单目重建用于SLAM学习。加入深度图像

本代码是基于Qt5.9.1和Opencv3.3完成的标定，没有平台的限制我都把需要的东西考到一个目录底下了。所以直接就可以打开进行标定。

Apache Flink目录遍历(CVE-2020-17519)单目标检测工具 2021年1月5日，Apache Flink官方发布安全更新，修复了由蚂蚁安全非攻实验室发现提交的2个高危漏洞，漏洞之一就是Apache Flink目录遍历漏洞(CVE-2020-17519)。 Flink核心是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。Flink 1.5.1引入了REST API，但其实现上存在多处缺陷，攻击者可通过REST API使用../跳目录实现系统任意文件读取。

【变色龙算法】基于变色龙算法求解单目标优化问题（CSA）含Matlab源码

计算机视觉方向，单目/双目相机的详细标定原理以及图解，双目测距、三维重建 （世界坐标系到像素坐标系的转换，单目相机内外参数畸变系数的求解，单应性矩阵，双目标定，立体标定，立体校正，立体匹配，视差计算等）

ORBSLAM2在ubuntu20.04上运行，实时单目摄像头(适用高版本的PCL,OpenCV4.2.0等)-附件资源

本文首先介绍单目标跟踪的相关背景, 接着从相关滤波单目标跟踪、深度学习单目标跟踪两个阶段对单目标跟踪领域发展过程中涌现出的多个算法进行梳理, 并详细介绍目前主流的孪生网络算法. 最后通过大型数据集对近年来优秀算法进行对比分析, 针对其缺点与不足, 对该领域未来的发展前景做出展望.

针对单目深度估计网络庞大的参数量和计算量，提出一种轻量金字塔解码结构的单目深度估计网络，可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构，以端到端的方式估计单目图像的深度图。编码端使用ResNet50网络结构；在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的性能；此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。在NYUD v2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。

我在算法公司实习完成的一个项目介绍ppt，可以搭配yolo等算法做到测车距。

目标跟踪方面使用的是基本的最大IOU匹配方法。引入卡尔曼滤波解决了目标被遮挡或重叠导致的跟丢问题。 # 使用时记得修改视频和label文件的路径。