文章-用户中心-马春杰杰

[mcj]计算机科学最佳论文奖汇总（自1996年起至2018年）

Best Paper Awards in Computer Science (since 1996) By Conference: AAAI ACL CHI CIKM CVPR FOCS FSE ICCV […]

2019年03月20日

533

221

[mcj]Opencv张正友相机标定傻瓜教程附代码！

opencv版本为：2.4.10 贴代码：

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <fstream>
using namespace cv;
using namespace std;
void main()
{
    ifstream fin("calibdata.txt"); /* 标定所用图像文件的路径 */
    ofstream fout("caliberation_result.txt");  /* 保存标定结果的文件 */    
    //读取每一幅图像，从中提取出角点，然后对角点进行亚像素精确化    
    cout<<"开始提取角点………………";
    int image_count=0;  /* 图像数量 */
    Size image_size;  /* 图像的尺寸 */
    Size board_size = Size(4,6);    /* 标定板上每行、列的角点数 */
    vector<Point2f> image_points_buf;  /* 缓存每幅图像上检测到的角点 */
    vector<vector<Point2f>> image_points_seq; /* 保存检测到的所有角点 */
    string filename;
    int count= -1 ;//用于存储角点个数。
    while (getline(fin,filename))
    {
        image_count++;        
        // 用于观察检验输出
        cout<<"image_count = "<<image_count<<endl;        
        /* 输出检验*/
        cout<<"-->count = "<<count;        
        Mat imageInput=imread(filename);
        if (image_count == 1)  //读入第一张图片时获取图像宽高信息
        {
            image_size.width = imageInput.cols;
            image_size.height =imageInput.rows;            
            cout<<"image_size.width = "<<image_size.width<<endl;
            cout<<"image_size.height = "<<image_size.height<<endl;
        }
        /* 提取角点 */
        if (0 == findChessboardCorners(imageInput,board_size,image_points_buf))
        {            
            cout<<"can not find chessboard corners!\n"; //找不到角点
            exit(1);
        }
        else
        {
            Mat view_gray;
            cvtColor(imageInput,view_gray,CV_RGB2GRAY);
            /* 亚像素精确化 */
            find4QuadCornerSubpix(view_gray,image_points_buf,Size(11,11)); //对粗提取的角点进行精确化
            image_points_seq.push_back(image_points_buf);  //保存亚像素角点
            /* 在图像上显示角点位置 */
            drawChessboardCorners(view_gray,board_size,image_points_buf,true); //用于在图片中标记角点
            imshow("Camera Calibration",view_gray);//显示图片
            waitKey(500);//暂停0.5S        
        }
    }
    int total = image_points_seq.size();
    cout<<"total = "<<total<<endl;
    int CornerNum=board_size.width*board_size.height;  //每张图片上总的角点数
    for (int ii=0 ; ii<total ;ii++)
    {
        if (0 == ii%CornerNum)// 24 是每幅图片的角点个数。此判断语句是为了输出 图片号，便于控制台观看
        {    
            int i = -1;
            i = ii/CornerNum;
            int j=i+1;
            cout<<"--> 第 "<<j <<"图片的数据 --> : "<<endl;
        }
        if (0 == ii%3)    // 此判断语句，格式化输出，便于控制台查看
        {
            cout<<endl;
        }
        else
        {
            cout.width(10);
        }
        //输出所有的角点
        cout<<" -->"<<image_points_seq[ii][0].x;
        cout<<" -->"<<image_points_seq[ii][0].y;
    }    
    cout<<"角点提取完成！\n";
    //以下是摄像机标定
    cout<<"开始标定………………";
    /*棋盘三维信息*/
    Size square_size = Size(10,10);  /* 实际测量得到的标定板上每个棋盘格的大小 */
    vector<vector<Point3f>> object_points; /* 保存标定板上角点的三维坐标 */
    /*内外参数*/
    Mat cameraMatrix=Mat(3,3,CV_32FC1,Scalar::all(0)); /* 摄像机内参数矩阵 */
    vector<int> point_counts;  // 每幅图像中角点的数量
    Mat distCoeffs=Mat(1,5,CV_32FC1,Scalar::all(0)); /* 摄像机的5个畸变系数：k1,k2,p1,p2,k3 */
    vector<Mat> tvecsMat;  /* 每幅图像的旋转向量 */
    vector<Mat> rvecsMat; /* 每幅图像的平移向量 */
