搜索资源列表
AKAZE
- 在linux平台下完成对二维图像的特征点探测、抽取和匹配，利用RANSAC算法筛选剔除错误匹配点，显示AKAZE算法消耗时间和利用RANSAC算法后正确匹配率。 开发环境：Linux+GCC(In the Linux platform, the feature points detection, extraction and matching of two-dimensional images are completed. The RANSAC algorithm is used to elim
imagestitching
- 实现了图像的简单拼接。首先寻找特征点，然后计算描述子（特征向量），对寻找到的特征点进行匹配，并塞选匹配结果，然后计算透视 矩阵，将其中一幅图进行透视变换，然后将图片合成。对一些简单的图片比较有效。仅供参考学习。(Realize the simple stitching of the image. First, find the feature point, and then calculate the descr iptor (eigenvector), match the feature po
图像拼接技术
- 利用sift算法提取两张图像的特征点，利用ransac去除误匹配，最后将两张图片拼接在一起(Using sift algorithm to extract the two feature points of the image, the use of ransac to remove the wrong match, and finally the two pictures together)
jcvi-sift-1.03.tar
- sift算法是用来提取图像特征点的算法，性能优越，被广泛用于特征提取和图像匹配，自提出起，算法一直在更新，此为最新版本的sift算法，在matlab上测试可用。(The SIFT algorithm is used to extract the image feature points algorithm, superior performance, is widely used for feature extraction and image matching, since the propo
SIFT
- 可以对特征点进行提取，并对两幅图像的特征点进行匹配(The feature points can be extracted and the feature points of the two images can be matched)
SURF_OPENCV
- 基于opencv实现的surf算法代码 最终输出左右影像特征点图、匹配连线图以及良好匹配点的坐标txt文件(Surf algorithm based on OpenCV)
correspondence_grouping
- 基于pcl 在复杂场景中识别三维模型，对三维模型进行特征点检测，匹配，识别(Recognition of 3D models in complex scenes based on PCL)
test4
- 算法描述 SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。整个算法分为以下几个部分： （1）构造尺度空间：DoG尺度空间 （2）检测DoG尺度空间极值点 （3）去除不好的特征点 （4）给特征点赋值一个128维的方向参数。每个关键点都包含三个信息：位置、尺度和方向。 （5）关键点描述子的生成： 首先将坐标轴旋转为关键点的方向，以确保旋转不变性。以关键点为中心取8×8的窗口。 （6）最后进行特征匹配。(Algorithm descr i
SIFT-python
- l利用SIFT算法提取图像特征点，然后对图像进行匹配。(Extract the feature points of image and then match the images)
Python实现聚类融合的目标跟踪算法
- Python实现目标跟踪算法，使用了模板匹配搭配光流法并使用聚类融合实现特征点分类聚合的算法。
FasterSurf
- 一个图像拼接框架。切换注释与未注释代码可实现不同检测器与描述子的组合。默认使用SURF+BRIEF，通过预设重叠区域比例排除非重叠区域特征点的检测，提升特征点检测速度，减少误匹配。(An image stitching frame. The switching annotation and the non - annotated code can implement the combination of different detectors and descr iptors. Using SU
PanoramaMaker-master
- 在机器视觉应用领域里特征检测和匹配是一个很重要的算法，比如图像配准、跟踪和目标检测。这个例子里，我们用基于特征的方法完成图像拼接。处理的方法是先用图像配准特征点。不同于单图像对配准，这里是多图像对的配准完成图像拼接。(In the field of machine vision application, feature detection and matching is a very important algorithm, such as image registration, trackin
jiaozhun1
- 通过surf匹配特征点然后进行仿射变换实现图像配准。(using surf to match the two images)
SURF探测器拼接两张图像以创建全景的openCV实现
- 基于SURF的图像拼接，全景图像筛选特征点，进行匹配刷选转换(Image mosaic based on SURF panoramic image filtering feature points matching selection switch)
sift-master
- 实现两幅图像基于sift特征的匹配，剔除误匹配点，实现精确的图像匹配(Matching two images based on SIFT features)
SURF+brief
- 基于opencv库的条件下，实现SURF+brief算法的特征点的提取与匹配，直接复制粘贴即可(Under the condition of OpenCV library, we can extract and match the feature points of SURF+brief algorithm, and copy and paste directly.)
ImageMatch
- 提取特征点并匹配，有基于相关系数和最小二乘两种方法。(Extracting feature points and matching)
图像拼接技术
- 运用sift算法进行特征点的提取并实现特征点的匹配与融合(SIFT algorithm is used to extract feature points and realize matching and fusion of feature points.)
视觉SLAM
- 图像处理图像视觉三维重建点的特征与匹配线的特征(Characteristics of image 3D reconstruction points and matching line characteristics in image processing)
RIFT_demo1
- 本代码实现了rift算法对特征点进行匹配(This code implements rift algorithm to match feature points)