指导

    • 发布日期：2012-09-22
    • 文件大小：473kb
    • 提供者：wdsky2010

  1. 推荐算法中的LFM模型简介

  2. 最近几年做机器学习和数据挖掘研究的人经常会看到下面的各种名词，即隐含类别模型(Latent Class Model)、隐语义模型(Latent Factor Model)、pLSA、LDA、Topic Model、Matrix Factorization、Factorized Model。 这些名词在本质上是同一种思想体系的不同扩展，在推荐系统领域，提的最多的就是潜语义模型和矩阵分解模型。其实，这两个名词说的是一回事，就是如何通过降维的方法将评分矩阵补全。

  3. 所属分类：其它

    • 发布日期：2014-01-13
    • 文件大小：181kb
    • 提供者：tiansha781

  1. 基础矩阵或本质矩阵

  2. 基础矩阵是立体视觉中至关重要的矩阵，描述了双镜头的空间位置关系

  3. 所属分类：Java

    • 发布日期：2014-08-21
    • 文件大小：123byte
    • 提供者：ldishangtie

  1. 5pt-6pt-Li-Hartley

  2. 5pt-6pt-Li-Hartley 求本质矩阵 MATLAB代码

  3. 所属分类：其它

    • 发布日期：2015-08-30
    • 文件大小：112kb
    • 提供者：zqlchina

  1. findEssentialMat

  2. 基于opencv3的本质矩阵估计算例

  3. 所属分类：C++

    • 发布日期：2016-05-02
    • 文件大小：4mb
    • 提供者：j10527

  1. 改进八点算法求基础矩阵，再求本质矩阵及相机外参

  2. 用改进的八点算法求基础矩阵，进而求本质矩阵及相机外参。

  3. 所属分类：其它

    • 发布日期：2016-05-25
    • 文件大小：1kb
    • 提供者：st_glory

  1. 本质矩阵和基础矩阵推导过程

  2. 文章详细介绍了本质矩阵和基础矩阵的推导过程

  3. 所属分类：其它

    • 发布日期：2016-09-21
    • 文件大小：7mb
    • 提供者：xingyunfa

  1. 计算本质矩阵

  2. 通过opencv3.0，计算本质矩阵

  3. 所属分类：C++

    • 发布日期：2016-12-02
    • 文件大小：4mb
    • 提供者：gezhiyong1

  1. 基于opencv3的本质矩阵估计算例

  2. 基于opencv3的本质矩阵估计算例

  3. 所属分类：C++

    • 发布日期：2017-08-13
    • 文件大小：4mb
    • 提供者：qq_26697045

  1. 本质矩阵和基础矩阵详解

  2. 两个Projective Camera之间的点点对应关系是需要满足核线几何的，就像三点可以确定一个平面一样，8对匹配可以确定两个相机的核线几何.

  3. 所属分类：机器学习

  1. Visual Studio 2010 基于OpenCV 3.0.0的本质矩阵估计

  2. Visual Studio 2010 基于OpenCV 3.0.0的本质矩阵估计，内含源代码和所需材料，以及程序输出，和相应的环境配置，使用前请先阅读：运行本程序前请看程序说明.md文件（此文件可用文本编辑器打开）。

  3. 所属分类：机器学习

    • 发布日期：2017-12-18
    • 文件大小：195kb
    • 提供者：qq_32566687

  1. 基于旋转矢量的本质矩阵分解方法

  2. 基于旋转矢量的本质矩阵分解方法，张曦，，本文针对由运动重建物体结构（Structure From Motion，SFM）问题，重点讨论了在使用标定相机的情况下，如何通过两个视图恢复摄像机的运动

  3. 所属分类：其它

    • 发布日期：2020-02-21
    • 文件大小：714kb
    • 提供者：weixin_38717574

  1. 改进的八点算法求基础矩阵,再求本质矩阵及相机外参

  2. 改进的八点算法求基础矩阵,再求本质矩阵及相机外参

  3. 所属分类：其它

    • 发布日期：2016-05-24
    • 文件大小：1kb
    • 提供者：st_glory

  1. DSP中的解析DAM88C/1616C数字音频矩阵

  2. 数字音频计算机数据的存储是以0、1的形式存取的，那么数字音频就是首先将音频文件转化，接着再将这些电平信号转化成二进制数据保存，播放的时候就把这些数据转换为模拟的电平信号再送到喇叭播出，数字声音和一般磁带、广播、电视中的声音就存储播放方式而言有着本质区别。相比而言，它具有存储方便、存储成本低廉、存储和传输的过程中没有声音的失真、编辑和处理非常方便等特点。 　　音频行业最激动人心的事情莫过于数字音频矩阵产品的推出，数字音频矩阵以功能强大的硬件平台和智能化的设计操作软件，将原来一整个机柜的信后处理器

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：103kb
    • 提供者：weixin_38622611

  1. OpenGL ES 矩阵变换及其数学原理详解（五）

  2. 引子 向量刻画的是线性空间中的对象。 矩阵刻画的是向量在线性空间中的运动（变换，跃迁），相似矩阵本质上就是同一个线性变换的不同的描述。 在一个线性空间中，选定了一组基，对于任何一个线性变化都可以用一个确定的矩阵来描述 矩阵不仅可以作为线性变换的描述，而且可以作为一组基的描述，作为变换的矩阵，不但可以把线性空间中的一个点给变换到另一个点去，而且也能够把线性空间中的一个坐标系（基）表换到另一个坐标系（基）去。 当我们谈到向量时，一定要指定它所在的坐标系才有意义，比如向量b=(1,

  3. 所属分类：其它

    • 发布日期：2021-01-04
    • 文件大小：127kb
    • 提供者：weixin_38500090

  1. 空间相关的非负矩阵分解

  2. 矩阵的低秩逼近经常被用于信息处理任务中，并且近年来，非负矩阵因式分解（NMF）的直接解释性和出色的性能引起了人们的广泛关注。 当应用于图像处理时，普通NMF仅将$ p_1 \ times p_2 $图像视为$ p_1 \ times p_2 $维空间中的矢量，并且图像的像素被认为是独立的。 它没有考虑到以下事实：在平面中显示的图像本质上是矩阵，并且在空间上彼此靠近的像素可能相互关联。 即使每个图像有$ p_1 \ times p_2 $ .pixels，这种空间相关性表明实际的自由数要少得多。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：465kb
    • 提供者：weixin_38700240
« 12 3 4 5 6 »