    /* 初始化标定板上角点的三维坐标 */
    int i,j,t;
    for (t=0;t<image_count;t++)
    {
        vector<Point3f> tempPointSet;
        for (i=0;i<board_size.height;i++)
        {
            for (j=0;j<board_size.width;j++)
            {
                Point3f realPoint;
                /* 假设标定板放在世界坐标系中z=0的平面上 */
                realPoint.x = i*square_size.width;
                realPoint.y = j*square_size.height;
                realPoint.z = 0;
                tempPointSet.push_back(realPoint);
            }
        }
        object_points.push_back(tempPointSet);
    }
    /* 初始化每幅图像中的角点数量，假定每幅图像中都可以看到完整的标定板 */
    for (i=0;i<image_count;i++)
    {
        point_counts.push_back(board_size.width*board_size.height);
    }    
    /* 开始标定 */
    calibrateCamera(object_points,image_points_seq,image_size,cameraMatrix,distCoeffs,rvecsMat,tvecsMat,0);
    cout<<"标定完成！\n";
    //对标定结果进行评价
    cout<<"开始评价标定结果………………\n";
    double total_err = 0.0; /* 所有图像的平均误差的总和 */
    double err = 0.0; /* 每幅图像的平均误差 */
    vector<Point2f> image_points2; /* 保存重新计算得到的投影点 */
    cout<<"\t每幅图像的标定误差：\n";
    fout<<"每幅图像的标定误差：\n";
    for (i=0;i<image_count;i++)
    {
        vector<Point3f> tempPointSet=object_points[i];
        /* 通过得到的摄像机内外参数，对空间的三维点进行重新投影计算，得到新的投影点 */
        projectPoints(tempPointSet,rvecsMat[i],tvecsMat[i],cameraMatrix,distCoeffs,image_points2);
        /* 计算新的投影点和旧的投影点之间的误差*/
        vector<Point2f> tempImagePoint = image_points_seq[i];
        Mat tempImagePointMat = Mat(1,tempImagePoint.size(),CV_32FC2);
        Mat image_points2Mat = Mat(1,image_points2.size(), CV_32FC2);
        for (int j = 0 ; j < tempImagePoint.size(); j++)
        {
            image_points2Mat.at<Vec2f>(0,j) = Vec2f(image_points2[j].x, image_points2[j].y);
            tempImagePointMat.at<Vec2f>(0,j) = Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);
        }
        err = norm(image_points2Mat, tempImagePointMat, NORM_L2);
        total_err += err/=  point_counts[i];   
        std::cout<<"第"<<i+1<<"幅图像的平均误差："<<err<<"像素"<<endl;   
        fout<<"第"<<i+1<<"幅图像的平均误差："<<err<<"像素"<<endl;   
    }   
    std::cout<<"总体平均误差："<<total_err/image_count<<"像素"<<endl;   
    fout<<"总体平均误差："<<total_err/image_count<<"像素"<<endl<<endl;   
    std::cout<<"评价完成！"<<endl;  
    //保存定标结果      
    std::cout<<"开始保存定标结果………………"<<endl;       
    Mat rotation_matrix = Mat(3,3,CV_32FC1, Scalar::all(0)); /* 保存每幅图像的旋转矩阵 */
    fout<<"相机内参数矩阵："<<endl;   
    fout<<cameraMatrix<<endl<<endl;   
    fout<<"畸变系数：\n";   
    fout<<distCoeffs<<endl<<endl<<endl;   
    for (int i=0; i<image_count; i++)
    {
        fout<<"第"<<i+1<<"幅图像的旋转向量："<<endl;   
        fout<<tvecsMat[i]<<endl;   
        /* 将旋转向量转换为相对应的旋转矩阵 */   
        Rodrigues(tvecsMat[i],rotation_matrix);   
        fout<<"第"<<i+1<<"幅图像的旋转矩阵："<<endl;   
        fout<<rotation_matrix<<endl;   
        fout<<"第"<<i+1<<"幅图像的平移向量："<<endl;   
        fout<<rvecsMat[i]<<endl<<endl;   
    }   
    std::cout<<"完成保存"<<endl;
    fout<<endl;
    system("pause");    
    return ;
}

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

#include "opencv2/core/core.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include "opencv2/calib3d/calib3d.hpp"

#include "opencv2/highgui/highgui.hpp"

#include <iostream>

#include <fstream>

using namespace cv;

using namespace std;

void main()

