2024.9 学习笔记

news2024/9/20 0:53:35

9.10

1.大地坐标系

大地坐标系(Geodetic Coordinate System):

  • 定义: 基于地球表面,通常使用经度、纬度和高度来描述位置。也可以称为东北天(XYZ轴)
  • 用途: 常用于地图制作、地理信息系统(GIS)和导航。(局部)
  • 使用椭球模型,包括WGS84(用于GPS)和GRS80等。
  • 有时需要将大地坐标系与其他坐标系统进行转换:
    • 地心坐标系(ECEF): 将大地坐标系转换为地心地固坐标系进行三维位置描述。

    • 平面坐标系: 在局部区域内,将大地坐标系转换为平面坐标系统(例如UTM投影)以便于地图和工程应用。

  • 原点可以为任意一点

2.地球坐标系

地球坐标系(Earth-Centered, Earth-Fixed Coordinate System, ECEF):

  • 定义: 一个三维直角坐标系,以地球的中心为原点,X轴指向格林威治子午线的交点,Y轴与X轴垂直,指向地球赤道的交点,Z轴指向地球的旋转轴。
  • 用途: 常用于全球定位系统(GPS)和地球物理研究中。
  • 椭球体模型: 由于地球的形状近似于一个旋转椭球体,常用的椭球体模型包括WGS84(用于GPS)和GRS80。
    • 主要参数: 椭球体的长半轴(赤道半径)和短半轴(极半径)。
  • 从地心地固坐标系到大地坐标系:

    • 转换: 需要使用数学公式将直角坐标(X, Y, Z)转换为经度、纬度和高度。
  • 从大地坐标系到平面坐标系:

    • 投影: 如UTM(通用横轴墨卡托投影),用于将地球的三维表面映射到二维平面上,适合局部区域的地图制作。

3.局部坐标系

局部坐标系(Local Coordinate System):

  • 定义: 相对于某一特定区域或物体的坐标系,其原点和坐标轴方向通常由该区域的需求决定。
  • 用途: 常用于建筑、工程设计、机器人定位等场景中,以简化局部空间内的计算和操作。

4.世界坐标系

世界坐标系(World Coordinate System):

  • 定义: 一个统一的三维坐标系,用于描述一个更大范围内的对象和场景。其原点和坐标轴方向通常是固定的,为整个应用或系统提供参考。
  • 用途: 常用于计算机图形学、虚拟现实和游戏开发中,确保不同对象和场景之间的相对位置准确。

5.IMU

        惯性测量单元(IMU)

        IMU由陀螺仪和加速度计组成,它们分别测量车辆在机体坐标系中的角速度和加速度。角速率 𝜔~ω~ 和线性加速度 𝑎~a~ 的测量值由下式给出,其中 𝜔ω 和 𝑣˙v˙ 是车辆在机体坐标系 {B} 中的真实角速度和线性速度的时间导数,𝜂𝑔ηg​ 和 𝜂𝑎ηa​ 是高斯白噪声过程,𝑏𝑔bg​ 和 𝑏𝑎ba​ 是慢变的随机游走扩散过程。

6.GPS 

9.11

1.SGM算法

        SGM(Stereo Global Matching),是一种用于立体视觉的匹配方法,用于计算两个图像之间的深度信息。在立体视觉中,通常有两个相机从不同角度拍摄同一场景,生成两个图像。SGM算法旨在从这些图像中估计每个像素的深度,通过找到两幅图像之间的对应关系来实现。这是一个典型的立体匹配问题,其中的关键任务是为每个像素找到其在另一幅图像中的最佳匹配点,从而构建一个深度图。

        原理:通过全局优化来解决立体匹配问题。它将匹配问题建模为一个优化问题,其中需要在代价函数中找到最佳的视差图(即每个像素的深度信息)。

步骤

代价计算:

  1. 代价函数:首先,算法需要计算每对像素之间的匹配代价。代价函数通常考虑像素间的颜色或亮度差异。例如,使用绝对差异(AD)或平方差异(SSD)来度量两个像素之间的相似性。
  2. 代价聚合:为了提高匹配的鲁棒性,SGM使用代价聚合策略,通过在局部区域内聚合代价来减少噪声和误差。这可以通过卷积、加权平均或其他聚合技术来实现。

全局优化:

  1. SGM算法通过全局优化来确保视差图的平滑性。它引入了一种平滑约束,以确保相邻像素的视差变化不会过大。常用的平滑约束包括Ternary/Quadratic Smoothness Constraint等。
  2. 图割(Graph Cuts):一种常见的全局优化方法是图割算法,它将立体匹配问题转化为图论问题,并通过图割算法来最小化全局代价函数。

