logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

计算机视觉-图像预处理

颜色空间颜色空间特点通道/要素一个像素颜色值取值范围RGB加法混色,彩色显示器Red/Green/Blue共3通道(b, g, r)[0, 255]/[0.0, 1.0]CMY(K)减法混色,印出Cyan/Magenta/Yellow/Key共4通道(c, m, y, k)[0, 255]/[0.0, 1.0]HSV人类视觉概念,画家配色...

opencv-边缘检测+获取轮廓

一、边缘检测OpenCV提供很多边缘检测的滤波函数,比如 Laplacian,Sobel,Scharr,Canny等。这些函数会将非边缘区域转化为黑色,将边缘区域转为白色或其他颜色**。但是,这些函数容易将噪声错误的识别为边缘,所以在进行边缘检测之前应该先对图像进行模糊处理。**import cv2img = cv2.imread('car.jpg', flags=cv2.IMREAD_...

计算机视觉-图像预处理

颜色空间颜色空间特点通道/要素一个像素颜色值取值范围RGB加法混色,彩色显示器Red/Green/Blue共3通道(b, g, r)[0, 255]/[0.0, 1.0]CMY(K)减法混色,印出Cyan/Magenta/Yellow/Key共4通道(c, m, y, k)[0, 255]/[0.0, 1.0]HSV人类视觉概念,画家配色...

计算机视觉-图像预处理

颜色空间颜色空间特点通道/要素一个像素颜色值取值范围RGB加法混色,彩色显示器Red/Green/Blue共3通道(b, g, r)[0, 255]/[0.0, 1.0]CMY(K)减法混色,印出Cyan/Magenta/Yellow/Key共4通道(c, m, y, k)[0, 255]/[0.0, 1.0]HSV人类视觉概念,画家配色...

四足机器人 1.稳定性标准

1.1 静态稳定性标准步行机器人稳定:如果步行机器人其重心(COG)的水平投影位置在由所有支撑足构成的支撑多边形内部,则步行机器人是静态稳定的。稳定裕度(SSMS_{SM}SSM​)(McGhee&Frank)从COG投影到支撑多边形的最短距离->稳定裕度短->机器人接近不稳定纵向稳定裕度(SLSMS_{LSM}SLSM​)(Zhang&Song)在机器人...

四足机器人 2.建模和步态规划

1.建模四足机器人建模:运动学建模和动力学建模四足机器人在运动过程中,与所处环境进行交互作用,为提高机器人运动的稳定性和适应性,需要整体考虑四足机器人的动力学模型、足-地接触模型和步态生成与变换模型。​运动学建模:D-H方法、李代数方法、螺旋理论​动力学建模:拉格朗日方法、牛顿-欧拉方法和汉密尔顿法运动学建模 D-H参数连杆序号杆件长度关节扭角关节距离关节转...

Webots学习笔记 6.轮式机器人建模和简单控制

轮式机器人建模和简单控制本章目标:建立如下图四轮小车,并进行简易操控对于分解机器人模型包含solid node和其派生节点的集合统称为solid node机器人模型由树状solid node组成,根节点为robot node。不同的solid node由joint node连结。device node应该是robot node或者joint node的子节点。joint node 被...

OpenCV-Python学习-基础知识

opencv是一个强大的图像处理和计算机视觉库,实现了很多实用算法,值得学习和深究下。1.opencv包安装这里直接安装opencv-python包(非官方): pip install opencv-python官方文档:https://opencv-python-tutroals.readthedocs.io/en/latest/2. opencv简单图像处理2.1 图像像素存储形式...

计算机视觉-神经网络与BP算法

神经网络定义大量(结构简单、功能接近)的神经元节点按一定体系架构连接成的网状结构。作用分类模式识别连续值预测目标建立输入与输出的映射关系神经元模型定义每个神经元都是一个结构相似的独立单元,它接受前一层传来的数据,并将这些数据的加权输入非线性作用函数中,最后将非线性作用函数的输出结果传递给后一层。非线性函数f称为激活函数。激活函数上图为两种激活函数,分别为sig...

计算机视觉-深度学习与传统神经网络的区别

与传统神经网络的区别区别神经网络深度学习网络架构3层以内可达上千层层间连接通常全连接形式多样:共享权值、跨层的反馈目标函数MSE(mean square error)CE(cross entropy)激活函数SigmoidReLU梯度下降方法GDAdam避免过适应凭经验Dropout目标函数Softmax层...

到底了