emission

说明：  ORB-SLAM 基本延续了 PTAM 的算法框架,但对框架中的大部分组件都做了改进, 归纳起来主要有 4 点: ORB-SLAM 选用了 ORB 特征, 基于 ORB 描述量的特征匹配和重定位, 都比 PTAM 具有更好的视角不变性。此外, 新增三维点的特征匹配效率更高, 因此能更及时地扩展场景。扩展场景及时与否决定了后续帧是否能稳定跟踪。ORBSLAM 加入了循环回路的检测和闭合机制, 以消除误差累积。系统采用与重定位相同的方法来检测回路(匹配回路两侧关键帧上的公共点), 通过方位图 (Pose Graph) 优化来闭合回路。PTAM 需要用户指定 2 帧来初始化系统, 2 帧间既要有足够的公共点, 又要有足够的平移量. 平移运动为这些公共点提供视差 (Parallax) , 只有足够的视差才能三角化出精确的三维位置。ORB-SLAM 通过检测视差来自动选择初始化的 2 帧。PTAM 扩展场景时也要求新加入的关键帧提供足够的视差, 导致场景往往难以扩展. ORB-SLAM 采用一种更鲁棒的关键帧和三维点的选择机制——先用宽松的判断条件尽可能及时地加入新的关键帧和三维点, 以保证后续帧的鲁棒跟踪; 再用严格的判断条件删除冗余的关键帧和不稳定的三维点，以保证 BA 的效率和精度。(Orb-slam basically continues the algorithm framework of PTAM, but most of the components in the framework have been improved, which mainly includes four points:)

闻婷实验板的四通道视频采集实验，通过键盘控制四个通到采集图像，将采集的图像在同一台显示器上显示(Wen Ting experimental four-channel video capture board experiments, four-pass to collecting image, the collected image displayed on the same monitor keyboard control)

说明：  图像处理所涉及的256转灰度，二值化等等，每个部分都是独立可执行的工程文件，很方面的代码复用(256 involved in image processing turn gray, binary, etc., are independent of each part of the project executable file, it' s code reuse)

非线性贝叶斯过滤与应用估算和导航，非常不错的粒子滤波英文论文(Nonlinear Bayesian filtering with applications to estimation and navigation)

图像配准程序，包括角点提取，配对，提纯等操作(image registeration ,including connor detection,match and so on)

rgb在matlab中三个通道的子图显示，直方图 ，频谱图，高斯滤波后的图像显示(RGB in MATLAB, three channel subgraphs show histograms, spectrogram, and Gauss filtered image display)

一款VC++图像开场加载效果，向大家演示了几种图像装载的特效实现的方法，比如扫描显示、滑动显示、渐入显示和马赛克显示等，大家在使用一些幻灯片软件的时候，经学会看到类似的效果，如果你有一定的VC++基础，你可以借鉴一下本效果的具体方法，再次扩展，可以制作出一款带特效的图像查看器(The opening loading effect of a VC++ image to demonstrate the effects achieved in several image loading, such as scanning, slide show, getting into the display and mosaic display, we learn to look at some slides software to similar effect, if you have certain VC++ basis, you can learn about the effects of specific methods, extended again, can create the image of a band effects Viewer)

说明：  自己写的Active Shape Model face segmentation 代码 (Write their own Active Shape Model face segmentation code)

图像融合可以用的PCNN工具箱，可以使用在图像融合里(PCNN Toolbox for Image Fusion)

压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为ILRS算法，对256*256的lena图处理，比较原图和IRLS算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间(Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix and IRLS algorithm as the reconstruction algorithm. Compare lena figure and the reconstruction results using IRLS algorithm at different sampling ratio (0.74,0.50.3),then each runs 50 times, compare the performance of PSNR and each running time)