{

ifstream fin("calibdata.txt"); /* 标定所用图像文件的路径 */

ofstream fout("caliberation_result.txt"); /* 保存标定结果的文件 */

//读取每一幅图像，从中提取出角点，然后对角点进行亚像素精确化

cout<<"开始提取角点………………";

int image_count=0; /* 图像数量 */

Size image_size; /* 图像的尺寸 */

Size board_size = Size(4,6); /* 标定板上每行、列的角点数 */

vector<Point2f> image_points_buf; /* 缓存每幅图像上检测到的角点 */

vector<vector<Point2f>> image_points_seq; /* 保存检测到的所有角点 */

string filename;

int count= -1 ;//用于存储角点个数。

while (getline(fin,filename))

{

image_count++;

// 用于观察检验输出

cout<<"image_count = "<<image_count<<endl;

/* 输出检验*/

cout<<"-->count = "<<count;

Mat imageInput=imread(filename);

if (image_count == 1) //读入第一张图片时获取图像宽高信息

{

image_size.width = imageInput.cols;

image_size.height =imageInput.rows;

cout<<"image_size.width = "<<image_size.width<<endl;

cout<<"image_size.height = "<<image_size.height<<endl;

}

/* 提取角点 */

if (0 == findChessboardCorners(imageInput,board_size,image_points_buf))

{

cout<<"can not find chessboard corners!\n"; //找不到角点

exit(1);

}

else

{

Mat view_gray;

cvtColor(imageInput,view_gray,CV_RGB2GRAY);

/* 亚像素精确化 */

find4QuadCornerSubpix(view_gray,image_points_buf,Size(11,11)); //对粗提取的角点进行精确化

image_points_seq.push_back(image_points_buf); //保存亚像素角点

/* 在图像上显示角点位置 */

drawChessboardCorners(view_gray,board_size,image_points_buf,true); //用于在图片中标记角点

imshow("Camera Calibration",view_gray);//显示图片

waitKey(500);//暂停0.5S

}

int total = image_points_seq.size();

cout<<"total = "<<total<<endl;

int CornerNum=board_size.width*board_size.height; //每张图片上总的角点数

for (int ii=0 ; ii<total ;ii++)

{

if (0 == ii%CornerNum)// 24 是每幅图片的角点个数。此判断语句是为了输出图片号，便于控制台观看

{

int i = -1;

i = ii/CornerNum;

int j=i+1;

cout<<"--> 第 "<<j <<"图片的数据 --> : "<<endl;

}

if (0 == ii%3) // 此判断语句，格式化输出，便于控制台查看

{

cout<<endl;

}

else

{

cout.width(10);

}

//输出所有的角点

cout<<" -->"<<image_points_seq[ii][0].x;

cout<<" -->"<<image_points_seq[ii][0].y;

}

cout<<"角点提取完成！\n";

//以下是摄像机标定

cout<<"开始标定………………";

/*棋盘三维信息*/

Size square_size = Size(10,10); /* 实际测量得到的标定板上每个棋盘格的大小 */

vector<vector<Point3f>> object_points; /* 保存标定板上角点的三维坐标 */

/*内外参数*/

Mat cameraMatrix=Mat(3,3,CV_32FC1,Scalar::all(0)); /* 摄像机内参数矩阵 */

vector<int> point_counts; // 每幅图像中角点的数量

Mat distCoeffs=Mat(1,5,CV_32FC1,Scalar::all(0)); /* 摄像机的5个畸变系数：k1,k2,p1,p2,k3 */

vector<Mat> tvecsMat; /* 每幅图像的旋转向量 */

vector<Mat> rvecsMat; /* 每幅图像的平移向量 */

/* 初始化标定板上角点的三维坐标 */

int i,j,t;

for (t=0;t<image_count;t++)

{

vector<Point3f> tempPointSet;

for (i=0;i<board_size.height;i++)

{

for (j=0;j<board_size.width;j++)

{

Point3f realPoint;

/* 假设标定板放在世界坐标系中z=0的平面上 */

realPoint.x = i*square_size.width;

realPoint.y = j*square_size.height;

realPoint.z = 0;

tempPointSet.push_back(realPoint);

}

object_points.push_back(tempPointSet);

}

/* 初始化每幅图像中的角点数量，假定每幅图像中都可以看到完整的标定板 */

for (i=0;i<image_count;i++)

