- 2.1 特征的检测与匹配 SLAM系统中，是以环境中的路标点为基础的。 单目视觉系统无法从单帧图像恢复深度。如何 利用图像特征检测与匹配获得高质量的路标，关系到单目视觉SLAM的鲁棒性。 图像特征可分为：点特征、直线特征、边缘、轮廓 相比于其他，点特征具有对遮挡相对鲁棒，识别性好，提取速度快。点特征的检测和匹配来实现SLAM数据关联。 2.1.1 角点特征 角点在... 2.1 特征的检测与匹配 SLAM系统中，是以环境中的路标点为基础的。 单目视觉系统无法从单帧图像恢复深度。如何 利用图像特征检测与匹配获得高质量的路标，关系到单目视觉SLAM的鲁棒性。 图像特征可分为：点特征、直线特征、边缘、轮廓 相比于其他，点特征具有对遮挡相对鲁棒，识别性好，提取速度快。点特征的检测和匹配来实现SLAM数据关联。 2.1.1 角点特征 角点在...
- 今天看到了HALCON的一个资料，记录下来，作为学习记录，同时感谢网上各种大佬 总结 1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，它节约了产品成本，缩短了软件开发周期。 Halcon：底层功能算法多，运算性能快，开发需要一定软件功底和图像处理理论。 快速学习做法：研究实例、做实战项目。halcon不能提供相应的界面编程需求，需要... 今天看到了HALCON的一个资料，记录下来，作为学习记录，同时感谢网上各种大佬 总结 1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，它节约了产品成本，缩短了软件开发周期。 Halcon：底层功能算法多，运算性能快，开发需要一定软件功底和图像处理理论。 快速学习做法：研究实例、做实战项目。halcon不能提供相应的界面编程需求，需要...
- 浅谈yolov4中的数据增强 前言数据增强数据增强步骤1.对图片进行水平翻转2.对图片进行缩放3.对图片HSV色域变换4. Mosaic数据增强5. 总代码 前言 在接下来的几天，我将解读yolov4，yolo系列一直是很火的目标检测算法。我特别喜欢yolov4。而今天我们来谈下数据增强。 数据增强 计算机视觉中的图像增强，是人为的为视觉不变性（... 浅谈yolov4中的数据增强 前言数据增强数据增强步骤1.对图片进行水平翻转2.对图片进行缩放3.对图片HSV色域变换4. Mosaic数据增强5. 总代码 前言 在接下来的几天，我将解读yolov4，yolo系列一直是很火的目标检测算法。我特别喜欢yolov4。而今天我们来谈下数据增强。 数据增强 计算机视觉中的图像增强，是人为的为视觉不变性（...
- 目录 1、MNIST 2、ImageNet 4、COCO 5、PASCAL VOC 6、FDDB 1、MNIST 深度学习领域的入门数据集，当前主流的深度学习框架几乎都将MNIST数据集的处理入门第一教程。MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集，每个样本图像的宽高为28*28，数字放在一个归一化的、... 目录 1、MNIST 2、ImageNet 4、COCO 5、PASCAL VOC 6、FDDB 1、MNIST 深度学习领域的入门数据集，当前主流的深度学习框架几乎都将MNIST数据集的处理入门第一教程。MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集，每个样本图像的宽高为28*28，数字放在一个归一化的、...
- 准备双目摄像头： 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： http://docs.opencv.org/2.4/_downloads/pattern.png 具体如下： 然后，建议固定到盒子上，方便等下拍照。 采集图片 建议左右摄像头，同时拍照，分别保存起来，可以参考 opencv 双目摄像... 准备双目摄像头： 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： http://docs.opencv.org/2.4/_downloads/pattern.png 具体如下： 然后，建议固定到盒子上，方便等下拍照。 采集图片 建议左右摄像头，同时拍照，分别保存起来，可以参考 opencv 双目摄像...
- 明明是设计师，被悲催地别人称作是“美工”，很不爽吧？宝宝心里苦，但宝宝不说，宝宝继续做~设计师可不仅仅需要会Photoshop那么简单，但是由于UI设计离开不开工具，大多数情况都是基于PS设计UI，需要使用PS进行UI设计的逐步操作。我从Photoshop 5.0开始学习使用PS，到今天的CC系列，每年PS都会增加很多强大的功能，由于PS不是为UI设计而生，众多的功能会让初学者眼花缭乱，但是... 明明是设计师，被悲催地别人称作是“美工”，很不爽吧？宝宝心里苦，但宝宝不说，宝宝继续做~设计师可不仅仅需要会Photoshop那么简单，但是由于UI设计离开不开工具，大多数情况都是基于PS设计UI，需要使用PS进行UI设计的逐步操作。我从Photoshop 5.0开始学习使用PS，到今天的CC系列，每年PS都会增加很多强大的功能，由于PS不是为UI设计而生，众多的功能会让初学者眼花缭乱，但是...
- 本节书摘来自华章计算机《品牌营销100讲：基础强化与认知颠覆》 一书中015，作者是李婷。 本节书摘来自华章计算机《品牌营销100讲：基础强化与认知颠覆》 一书中015，作者是李婷。
- 本节书摘来自华章计算机《品牌营销100讲：基础强化与认知颠覆》 一书中001，作者是李婷。 本节书摘来自华章计算机《品牌营销100讲：基础强化与认知颠覆》 一书中001，作者是李婷。
- 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.5.1节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.5.1节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。
- 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.5节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.5节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。
- 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.3节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.3节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。
- 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.2节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。 本节书摘来自华章计算机《机器学习：算法视角（原书第2版）》 一书中第3章，第3.4.2节，作者是[新西兰] 史蒂芬·马斯兰（Stephen Marsland），高 阳 商 琳 等译。
- 本节书摘来自华章计算机《点石成金：访客至上的Web和移动可用性设计秘笈（原书第3版）》一书中第3章，作者是[美] 史蒂夫·克鲁格（Steve Krug），蒋芳 译。 本节书摘来自华章计算机《点石成金：访客至上的Web和移动可用性设计秘笈（原书第3版）》一书中第3章，作者是[美] 史蒂夫·克鲁格（Steve Krug），蒋芳 译。
- 本节书摘来自华章计算机《基于Unity与SteamVR构建虚拟世界》一书中第1章，第1.8.3节，作者是［美］ 杰夫·W.默里（Jeff.W. Murray） ，吴 彬 陈 寿 张雅玲 林 薇 苏晓航 译。 本节书摘来自华章计算机《基于Unity与SteamVR构建虚拟世界》一书中第1章，第1.8.3节，作者是［美］ 杰夫·W.默里（Jeff.W. Murray） ，吴 彬 陈 寿 张雅玲 林 薇 苏晓航 译。
- 本节书摘来自华章计算机《硅谷设计之道：探寻硅谷科技公司的体验设计策略）》一书中第2章，第2.2.1节，作者是王欣（Jason Wang）。 本节书摘来自华章计算机《硅谷设计之道：探寻硅谷科技公司的体验设计策略）》一书中第2章，第2.2.1节，作者是王欣（Jason Wang）。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签