该Matlab代码用于使用遗传算法求解单目标优化问题，包括低维优化问题与TSP问题。是研究生自然计算课程的第一次作业。

最简单实用的Access数据库目录树新建方法，图标控制及修改背景色，前景色等等，源码开放，注释，简单易懂，可移植

关于单目视觉中的ADAS技术，包括单目视觉、车道偏离预警、前车识别等，来源于武汉极目智能，值得行业内人士看看

在计算机视觉领域中，使用二维投影恢复物体三维信息的过程称为三维重建。 三维重建在计算机视觉中具有重要的研究价值

首先，针对自动泊车环境下可能出现的低光照或明暗交替等复杂场景这一问 题，本文在 vSLAM 系统中设计了处理复杂场景的功能。本文基于 Retinex 理论 模型，从物体成像的原理上分析，利用 LIME 算法来解决这个问题，并且结合自 动泊车场景来设计算法中的权重系数，对算法的时间复杂度进行加速优化。而后 针对一些低光照的图片进行了优化处理来验证 LIME 算法的可行性。 其次，针对 vSLAM 常见的问题，即在跟踪时容易丢失目标、出现尺度漂移 等问题，进行了分析与研究。提出了使用预测模型的方式来减少跟踪失败概率的 方法，提出了适合泊车环境的关键帧筛选策略，针对立体匹配模块，先根据多方 面误差来选择质量较好的点，再用由粗到精最后计算图像的相关性的方法来进行 匹配并更新地图上像素点的逆深度，并在地图优化模块中通过双向 Sim3 检测进 行误差分析解决尺度漂移的问题。 最后，基于大众速腾以及深圳锐尔威视科技有限公司所研发的型号为 RER_USB1080P01-LS43 的相机搭载了实验平台，傍晚时分在吉林大学南岭校区 汽车工程学院周围采集多个停车场数据，验证了在低光照的自动泊车环境下基于 LIME 算法进行 vSLAM 的可行性，并且实验表明在泊车环境下本文算法要优于 传统算法。

使用高频照明快速分离场景的直接分量和全局分量

使用高频照明快速分离场景的直接分量和全局分量

可以在手机端运行的深度图重建，单目重建

将使用 REMODE[113, 109] 的测试数据集。它提供了一架无人机采集 的单目俯视图像，共有 200 张，同时提供了每张图像的真实位姿。 http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip 处下载。 下载慢的可以去本人上传的资源处下载。 解压后，将在 test_-data/Images 中有从 0 至 200 的所有图像，并在 test_data 目录下可以看到一个文本文件，它记录了每张图像对应的位姿。

基于单目视觉的目标识别与定位研究的介绍，关键技术，实现算法流程等的介绍，感兴趣的可以看看