發現《計算機視覺-計算理論與演算法基礎》一書中的一處錯誤
文章原創,轉載請註明出處
最近看雙目視覺的文獻和參考書時發現《計算機視覺-計算理論與演算法基礎》書中4.3-立體視覺攝像機定標小節中有兩個公式是錯誤的,即公式(4.31)
和公式(4.32)
這兩個等式若要成立則R1為單位矩陣,但就上下文來看,並沒有這樣的前提條件給出。本身就公式的推導思路來看是正確的,即在通過單攝像機標定的方法獲得兩個攝像機各自的內外引數R1,R2,t1,t2之後,通過對空間中兩個攝像機都能夠看到的點P在世界座標系和兩個相機各自之間的座標系之間的等式
消去共有的變數
即可得到兩個攝像機之間的幾何關係。但公式公式(4.31)等號右邊的最後一項少乘了R1,(4.32)的第二個等式的右邊最後一項也少乘了R1,即正確的(4.31)式如下:
正確的(4.32)式第二個等式如下:
想來原書兩位作者都是計算機視覺方面的大師,這兩個公式應該是不會弄錯的,或許是排版錄入或者印刷錯誤吧。不過就自己這一段時間查閱過的一些其他期刊和論文來看,出現這樣兩個公式錯誤的也還真有一些,不知是否是引用自此書此處的,亦或同樣是排版印刷就不得而知了。
相關推薦
發現《計算機視覺-計算理論與演算法基礎》一書中的一處錯誤
文章原創,轉載請註明出處 最近看雙目視覺的文獻和參考書時發現《計算機視覺-計算理論與演算法基礎》書中4.3-立體視覺攝像機定標小節中有兩個公式是錯誤的,即公式(4.31) 和公式(4.32) 這兩個等式若要成立則R1為單位矩陣,但就上下文來看,並沒有這樣的前提條件給出。
《計算機視覺 : 計算理論與演算法基礎》(馬頌德 & 張正友)掃描版[PDF]
《計算機視覺 : 計算理論與演算法基礎》(馬頌德 & 張正友)掃描版[PDF] 算機視覺是在影象處理的基礎上發展起來的新興學科。計算機視覺從資訊處理的層次研究視覺資訊的認知過程,研究視覺資訊處理的計算理論、表達與計算方法。本書系統地介紹了計算機視覺的重要理論與
計算機視覺:隨機森林演算法在人體識別中的應用
摘 要 人體識別是計算機視覺領域的一大類熱點問題,其研究內容涵蓋了人體的監測與跟蹤、手勢識別、動作識別、人臉識別、性別識別和行為與事件識別等,有著非常廣泛的應用價值。隨機森林以它自身固有的特點和優良的分類效果在眾多的機器學習演算法中脫穎而出。隨機森林演算法的實質是一
【演算法】資料結構與演算法基礎總覽(中)——刷Leetcode等演算法題時一些很實用的jdk輔助方法錦集
最近重新學習資料結構與演算法以及刷leetcode演算法題時,發現不少jdk自帶的方法可以提升刷題的效率。這些小技巧不僅僅對刷演算法題帶來便利,對我們平時開發也是很有幫助的。本文以java語言為基礎,記錄了目前已經使用或看到過的一些小技巧,後續在刷題過程
深度學習與計算機視覺(PB-07)-優化演算法
在之前的章節中,我們只研究和使用了隨機梯度下降法(SGD)來優化網路模型,但是,在深度學習中還有其他高階的優化演算法,這些高階方法可以加速訓練過程或者提高準確度: 在可接受的準確度下,高階演算法可以減少訓練時間(比如更少的迭代次數epochs)。 模型可以更好的適應其他超引
資料結構與演算法基礎-01-二分查詢
二分查詢 注:本題目源自《浙江大學-資料結構》課程,題目要求實現二分查詢演算法。 函式介面定義 Position BinarySearch( List L, ElementType X ); 其中List結構定義如下: typedef int Position; typ
資料結構與演算法--基礎入門概念
資料結構與演算法--基礎入門概念 一: 資料結構 1:資料的層次劃分 1:資料型別 2:資料元素 3:資料物件 4:資料項 5:借圖輔助理解 2:基於資料的資料結構
資料結構與演算法基礎-02-二分查詢-實踐
演算法中查詢演算法和排序演算法可謂是最重要的兩種演算法,是其他高階演算法的基礎。在此係列文章中,將逐一學習和總結這兩種基礎演算法中常見的演算法實現。首先,第一種演算法——二分(折半)查詢的學習和練習。 1、概念 二分查詢,是逐次將查詢範圍折半,縮小搜尋的範圍,直到找到那個需要的結果。
SLAM學習小組 : 視覺SLAM十四講 第三講 + 視覺SLAM理論與實踐 第二節
