标签：Machine Vision - FunnyWii's Zone

视觉

计算机视觉中的Affine和Perspective Transformation

Affine Transformation 仿射变换是在二维空间上对图像进行平移(Translation)、缩放(Scale)、旋转(Rotate)、错切(Shear)操作的组合。四种变换的矩阵形式分别为：平移:T_t = \begin{bmatrix} 1 & 0 & p_x \\ 0 & 1

140

算法

前言单目相机的目标距离估计本身就已经充满了挑战，那么目标的(相对)速度估计也必然是十分困难... 目前单目相机的相对速度估计算法可以分成两类：传统方法和深度学习方法。没错，什么任务都可以深度学习。传统方法中，最经典的是Mobileye在2003年的一篇论文中提出的算法。这个算法包含目标距离和速度

214

算法

车道线检测技术车道线检测技术是计算机视觉和自动驾驶领域中的关键技术之一，它能够帮助车辆在道路上识别和跟踪车道线，从而实现车道保持、辅助驾驶和自动驾驶等功能。车道线检测方法总体上可以分为传统方法和基于深度学习的方法。车道线数据集数据集数量尺寸场景特点 TuSimple 72k 1280

264

算法

方向的概念单目相机的 3D 目标检测，是从 2D 图像中估计目标的 3D BBox，包括位置、尺寸和方向。其中，目标方向估计是很重要的一环。在单目相机 3D 视觉检测中，需要先理解一组重要概念：Egocentric 自我中心和Allocentric 客体中心。这两个概念来自空间认知领域。Ego

162

算法

写在前面即便 CNN 检测出的 2D bbox 能为目标深度提供一些线索，后续的预测、规划和运动控制仍然需要更完整的 3D 信息，包括目标的位置、尺寸、方向和速度等。更何况，如果能够恢复目标的 3D 信息，对测距精度的提升也会有很大帮助。激光雷达和深度相机固然精度很高，但是贵。而且在 Lidar

392

算法

正文在 ADAS 中，测距这项需求一般源于自适应巡航控制（ACC）。ACC 是纵向距离控制，需要能够发现目标，测量相对速度和相对距离，并预测目标的运动轨迹。对于测距而言，最直接的方法是采用毫米波雷达、激光雷达和双目相机。那为什么还要用单目呢？核心原因还是成本。单目相机便宜、部署简单，但也带来两个

640

视觉

随便说说授课老师是 Professor Lyudmila Mihaylova，我们叫她mila。看名字应该是一个斯拉夫人，在大毛和二毛刚刚开打的时候，我们一致猜测她是大毛的，理由：NULL。 mila的声音轻轻的，而且本人看起来也十分的文静，可能从小到大是一个乖乖女吧。总之我十分敬佩这些从大毛二毛

65