赞
踩
图像灰度
均值是对平均灰度的一种度量,反映了图像的亮度,均值越大说明图像亮度越大,反之越小。图像灰度方差反映了图像像素值与均值的离散程度,标准差越大说明图像的质量越好。方差是对平均对比度的度量,每个像素点颜色相差越大,方差越大,观感上整幅图的对比度越大。如果图片看起来灰蒙蒙的,那方差就小;如果看起来很鲜艳,对比度很大,那方差就大。把电视机的亮度调高了,那均值就变大,但方差没变;把对比度调高了,那均值没变,但方差变大。采样间隔
值越小,空间分辨率(图像中可分辨的最小细节)越高,图像质量越好,图像数据量越大。(图像质量指人们对一幅图像视觉感受的主观评价)检测图像边缘
的数学方法:图像梯度、差分和卷积。有限差分滤波器、高斯滤波器、Canny边缘检测器。高通、低通滤波器
:频率低的地方是较平滑的,因为平滑的地方灰度值变化比较小;频率高处通常是边缘或者噪声,因为这些地方往往是灰度值突变的。灰度变换函数
:反转变换、对数变换、幂次变换、分段线性变换函数。图像量化
:数字化坐标值称为取样,数字化幅度值称为量化。分为:均匀采样和量化、非均匀采样和量化。灰度级(强度)量化,黑白、灰度、彩色图像的数字化。量化越细致,灰度级数(浓淡层次)表现越丰富。梯度下降法
:梯度下降法的计算过程就是沿梯度下降的方向求解极小值,它易陷入局部最优,不能保证全局最优解,主要是由目标函数的非凸性造成的。SLAM
:同步定位与建图(Simultaneous localization and mapping)。主要用于解决机器人在未知环境运动时的定位与地图构建问题。根据传感器不同分为:视觉SLAM、激光SLAM。ORB特征
:ORB算法分为特征点提取和特征点描述两部分。提取是由FAST算法发展来的,描述是根据BRIEF特征描述算法改进的。ORB特征包括特征点和描述子。特征点用于筛选比较“特殊”的点,而描述子用来描述某个点周围的特征。关键点:Oriented FAST;描述:BRIEF。ORB:旋转之后的BRIEF描述;BRIEF是一种二进制描述,需要用汉明距离度量。FAST:连续N个点的灰度有明显差异。Oriented FAST:在FAST基础上计算旋转。外参
:相机外参:相对于世界坐标系的旋转和平移,3×3旋转矩阵,3×1平移向量。相机内参:主点坐标、焦距、像素放大系数、倾斜(非矩形像素)、径向畸变。(相机矩阵、本质矩阵、基础矩阵)VO算法
通常可分为两类:视觉里程计Visual Odometry是SLAM的前端。特征点法、直接法和光流。(基于特征点、基于光度)SLAM后端优化
:以扩展卡尔曼滤波(EKF)为代表的滤波方法,以光束平差法BA和图优化为代表的非线性优化方法。相机畸变
:包括径向畸变和切向畸变,薄棱镜畸变。所谓畸变,就是指在世界坐标系中的直线转化到其他坐标系不在是直线。神经网络前向传播、反向传播
:利用误差反向传播算法进行反向计算的过程叫反向传播;前向传播比较简单,就是向量点乘(加权求和),然后经过一个激活函数,即由输入层逐渐向后计算,计算到输出层的方式,称为前向传播。池化、汇聚
:重叠池化(Overlapping Pooling)、最大池化(Max)、平均池化(Avy)、一般池化(General)、空金字塔池化(Spatial Pyramid)。池化:使图像变小,卷积核大小要能被图像size整除,每次移动步长为卷积核大小。正则化
:通过限制网络参数的稀疏性,可以来约束网络的实际容量。这种约束一般通过在损失函数上添加额外的参数稀疏性惩罚项实现。Dropout
:是防止过拟合的一种方法。假设网络间连接越少越好,在前向传播的时候,让某个神经元的激活值以一定的概率p停止工作,这样可以使模型泛化性更强,因为它不会太依赖某些局部的特征。训练时,减少每次实际参与计算的模型的参数量;测试时,Dropout会恢复所有的连接,保证模型测试时获得最好的性能。Dropout步骤:图像锐化与图像平滑
:(区别、关系)电磁波谱成像
:电磁波谱可以用波长、频率或能量来描述。光是可以被人眼感知的电磁波。 电磁波是能量的一种,任何有能量的物体,都会释放电磁波。统计排序滤波器
:一种非线性滤波器,它的响应基于图像滤波器包围的图像区域中像素的排序,然后由统计排序结果决定的值代替中心像素的值。立体视觉三角化
:迭代最近点ICP
:该算法一般多用于三维空间内点云配准,不仅适用于平面场景,还适用于曲线和曲面等场景。当点云配准的结果未满足理想精度的要求,通过 ICP 算法,在不断地迭代中降低误差,从而实现理想的精度值。初始的粗略匹配为之后的精准匹配提供了较好的初始位置,而 ICP 算法的作用是把误差进一步的缩小,以无限接近理想精度值。ICP 算法的核心在于不断地迭代,通过点与点之间的配准来进行旋转和平移,它的衡量标准基于最小二乘法,且点与点的距离要满足在一定的阈值范围内。总结:立体视觉中大基线和小基线
:小基线: 深度误差大。大基线: 搜索难题。SLAM方程
:神经网络过拟合或欠拟合
:激活函数
:帮助网络去理解、学习复杂的非线性函数输入会产生怎样的响应。Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。