一、熟悉Eigen矩陣運算 Wiki Eigen 設線性⽅程 Ax = b,在 A 為⽅陣的前提下,請回答以下問題: 1. 在什麼條件下,x 有解且唯⼀? 線性方程組的矩陣滿秩(非奇異矩陣) 2. 高斯消元法的原理是什麼? 高斯消元法是將方程組中的一方程的未知數用含有另一
計算機視覺:畫線演算法
在影象中畫線是非常困難的,因為畫素點並不連續,所以看起來不像直線。可以採用演算法來畫線。 演算法1 考慮這條線是由連續的畫素點組成,模擬畫線的過程,即從一端出發向另一端畫畫素點,若當前斜率較小,則往平行
資料結構與演算法基礎
1 資料 1.1 資料項(data item) 是不可分割的最小資料單位,具有原子性,比如一張表的某個資料項 1.2 資料元素(data element) 是資料的基本單位,是資料集合的個體,通常由若
Stanford CS231n Lecture 1 計算機視覺歷史回顧與課程大綱
本系列文章是斯坦福CS231n: Convolutional Neural Networks for Visual Recognition (winter 1516) 的聽課筆記與課下補充資料。 計算機視覺歷史回顧 這是一個視覺時代,目前(2016)
計算機視覺歷史回顧與介紹上
計算機視覺與許多學科關係密切,在本門課中,我們將學習到跨學科的建模方式。 本門課針對更加專業的領域,不只是討論神經網路。但是在應用方面只是針對計算機視覺。 卷積神經網路,解決了識別問題,識別問題有促進了深度學習的發展。 搞科研要有耐心,足夠細心。
基礎資料結構與演算法之非比較排序一:計數排序
要想深入理解一個東西,必須要清楚的知道來龍去脈。知道好在哪裡,不好在哪裡。適用於什麼應用場景。 對於演算法,最基本的效能指標是時間複雜度和空間複雜度。計數排序時間複雜度是O(n+range),計數排序要經過兩個遍歷。由於要申請range個空間,所以空間複雜度是O(ran
資料結構與演算法基礎(二)之單鏈表的插入與刪除操作
今天主要來講一講單鏈表的插入與刪除操作的步驟和演算法解釋。這是單鏈表最基本的操作但是也是最重要的基礎之一,有些地方還比較容易出錯。下面我就結合原始碼在上面加上註釋來解釋每一步的作用。 **一、單鏈表的插入操作** 1、圖示(截圖來自網易雲課
深度學習與計算機視覺核心技術與應用(學習目錄簡介)
無意中看到舉辦的深度學習與計算機視覺的課程培訓,看到培訓的內容,很是感興趣,有種把之前零散學習到的東西進行了一次總結。因此我想根據培訓課程的目錄把我之前的學習的一些內容以及個人經驗進行一次全面的總結,也當做一次複習吧! 深度學習是近十年來人工智
[計算機視覺][神經網路與深度學習]SSD安裝及其訓練教程
git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd(出現“分支”則說明copy-check成功)123進入下載好的caffe目錄,複製配置檔案 cd /home/usrname/caffe
菜鳥之路【計算導論與C基礎】練習2:計算概論第六週 B-05作業
2016年1月6日 在做題前先感謝各位大神的解法以及思路 程式設計題#1:數字求和 描述 給定一個正整數a,以及另外的5個正整數,問題是:這5個整數中,小於a的整數的和是多少? 輸入 輸入一行,只包括6個小於100的正整數,其中第一個正整數就是a。 輸出 輸出一行,給出一個
[計算機視覺][神經網路與深度學習]Faster R-CNN配置及其訓練教程
Faster R-CNN教程 最後更新日期:2016年4月29日 本教程主要基於python版本的faster R-CNN,因為python layer的使用,這個版本會比matlab的版本速度慢10%,但是準確率應該是差不多的。 目前已經實現的有兩種方式: Alternative trainingAp
資料結構與演算法 基礎概述 入門必備!
一、資料的邏輯結構 (1)集合結構 結構中的資料元素之間除了同屬於一個集合的關係外,再無任何其它關係。 (2)線性結構 結構中的資料元素之間存在著一對一的線性關係。 (3)樹形結構 結構中的資料元素之間存在著一對多的層次關