0 简介： 本博文首发csdn链接：https://blog.csdn.net/qinqinxiansheng/article/details/112795823 本文主要介绍了多种基于颜色空间的肤色检测算法，并给出了C++的代码实现。方法包括以下六种： 1.基于HSV颜色空间的阈值肤色识别 2.基于RGB颜色空间的阈值肤色识别 3.基于YCbCr颜色空间的阈值肤色识别 4.基于YCbCr颜色
0 简介： 本博文介绍了如何利用opencv实现手势的分割与识别：首先在颜色空间中通过阈值分割和形态学处理得到手部区域，然后使用搜索该区域的轮廓，筛选后得到手部区域的外部轮廓，之后提取轮廓的Hu矩或者傅里叶描述子作为其描述子，最后通过KNN算法或者SVM算法进行手势的分类。 该内容首发在我的csdn博客上：https://blog.csdn.net/qinqinxiansheng/arti
python2和python3没太大区别, python2在虚拟环境配置上可能会有问题. 此处以安装opencv4为例(opencv4比opencv3能更好的的支持深度神经网络)安装开发工具: sudo apt-get install build-essential cmake unzip pkg-config 安装图片和视频的I/O库, 保证可以从磁盘中读取图像和视频 sudo apt-get
使用pip安装Opencv应该是最快最简单的安装方式了 pip install opencv-contrib-python 如果pip原始源下载慢的话可以考虑使用国内源: pip3 install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple 首先需要说明的是通过pip安装的opencv包不是官方编译好的op
本文借鉴文章，但是该文存在致命性问题，所以博主另开一版，来讲述如何在ubuntu16.04中安装cv_bridge。 使用ROS的时候只用了C++，没有发现cv_bridge这个坑，最近增加了一个使用pytorch的节点，为此使用Anaconda配置了一个只有Python3.5的环境，运行cv_bridge时出现报错 from cv_bridge.boost.cv_bridge_boost im
写在前面 前篇回顾： 【机器学习】模型的过拟合，欠拟合以及评估方法 【机器学习】性能度量：错误率与精度&&查准率、查全率与Fβ 在这片博客里我将记录模型评价的ROC曲线以及AUC面积的概念以及作用，并且同样以二分类任务为例介绍一个新的犯错成本不均衡的模型评价工具，那就是代价曲线 ROC于AUC 在这里我们要引入2个新的概念，那就是真正例率（True Positive Rate，
本文解决的问题：机械手搭载双目相机，手眼标定。本文有细致的推导过程，非常全面。 文章目录什么是手眼标定为什么会存在这个？相机的装载位置不在手上(eye-to-hand)在手上(eye-in-hand)正式开始验证结果1. 基础坐标系(求解baseHtool)2. camHcal相机到标定板3. 求解AX=XB李群李代数利用李群知识求解AX=XB求解旋转矩阵求解平移向量代码：用两组数据求解方程AX=
简单实现物体追踪 OpenMV简介 材料准备 OpenMV实现脱机运行 1.将OpenMV与电脑连接 2.使用IDE把色块追踪代码烧录到OpenMV 单片机准备好串口通信 OpenMV简介 open_mv是一款很方便的人工智能摄像头，自带很多ai算法，有很多应用的场景，今天我来教大家如何使用open_mv实现物体追踪、色块识别，并且把识别到的物品坐标信息通过串口传输给单片机等处
描述 Cmake工程指定依赖库的搜索路径，比如系统中有两个opencv版本，分别安装在不同路径下 比如，一个在 /usr/local下，另外一个在/home下，两个版本不同 那么如何使你的Cmake工程，使用指定opencv版本呢 方案 在CMakeLists.txt中这么写 set(xxx_DIR "xxxConfig.cmake文件所在的路径") 举例如果我想使用安装在某路径下的opencv
前言 本文开源代码地址：https://github.com/PaddleEdu/OCR-models-PaddlePaddle/tree/main/PSENetaistudio在线运行地址：https://aistudio.baidu.com/aistudio/projectdetail/1945560 论文分析 该论文解决了什么问题？ 首先文字检测一般有两种方法：1、 基于回归的方法，定位文字
