jiaoyanyuantuzhugechuli

质心点求取，目标进行形跟踪，跟跟踪物体。希望高手指点(Centroid strike, shaped track)

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，...( U672C u4E66 u7B2C u4E00 u90E8 u5206 u5206 u4E3B u8991 u4ECB u7ECD u673A u5668 u5B66 u4E60 u57FA u7840 uFF0C u4EE5 u53CA u5982 u4F55 u5229 u7528 u7B97 u6CD5 U8FDB u883C u5206 u7C7B uFF0C u5E76 u9010 u6B65 u4ECB u7ECD u4E86 u591A U90BB u6CD2 u3001 u6734 u7D2 u8D1D u53F6 u65AF u7B97 u6CD5 u3001Logistic u56DE u5F52 u7B97 u6CD5 u3001 u652F u6301 u5411 u91CF u673A u3001AdaBoost u96C6 u6210 U65B9 u6CD5 u3001 u57FA u4E8E u6811 u7R4 u5F52 u7B97 u6CD2 u5286 u5206 u7C7B u56DE u5F52 u6811 uFF08CART uFF09 u7B97 u6CD5 u7B49 u3002 u7B2C u4E09 U90E8 u5209 u5109 u91A u0312 u4E9B u8E1B u8981 u7B97 u6CD5 uFF1Ak u5747 u503C u805A u7B7B U7B97 u6CD3 u30011 by default for uppercase and uupstr U4E9B u9644 u5C5E u5DE5 u5177 u3002 u5168 u4E66 u901A u8FC7 u7CBE U5FC3 u7396 u7392 u7B09 u5B09 u5B09 u5B09 u5B03 U7528 u9184 u5R4 u5904 u7403 u7R03 u7 U5206 u6790 u53CA u53EF u89)

说明：  《视觉SLAM十四讲》高翔，完整版，前10章。对视觉定位，机器学习，深度学习有很大帮助(Gao Xiang, the complete version of vision slam 14 lectures, is very helpful for vision positioning, machine learning and deep learning)

熟悉图像的频域滤波算法、灰度图经FFT 后变到频域、噪声及移除(Familiar image of the frequency domain filtering algorithm, after the change to grayscale by the FFT frequency domain, noise and removed)

一个维纳滤波器图像恢复的MATLAB原码(A Wiener filter image restoration of the original MATLAB code)

粒子滤波 图像处理程序,内有5个用于图像处理的程序(partical filter)

这是通过径向偏振贝塞尔高斯光束聚焦一个组合 二进制相光学元件和高数值孔径的镜头。(This is achieved by focusing a radially polarized Bessel–Gaussian beam with a combination of a binary-phase optical element and a high-numerical-aperture lens.)

说明：  直方图匹配，或者叫做直方图规定化。在matlab下实现，但是没有使用IPT中的histeq进行规定化。(Histogram matching,or histogram specification is the basic method in the digit image processing. We provide a implementation in matlab without using IPT function histeq)

三维激光点云配准是点云三维建模的关键问题之一。经典的 ICP 算法对点云初始位置要求较高且配准 效率较低，提出了一种改进的 ICP 点云配准算法。该算法首先利用主成分分析法实现点云的初始配准，获得较好 的点云初始位置，然后在经典 ICP 算法的基础上，采用 k － d tree 结构实现加速搜索，并利用方向向量夹角阈值去除 错误点对，提高算法的效率。实验表明，本算法流程在保证配准精度的前提下，显著提高了配准效率。 (Three-dimensional laser point cloud registration is one of the key three-dimensional point cloud model. High classical ICP algorithm to the initial position of the point cloud registration requirements and low efficiency, proposed an improved ICP point cloud registration algorithm. Firstly, the use of principal component analysis of the initial point cloud registration, get a better initial position of the point cloud, then the basis of classical ICP algorithm using k- d tree structure to achieve speed up the search, and using the direction vector angle the removal of the threshold point error and improve the efficiency of the algorithm. Experiments show that the algorithm processes to ensure the accuracy of registration under the premise, significantly improve the efficiency of registration.)

用六种算子(分别是gabor、拉普拉斯、priwitt、robert、sobel、wallis),对三种图象进行边缘检测比较，强烈推荐哦，是本人的毕业设计中的关键程序(The six operators (respectively gabor, Laplace, priwitt, robert, sobel, wallis), images of three edge detection comparison, strongly recommend Oh, my graduation project is a key process)