{

point_counts.push_back(board_size.width*board_size.height);

}

/* 开始标定 */

calibrateCamera(object_points,image_points_seq,image_size,cameraMatrix,distCoeffs,rvecsMat,tvecsMat,0);

cout<<"标定完成！\n";

//对标定结果进行评价

cout<<"开始评价标定结果………………\n";

double total_err = 0.0; /* 所有图像的平均误差的总和 */

double err = 0.0; /* 每幅图像的平均误差 */

vector<Point2f> image_points2; /* 保存重新计算得到的投影点 */

cout<<"\t每幅图像的标定误差：\n";

fout<<"每幅图像的标定误差：\n";

for (i=0;i<image_count;i++)

{

vector<Point3f> tempPointSet=object_points[i];

/* 通过得到的摄像机内外参数，对空间的三维点进行重新投影计算，得到新的投影点 */

projectPoints(tempPointSet,rvecsMat[i],tvecsMat[i],cameraMatrix,distCoeffs,image_points2);

/* 计算新的投影点和旧的投影点之间的误差*/

vector<Point2f> tempImagePoint = image_points_seq[i];

Mat tempImagePointMat = Mat(1,tempImagePoint.size(),CV_32FC2);

Mat image_points2Mat = Mat(1,image_points2.size(), CV_32FC2);

for (int j = 0 ; j < tempImagePoint.size(); j++)

{

image_points2Mat.at<Vec2f>(0,j) = Vec2f(image_points2[j].x, image_points2[j].y);

tempImagePointMat.at<Vec2f>(0,j) = Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);

}

err = norm(image_points2Mat, tempImagePointMat, NORM_L2);

total_err += err/= point_counts[i];

std::cout<<"第"<<i+1<<"幅图像的平均误差："<<err<<"像素"<<endl;

fout<<"第"<<i+1<<"幅图像的平均误差："<<err<<"像素"<<endl;

}

std::cout<<"总体平均误差："<<total_err/image_count<<"像素"<<endl;

fout<<"总体平均误差："<<total_err/image_count<<"像素"<<endl<<endl;

std::cout<<"评价完成！"<<endl;

//保存定标结果

std::cout<<"开始保存定标结果………………"<<endl;

Mat rotation_matrix = Mat(3,3,CV_32FC1, Scalar::all(0)); /* 保存每幅图像的旋转矩阵 */

fout<<"相机内参数矩阵："<<endl;

fout<<cameraMatrix<<endl<<endl;

fout<<"畸变系数：\n";

fout<<distCoeffs<<endl<<endl<<endl;

for (int i=0; i<image_count; i++)

{

fout<<"第"<<i+1<<"幅图像的旋转向量："<<endl;

fout<<tvecsMat[i]<<endl;

/* 将旋转向量转换为相对应的旋转矩阵 */

Rodrigues(tvecsMat[i],rotation_matrix);

fout<<"第"<<i+1<<"幅图像的旋转矩阵："<<endl;

fout<<rotation_matrix<<endl;

fout<<"第"<<i+1<<"幅图像的平移向量："<<endl;

fout<<rvecsMat[i]<<endl<<endl;

}

std::cout<<"完成保存"<<endl;

fout<<endl;

system("pause");

return ;

}

运行前需要先准备标定图片和记录标定图片列表的文本文件，并放入程序所在目录下，如下图所示：文本文件的内容如下：运行效果图：最后 […]

2019年03月19日

1668

Opencv

311

[mcj]ubuntu输入正确密码，但是一直在登录界面循环进不去

针对进不去桌面的情况，因为我只用到过gnome的桌面所以我下面说的桌面就是gnome桌面然后，使用 Ctrl+Alt+F1 ,进入到tty1 的console中。 notice : 登录的时候，login：输入用户名。 passwd：再输 […]

2019年03月19日

4046

问题解决

358

[mcj]Ubuntu 16.04配置VNC进行远程桌面连接

请注意：本文的安装环境是Ubuntu下的容器，而不是宿主机。如果需要在宿主机上安装vnc的同学，请参考： 1 安装环境系统： ubuntu16.04 X64 显卡： GTX2080Ti 显卡驱动： 418.56 cuda： release […]

2019年03月18日

651

Linux

276

[mcj]深度学习目标检测算法大全，极具收藏价值！！！

object-detection This is a list of awesome articles about object detection. If you want to read the paper according to t […]

