申明：本文非笔者原创，原文转载自：http://www.ihalcon.com/read-3733.html一、特征提取Feature Extraction：SIFT [1] [Demo program][SIFTLibrary] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [Op

申明：本文只是作者为方便知识积累，总结了很多SLAM大牛的文章要点。ＳＬＡＭ（Ｓimultaneous Localization and Mapping），主要有激光雷达和视觉传感器两个方向。视觉ＳＬＡＭ （Visual SLAM）包括单目、双目、使用景深摄像头的ＲＧＢ-Ｄ SLAM。

车辆检测在车辆感知模块中是非常重要的功能，本节我们的目标如下：在标记的图像训练集上进行面向梯度的直方图（HOG）特征提取并训练分类器线性SVM分类器应用颜色转换，并将分箱的颜色特征以及颜色的直方图添加到HOG特征矢量中对于上面两个步骤，不要忘记标准化您的功能，并随机选择一个用于训练和测试的选项实施滑动窗口技术，并使用您训练的分类器搜索图像中的车辆

摄像头是ADAS核心传感器，相比毫米波雷达和激光雷达，最大优势在于识别（物体是车还是人、标志牌是什么颜色）。汽车行业价格敏感，摄像头硬件成本相对低廉，因为近几年计算机视觉发展迅速，从摄像头角度切入ADAS感知的创业公司数量也非常可观。

Haar特征提取

归一化（Normalization）与标准化（Standardization）

1 均值均值表示信号中直流分量的大小，用E(x)表示。对于高斯白噪声信号而言，它的均值为0，所以它只有交流分量。2 均值的平方均值的平方，用{E(x)}^2表示，它表示的是信号中直流分量的功率。3 均方值均方值表示信号平方后的均值，用E(x^2)表示。均方值表示信号的平均功率。信号的平均功率 = 信号交流分量功率 + 信号直流分量功率例如：x、y、z 3项求均方值。均方值=（x的平方+y的平方+z

摄像头是ADAS核心传感器，相比毫米波雷达和激光雷达，最大优势在于识别（物体是车还是人、标志牌是什么颜色）。汽车行业价格敏感，摄像头硬件成本相对低廉，因为近几年计算机视觉发展迅速，从摄像头角度切入ADAS感知的创业公司数量也非常可观。

首先申明：此坐标系是针对车辆而设定的，对于无人机来说是不同的。pitch()：俯仰角，pitchAngleC2W (orientation radian Y)yaw()：航向角，yawAngleC2W (orientation radian Z)roll()：横滚角，rollAngleC2W (orientation radian X)...

文章转自：https://blog.csdn.net/yunpiao123456/article/details/52437794###一、卷积神经网络的基本概念       受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