利用opencv进行双目视觉稀疏点匹配与重建

UBUNTU下使用opencv 神经网络训练，识别物体，图像处理部分提取特征，加入inputs，训练完成后加入outputs，生成xml文件即为训练结果。

无人机影像拼接程序，包括影像匹配、光束法平差、图像镶嵌、坐标转换等，需要使用GDLAL、opencv等开源库，需要的可以下载交流讨论。

提取轮廓  进行轮廓匹配  计算相似度 对于图像的相似度计算较为精准

基于背景差分的检测方法，在vs平台下，利用opencv库函数，寻找两张图的不同之处，并输出到另一张图中输出。

可以追踪运动物体的图像  在窗口展现出来

在Qt界面下，结合opencv调用海康威视摄像头用于摄像头实时显示，并实现控制功能，控制摄像头的方向能够上下左右旋转

直方图（Histogram）又称质量分布图，是一种统计报告图，也是表示资料变化情况的一种主要工具。使用opecv实现，适合初学者了解opencv里面对于图像处理的基本过程。

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

  SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别是图像多尺度空间的构建方法不同。在计算视觉领域，尺度空间被象征性的表述为一个图像金字塔，向下降采样一般用高斯金字塔。其中，输入图像函数反复与高斯函数的核卷积并反复对其进行二次抽样，这种方法主要用于SIFT算法的实现，但每层图像依赖于原图像（当前尺度可能和原图象尺度相差很大，这时候再那原图像卷积确实有点二了），并且图像需要重设尺寸，因此，这种计算方法运算量较大。SURF算法对积分图像进行操作，卷积只和前一幅图像有关，其降采样的方法是申请增加图像核的尺寸，这也是SIFT算法与SURF算法在使用金字塔原理方面的不同。SURF算法允许尺度空间多层图像同时被处理，不需对图像进行二次抽样，从而提高算法性能。

SDK及opencv环境配置好可直接运行，含有注释方便学习，采用多线程读取图像