2019年03月17日

828

深度学习

348

[mcj]windows环境配置：同时安装Python2.7和Python3.6开发环境

一、下载安装Python2.7和Python3.6 安装包下载地址：https://www.python.org/downloads/ 二、配置系统环境变量在环境变量中添加 1.安装目录\Python27 2.安装目录\Python27\ […]

2019年03月16日

393

Python

277

[mcj]修改YOLO使其显示自定义类别

根据@赤战约风的帖子做如下修改可以使其只显示人这个类别一.修改源代码 cfg/coco.data

classes= 1     #修改成1
train  = /home/pjreddie/data/coco/trainvalno5k.txt
valid  = coco_testdev#valid = data/coco_val_5k.listnames = data/coco.names
backup = /home/pjreddie/backup/
eval=coco

classes= 1 #修改成1

train = /home/pjreddie/data/coco/trainvalno5k.txt

valid = coco_testdev#valid = data/coco_val_5k.listnames = data/coco.names

backup = /home/pjreddie/backup/

eval=coco

src/detector.c [crayon-680f50be4c879 […]

2019年03月15日

340

深度学习

294

[mcj]对于上次YOLO的一些遗留问题做一下解释

1 关于anchor box具体实现的 anchors和anchor boxes是不同的。 Faster-R-CNN算法由两大模块组成：1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取 […]

2019年03月15日

445

深度学习

262

[mcj]hexo-next安装教程

版本信息 hexo：

hexo: 3.8.0
hexo-cli: 1.1.0
os: Windows_NT 10.0.16299 win32 x64
http_parser: 2.8.0
node: 8.12.0
v8: 6.2.414.66
uv: 1.19.2
zlib: 1.2.11
ares: 1.10.1-DEV
modules: 57
nghttp2: 1.32.0
napi: 3
openssl: 1.0.2p
icu: 60.1
unicode: 10.0
cldr: 32.0
tz: 2017c

hexo: 3.8.0

hexo-cli: 1.1.0

os: Windows_NT 10.0.16299 win32 x64

http_parser: 2.8.0

node: 8.12.0

v8: 6.2.414.66

uv: 1.19.2

zlib: 1.2.11

ares: 1.10.1-DEV

modules: 57

nghttp2: 1.32.0

napi: 3

openssl: 1.0.2p

icu: 60.1

unicode: 10.0

cldr: 32.0

tz: 2017c

next： 6.0.6 npm： 6.4.1 cnpm：

cnpm@6.0.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\lib\parse_argv.js)
npm@6.5.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\node_modules\npm\lib\npm.js)
node@8.12.0 (D:\Program Files\nodejs\node.exe)
npminstall@3.18.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\node_modules\npminstall\lib\index.js)
prefix=C:\Users\Administrator\AppData\Roaming\npm
win32 x64 10.0.16299
registry=https://registry.npm.taobao.org

cnpm@6.0.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\lib\parse_argv.js)

npm@6.5.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\node_modules\npm\lib\npm.js)

node@8.12.0 (D:\Program Files\nodejs\node.exe)

npminstall@3.18.0 (C:\Users\Administrator\AppData\Roaming\npm\node_modules\cnpm\node_modules\npminstall\lib\index.js)

prefix=C:\Users\Administrator\AppData\Roaming\npm

win32 x64 10.0.16299

registry=https://registry.npm.taobao.org

设置步骤 1 设置阅读次数， […]

2019年03月14日

359

建站

302

[mcj]使用C ++运行Tensorflow模型

如果您还在阅读，那么我假设您需要弄清楚如何在C ++的生产环境中运行Tensorflow。

2019年03月14日

207

深度学习

200

« 上一页1…949596979899下一页 »

马春杰杰

[mcj]计算机科学最佳论文奖汇总（自1996年起至2018年）

[mcj]Opencv张正友相机标定傻瓜教程附代码！

[mcj]ubuntu输入正确密码，但是一直在登录界面循环进不去

[mcj]Ubuntu 16.04配置VNC进行远程桌面连接

[mcj]深度学习目标检测算法大全，极具收藏价值！！！

[mcj]windows环境配置：同时安装Python2.7和Python3.6开发环境

[mcj]修改YOLO使其显示自定义类别

[mcj]对于上次YOLO的一些遗留问题做一下解释

[mcj]hexo-next安装教程

[mcj]使用C ++运行Tensorflow模型

精彩直达

TG群

微信群

注册