基于python的单目与双目视觉三维重建设计与实现

卡尔曼滤波的单目标跟踪代码Python版，视频中逐帧处理。

基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip基于yolov5的单目测距系统源码（毕业设计）.zip

【白冠鸡优化算法】基于白冠鸡优化算法求解单目标优化问题（COOT）含Matlab源码

计算机学院的毕业设计 关于图像深度 使用单目摄像机

【人工蜂鸟优化算法】基于人工蜂鸟优化算法求解单目标优化问题（AHA）含Matlab源码

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

在二维环境中使用IMM算法对单目标追踪，包含了CV

使用双目摄像头，基于opencv的测距程序

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。