移动端深度学习开源框架及部署 - 凌逆战 - 博客园

 欢迎关注计算机视觉life！导读为什么非得用双目相机才能得到深度？双目立体视觉深度相机的工作流程双目立体视觉深度相机详细工作原理    理想双目相机成像模型    极线约束    图像矫正技术    基于滑动窗口的图像匹配    基于能量优化的图像匹配双目立体视觉深度相机的优缺点---------------------------------------------------基于双目立体视觉

移动端深度学习开源框架及部署 - 凌逆战 - 博客园

BUILD文件中然后修改其他的参数，比如objc_library，可以添加自己需要的依赖库，还有自定义的文件名，还有依赖其他BUILD需要的库，修改后这样可以保证自己BUILD出的framework是个独立的个体，而且不会生成一些不需要的文件。前面其实已经可以运行不同功能的Demo了，那是一种真机测试的方式之一，还有一种方法，就是利用命令行，生成对应Demo的ipa，然后安装到手机上运行。首先，源

之后再遇见一样的错误，还是执行：brew install （缺少的库），直到下载依赖库不再报错，或者执行完一次：1、brew install （缺少的库），无论结果如何，接着执行：2、brew install opencv@3，看opencv@3结果缺少哪个库，然后多次执行1、2两个终端命令，直到执行：brew install opencv@3 不再error，那么执行。在这个版本上安装会失败！之

from：https://blog.csdn.net/gavin_john/article/details/515111801.XML历史gml(1969)->sgml(1985)->html(1993)->xml(1998)1969 gml(通用标记语言)，主要目的是要在不同的机器之间进行通信的数据规范1985 sgml(标准通用标记语言)1993 ht

本博客运行环境为Ubuntu18.04 下 Kdevelop。运行slam的一个cpp文件时，错误描述如下：OpenCV(3.4.1) Error: Parsing error (KITTI00-02.yaml(13): Incorrect indentation) in icvYMLParseValue, file /home/hadoop/opencv-3.4.1/modules/corec/

标准定义如下：对于取定的方向θ 和距离 d, 在方向为θ的直线上, 一个像元灰度为 i, 另一个与其相距为 d像元的灰度为 j 的点对出现的频数即为灰度共生矩阵第(i, j)阵元的值。怎样理解呢？看起来好复杂呀 呜呜呜小白理解：灰度共生矩阵就是整幅图像中，按照一定的平移方向，相距为d的两个像素同时出现的联合概率密度分布。怎么样？还是没办法深入理解那就上图吧怎样理解呢？...

from：https://blog.csdn.net/zhi_neng_zhi_fu/article/details/51029864模板匹配(Template Matching)算法模板匹配（Template Matching）是图像识别中最具代表性的方法之一。它从待识别图像中提取若干特征向量与模板对应的特征向量进行比较，计算图像与模板特征向量之间的距离，用最小距离法判定所属类别。模板匹...

from：https://blog.csdn.net/waeceo/article/details/50580607一、四个坐标系简介和转换相机模型为以后一切标定算法的关键，只有这边有相当透彻的理解，对以后的标定算法才能有更好的理解。本人研究了好长时间，几乎每天都重复看几遍，最终才会明白其推导过程。     我觉得首先我们要理解相机模型中的四个平面坐标系的关系：像素平面坐标系（u,v）、像平面坐标