相对位姿测量算法【基于空间多点】 相对位姿估计的基本问题 已知：相机内参数；多个空间上的特征点(非共面)在目标坐标系(3D)和相平面坐标系(2D)坐标。 输出：目标坐标系相对相机坐标系的位置和姿态。 基本思想示意 线性求解 对每一个特征点，均有： 对每一个特征点，均有： 展开第一行 类似展开第二、第三行： 消去$Z_c$ 上二式右侧分母移到左边，得： 整理

坐标变换与摄像机模型图像变换模型【平移变换】 只改变图形位置，不改变图形的大小和形状. 代码及演示 import cv2 import numpy as np # 加载图片 source_image = cv2.imread('lena.jpg', 0) cv2.imshow('source', source_image) # 平移图片 rows, cols = source_image.s

光流估计【简介】 ​ 在计算机视觉中，Lucas–Kanade光流算法是一种两帧差分的光流估计算法。它由Bruce D. Lucas 和 Takeo Kanade提出。 【光流的概念】 (Optical flow or optic flow)它是一种运动模式，这种运动模式指的是一个物体、表面、边缘在一个视角下由一个观察者（比如眼睛、摄像头等）和背景之间形成的明显移动。 ​ 光流技术，

背景建模相对运动的基本方式 相机静止，目标运劢——背景提取(减除) 相机运劢，目标静止——光流估计(全局运劢) 相机和目标均运劢——光流估计 帧差法运动目标检测 ​ 如图可见，由目标运动引起的运动变化区域包括运动目标在前后两帧中的共同位置(图中黑色区域)、在当前帧中新显露出的背景区域和新覆盖的背景区域三部分。 【数学模型】$sign(x)=\begin{cases}1,&如果I

ORB角点检测【简介】 ORB（Oriented FAST and Rotated BRIEF）是一种快速特征点提取和描述的算法。 这个算法是由Ethan Rublee, Vincent Rabaud, Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFT or SURF”的文章中提出。 ORB算

概述 SIFT的全称是Scale Invariant Feature Transform（尺度不变特征变换），是由加拿大教授David G.Lowe在1999年在会议文章中提出，2004年发表在IJCV上。 是计算机视觉界近二十年来引用率最高的文章之一。 SIFT特征对旋转、尺度缩放、亮度变化等保持不发性，是一种稳定的局部特征。 SIFT的特征提取方面对计算机视觉近年来的发展影响深远，特别是几乎

Harris角点检测【原理】 人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就

Hough变换【简介】 Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。 【原理】 采用参数空间变换的方法，对噪声和不间断直线的检测具有

灰度阈值分割 假设：图像中的目标区和背景区之间或者不同目标区之间，存在不同的灰度或平均灰度。 凡是灰度值包含于z的像素都变成某一灰度值，其他的变成另一个灰度值，则该图像就以z为界被分成两个区域。 如果=1和=0，分割后的图像为二值图像 确定最佳阈值，使背景和目标之间的差异最大。 大津（Otsu）算法 确定最佳阈值，使背景和目标之间的类间方差最大 (因为二者差异最大)。 算法

简单描述【简单描述符】 区域面积：区域包含的像素数 区域重心： 注意：区域重心可能不是整数。 【形状描述符】 形状参数 注意：形状为圆形时：F=1；形状为其他时，F>1 偏心率：等效椭圆宽高比。 欧拉数：$E = C-H$ 圆形性： 一般化描述 最小包围矩形（MER） 方向和离心率 不变矩 首先定义归一化的中心矩 图像f(x,y)的p+q阶矩定义为：