去年参加魔方机器人大赛，今年又一如既往的参加了，期间其实有很多东西没有完全搞懂，在这里我自己给自己温习一下，顺便给大家分享一下自己的所得和感悟，希望能够给你一些帮助。我们队去年的魔方还原时间大概在14s左右，今年应该可以进6s。在我负责的视觉方面，可以做到在180ms内使用四个摄像头完成六个面的采集，并对颜色进行分类；
参考）YOLOv2训练自己的数据集（voc格式）进行实验，基本上是正确的，但其初始给出的代码并非是在linux下可以运行的，因此参考部分博客写了下面的程序，可以实现对文件夹内图片的批量读取以及更改名称符合VOC数据集习惯。另原文有部分小错误，本文已经修改，但后文属于转载，版权属原作者所有，本文仅为记录和交流用。如下文所示。 1 准备数据 首先准备好自己的数据集，最好固定格式，此处以VOC为例，采
写在前面 之前我已经写过一些树莓派通过python发送命令控制底盘子系统按照预定轨迹行走的博客了，传送门在下面： 1.STM32F427IIH6芯片通过DMA+USART(UART)与树莓派进行双工通信 2.购物机器人底盘控制之STM32F427IIH6芯片处理通信数据方案 3.树莓派中Python控制购物机器人完成预定轨迹行走 完成了底盘子系统的运动控制之后，就需要做图像识别了，那么完成图
目前，在网上大部分实现手势识别的算法，都是基于肤色检测和凸包检测。此算法虽然运算速度较快，但最大的弊端就是对手势背景要求较高（也就是说只要背景有跟皮肤类似的颜色出现，就很难将手势分割出来），抗干扰能力较差，且人体其他部位（如头部）对算法实现的影响也比较大。基于此，本文主要采取openpose中手部20个关键点检测，通过比较各个关键点之间的位置关系，来实现精度较高、抗干扰能力较强的手势识别算法。 o
第一部分：泰勒公式在高数中，引出相关需求，其描述如下： 对于一些较复杂的函数，为了便于研究，往往希望用一些简单的函数来近似表达。由于用多项式表示的函数，只要对自变量进行有限次的加，减，乘三种算数运算，便能求出它的函数值，因此我们经常用多项式近似表达函数。 简单说来，就是：在误差允许的前提下，我们用多项式(简单函数)来近似代替复杂函数，使得复杂函数的应用更加方便 所以说，泰勒公式是使用多项式对目标函
最近在用D435做物体识别抓取的时候发现二维坐标到三维坐标没有一个直接能用的从二维像素点坐标转换到三维坐标的ROS节点，自己之前写过的kinect V2的坐标映射的通用性太差，所以这次写了一个节点，利用深度相机ROS节点发布的深度与彩色对齐的图像话题和图像信息内外参话题，将二维坐标映射到三维坐标系。我挂上来的这个节点是将鼠标指向的二维坐标转换到三维坐标系下，并发布话题可视化到了rviz中，因为我自
本文借鉴文章，但是该文存在致命性问题，所以博主另开一版，来讲述如何在ubuntu16.04中安装cv_bridge。 使用ROS的时候只用了C++，没有发现cv_bridge这个坑，最近增加了一个使用pytorch的节点，为此使用Anaconda配置了一个只有Python3.5的环境，运行cv_bridge时出现报错from cv_bridge.boost.cv_bridge_boost impo
ZED摄像头 获得中心点深度，未考虑RGB与深度映射（可参考下面D415） #include <iostream> #include <fstream> #include <sstream> #include <algorithm> #include <dirent.h> #include <opencv2/core/core.hp
近期有一个项目用到了Azure Kinect，之前Kinect 1与Kinect 2均使用过的老用户，自然不能放过这个机会。为此专门对Azure Kinect进行了学习，以下是这次自己调研摸索的一些成果 Azure Kinect简介 在芯片顶级会议 ISSCC 2018微软亮相自家的一百万像素的 ToF传感器，与此在论文发表三个月后，小型化的 Kinect for Azure （K4A）工业用开发
1 概述 机器视觉就是用机器代替人眼和人脑来做测量和判断。机器视觉系统工作的基本过程是获取目标的图像后，对图像进行识别、特征提取、分类、数学运算等分析操作，并根据图像的分析计算结果，来对相应的系统进行控制或决策的过程。在很多机器视觉应用中，都需要用到机器视觉测量，即根据目标的图像，来得到目标在实际空间中的物理位置，最典型的如行走机器人、SLAM等。要根据图像中的目标像素位置，得到目标的物理空间位置
第三方账号登入
看不清？点击更换
第三方账号登入
QQ 微博