交通参数提取

该源码是一个相机标定的源码包，能够完成立体视觉中单目和双目摄像机的标定，本源码包内包含多个GUI源码，可以完成多个试验，如角点检测等

人工蜂群 （ABC） 算法由 Karaboga 最近发明是一种生物启发的优化算法，已被证明是一些常规的生物启发的算法，如遗传算法 （GA）、 差分进化 （DE） 和粒子群优化算法 （PSO） 的竞争力。然而，仍有不足在 ABC 算法 关于其解决方案搜索方程，是善于探索，但在剥削穷人。粒子群优化算法的启发，提出了改进的 ABC 算法由全球最好的 （gbest） 解决方案的信息纳入改善剥削的方程解搜索调用 gbest 指导 ABC （GABC） 算法。在一组数值的基准函数的测试实验结果表明 GABC 算法可以超越 ABC 算法在大多数实验。

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

这个例子说明如何在2维数据进行模糊C均值。模糊c均值（FCM）是一个在其中一个数据集被分成n团簇与每一个数据点在属于每个集群到一定程度的数据集的数据聚类技术。例如，位于靠近一个簇的中心有一定的数据点将有属于或会员到该集群和位于远离集群的中心将有属于或度低的另一个数据点的高度隶属该集群。

3D图像的旋转算法

应用背景opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行关键技术进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换

在这项工作被认为是索贝尔，是一个受欢迎的边缘检测方法。存在edge.m 这是在图像工具箱中的函数。在边缘函数中，Sobel 方法使用导数近似查找边缘。因此，它返回在这些点的边缘在那里考虑图像的梯度是最高的。水平和垂直渐变 索贝尔方法已被广泛应用在其尺寸是 3 × 3 的矩阵边缘检测操作。在这项工作，建立函数来查找边缘用，其尺寸都是 5 × 5 在 matlab 中的矩阵。

在视频或者图像配准处理中，错误的匹配往往影响正确的结果，因此剔除无匹配可以提高处理精度。通过MSE剔除错误和不精确的匹配，得到满足要求的精确的正确匹配结果，利用匹配对可以进行后续处理。

此项目包含使用两个摄像头的立体视觉摄像机的标定。它是使用 opencv 249 linux 平台实现