opencv 获得亚像素插值结果https://stackoverflow.com/questions/13299409/how-to-get-the-image-pixel-at-real-locations-in-opencv

传统方法VS深度学习方法传统方法与深度学习方法各自提升的方式传统方法：1.找到一个大体上符合问题的模型，得到参数与目标的函数关键，并优化求解。2. 改进：各自带有人类先验认知的小优化改进到上述模型中。因此，传统方法的核心在人类对目标问题的认知和建模，以及提出一种solver解决该模型。深度学习方法：首先确定我的问题和目标是否存在必然的关系，不需要建模问题到目标的模型，而是要建立问题到目标的合适的神

opencv 读取 16bit tif文件https://stackoverflow.com/questions/22009312/read-16-bit-tif-with-opencvopencv 支持读取16位png和32位tif，但不支持16位tif

Brute Force匹配（暴力匹配）和FLANN匹配区别

blender相机设置相机有的属性Blender 中的虚拟相机通常包含以下参数。Resolution X & Y，相机分辨率，如，1920 * 1080Type，相机类型，如，Perspective（透视相机），Orthographic（正射相机），Panoramic（全景相机）Focal Length，焦距Image Sensor Size，传感器尺寸Camera XYZ，相机在场景中的

特征匹配中图像矩阵欧氏距离的计算

计算相机焦距f相机焦距f通常以像素为单位，计算方法：根据相机焦距长度F（focal length，单位mm）和传感器孔径S（sensor size，单位mm）计算：图片宽高：width，heightf = max(width，height)*F/S根据相机焦距长度F（单位mm）和单位像素的长度L（单位mm）：f = F/L获得f单位为像素...

CUDA：nvcc编译参数示例前言nvcc中有控制程序兼容性的参数，本节主要讲这些参数，如果对原理想有了解见CUDA：NVCC编译过程和兼容性详解CMake中的参数写法和命令行的写法都有。多种编译写法虚拟架构+真实框架这种编译要编译成唯一的结果，即确定GPU对象，写法如下：set(CUDA_NVCC_FLAGS -arch=compute_60;-code=sm_61)...

将colmap空三导入blender主要问题是姿态系统的转换经实验发现：外参colmap的外参四元数计算得到的R为Rc2w，即相机到世界的R。Tx，Ty，Tz是原点在相机坐标系下的坐标，即P=[R|t]中的t相机原点在世界系下的坐标为：C = -Rw2c·t其中Rw2c=Rc2w的转置或逆内参blender不支持skew参数焦距f = len/senor_size_max_width_or_heg

视差图推出深度图相机成像的模型如下图所示：P为空间中的点，P1和P2是点P在左右像平面上的成像点，f是焦距，OR和OT是左右相机的光心。由下图可见左右两个相机的光轴是平行的。XR和XT是两个成像点在左右两个像面上距离图像左边缘的距离。若两个相机已经校正完成即达到极线平行，两条光轴方向也平行。则视差和物体深度的关系式如下：可推导其中d为视差根据公式易得，b,f是常数，Z与d成反比，...