视差计算:

  1. 在全局优化过程中,SGM算法会计算每个像素的最佳视差值,从而生成最终的视差图。视差图是深度图的直接表现,显示了每个像素的深度信息。

优点与缺点

优点

  • 高精度:SGM算法通过全局优化来提高匹配精度,能够生成高质量的深度图。
  • 鲁棒性:全局优化和代价聚合技术可以有效减少噪声和错误匹配。

缺点

  • 计算复杂度:SGM算法计算量大,尤其是在处理高分辨率图像时,计算和内存开销较大。
  • 参数选择:算法的性能很大程度上依赖于参数的选择和调整。

应用

SGM算法广泛应用于各种计算机视觉任务,包括:

  • 3D重建:生成场景的三维模型。
  • 机器人导航:为自主机器人提供环境的深度信息。
  • 增强现实:实现虚拟物体与现实世界的融合。

2.ISP

        图像信号处理器(Image Signal Processor,简称ISP),是一种专门用于处理图像数据的硬件组件。它主要用于数字相机、智能手机、摄像头和其他图像捕捉设备中,负责从传感器获取图像数据后对其进行处理和优化。

核心任务

  1. 图像处理: 包括去噪、锐化、色彩校正、白平衡调整等,以提高图像质量。
  2. 图像增强: 对图像进行增强处理,如亮度调整、对比度增强等,使图像更加清晰和生动。
  3. 图像编码: 将处理后的图像数据编码为存储格式,如JPEG或HEIF,方便存储和传输。
  4. 降噪: 去除图像中的噪声,以提高图像的清晰度。
  5. 自动对焦和曝光控制: 协助相机系统实现自动对焦和曝光调整,确保图像的清晰度和亮度。

        ISP通常与图像传感器紧密集成,形成一个完整的图像采集和处理系统。它的性能直接影响到图像质量和设备的整体表现。在现代设备中,ISP也可能包含用于处理视频数据的功能,例如实时视频增强和编码。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2125776.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

基于 NIM 建构多模态 AI-Agent (代码解析)

本次课程将着重介绍一下内容: 多模态模型基于 NIM 的调用方式基于 NIM 接口实现 Phi-3-Vision 的推理实践基于 Gradio 框架建立前端互动界面 申请NIM的API Key,来调用NIM的计算资源 进入NVIDIA NIM | phi-3-vision-128k-instruct, 点击Get API Key按钮&#xff0…

SpringBootWeb案例(续)

书接上回,上篇文章CSDN 复习了部门管理功能的开发。这篇文章来复习员工管理模块功能开发 基于以上页面原型,我们可以把员工管理功能分为: 分页查询(重点) 带条件的分页查询(重点) 删除员工 新…

泰语快速学习方法!速成方法学习!

要快速学习泰语,可以采取多种策略,如掌握基础语法和词汇,专注于发音练习以掌握泰语特有的音调系统,利用语言学习软件进行互动学习,通过观看泰语媒体内容提高听力理解,与母语者进行语言交换来锻炼口语&#…

GDB 查看汇编

查看汇编 x disassemble

MySQL 按照条件(分组)只取一个形成列表 group max

方法一、通过Max形成where条件 SELECTt1.* FROMbiz_customer_hold AS t1 WHEREt1.ch_create_time ( SELECT MAX( ch_create_time ) FROM biz_customer_hold AS t2 WHERE t2.ch_cust_no t1.ch_cust_no ) ORDER BYt1.ch_create_time DESC,t1.ch_hold_time DESC 方法二、通…

部署TC服务 服务集成Seata

一、部署TC服务 tc在管理全局事务和分支事务是需要记录,最好放在数据库中持久保存 1.创建数据库表 创建一个名为Seata的库建立四张表 语句如下 CREATE DATABASE IF NOT EXISTS seata; USE seata;CREATE TABLE IF NOT EXISTS global_table (xid …

【PGCCC】Postgres 17 中的 3 大特性

一年又一年,Postgres 已成为世界上最受喜爱和最受信任的数据库 — Postgres 17将变得更好。即将发布的版本在开发人员体验和性能方面都有所改进。 Postgres 17 中的 3 大特性 #01 具有 RETURNING 支持的 MERGE 命令 它可以帮助需要处理条件数据修改而无需处理多…

CMU 10423 Generative AI:HW1(理论部分)

备注:S24版GitHub上有某CMU学生分享了自己的全套理论编程作业,以下内容的整理结合了我自己的理解查阅、GPT4的解答、以及CMU学生的答案。 文章目录 0 作业概述1 RNN语言模型1.1 问题1:Elman(即RNN) 网络模型条件输出问…

IDEAJ真正修改maven(.m2)在Windows环境下缓存路径

IDEAJ真正修改maven(.m2)缓存路径的方法 下面这种方式虽然当前项目生效了,IntelliJ IDEA修改默认.m2和.gradle缓存路径-CSDN博客文章浏览阅读251次,点赞4次,收藏8次。文章浏览阅读1.3k次。1,File -ProjectStructure - Artifacts &…

RISC-V (十二)系统调用

系统模式:用户态和内核态 当前的代码都是实现在machine模式下。 系统模式的切换 epc寄存器的值存放的是ecall指本身的地址 。 用ecall指令 系统调用的执行流程 mret这条指令会利用status的mpp值恢复到之前的特权级别。 蓝色的线表示涉及到权限切换。 系统调用的传…

【VUE】pinia持久化存储

前言:状态持久化存储的意义在于它能够确保用户在与应用程序交互时,其操作状态、用户偏好、应用数据等关键信息在页面刷新、浏览器关闭或重新启动后依然得以保留,从而提供连贯、无缝的用户体验,避免因状态丢失导致的不便和重复操作…

绑定域名解析怎么做?

在当今数字化时代,拥有一个网站已经成为许多个人和企业展示自己、提供服务或进行商业活动的重要方式。而要让网站能够在互联网上被访问到,绑定域名解析是一个关键的步骤。 绑定域名解析究竟该怎么做呢? 一、了解域名解析的基本概念 域名解…

【重要】MThings V0.7.1更新要点

下载地址http://gulink.cn/download 01. [新增]逻辑控制功能。 “逻辑控制”作为一项全新的商用版功能,通过使用直观的可视化积木搭建方法,为系统级数据处理提供了高度的可定制性。它能够简化复杂的数据计算、控制算法设计和仿真验证流程,同…

探索未来住宿体验:酒店触摸开关的科技魅力

在快节奏的现代生活中,人们对于旅行住宿的期待已远不止于基本的休息与安眠,而是更加注重个性化、便捷化与智能化。随着科技的飞速发展,酒店行业也迎来了前所未有的变革,其中,触摸开关作为智能客房的标志性元素&#xf…

【网络安全】-xss跨站脚本攻击-pikachu

文章目录 前言 什么是xss跨站脚本攻击? 1.xss的分类: 1.1 反射型xss 1.2 存储型xss 1.3 Dom型xss: 2.同源策略: 2.1同源策略的定义 2.2同源策略的绕过 2.3 绕过同源策略的绕过 前言 什么是xss跨站脚本攻击&#xff1…

两个月冲刺软考——重点理解传值方式与传引用方式的区别

1.总线的分类(按功能划分) 数据总线负责传输实际的数据。 地址总线用于指定数据的来源或目的地的内存地址。 控制总线传输控制信号,如读写指令和其他操作指令。 2.传值方式与传引用方式 传值方式:形参取的是实参的值,形参的改变不会导致调…

开源数据集 FreiHAND rgb 三维手势建模 手部关键点 >> DataBall

开源数据集 FreiHAND rgb 三维手势建模 手部关键点 mano hand 混合现实 深度学习 人工智能 FreiHAND是一个用于评估和训练深度神经网络以从单色图像中估计手部姿态和形状的数据集,这是在我们的论文中提出的。其当前版本包含32560个独特的训练样本和3960个独特的评估…

【JavaScript】LeetCode:26-30

文章目录 26 矩阵置零27 螺旋矩阵28 旋转图像29 搜索二维矩阵Ⅱ30 相交链表 26 矩阵置零 2次双重for循环。第1次:将matrix[i][j]为0时的i、j分别存放于数组res_i、res_j,记录有哪些行、列应该置为0。第2次:将记录中的行、列置为0。 /**- par…

揭秘蛇形机器人的主动SLAM算法和障碍物避让策略

更多优质内容,请关注公众号:智驾机器人技术前线 1.论文信息 论文标题:An active SLAM with multi-sensor fusion for snake robots based on deep reinforcement learning 作者:Xin Liu, Shuhuan Wen, Yaohua Hu, Fei Han, Hong…

如何利用免费工具轻松设计出专业Logo?

Logo 作为品牌的象征和视觉核心,承载了品牌的价值和理念。无论是创业公司还是个人品牌,拥有一个独特的 Logo 都显得尤为重要。然而,设计一个专业的 Logo 通常需要高昂的设计费用,许多人因此望而却步。幸运的是,随着互联…