Skip to content
Robot Vision Algorithm Framework
Branch: master
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
AcfDetect
CameraLibrary
MilTrack
PointCloudRegistration
SVAF
SuperPixelSegment
SurfDetect
imgs
.gitignore
LICENSE
SVAF.sln
readme.md

readme.md

SVAF

Svaf

Svaf:Stereo Vision Algorithm Framework. Svaf采用简洁的配置文件组织算法,目前包含以下模块:

  • 统一视频图像输入接口
  • 图像处理算法
  • 目标识别算法
  • 目标跟踪算法
  • 特征点提取算法
  • 立体匹配算法
  • 点云重建算法
  • 点云配准算法
  • 数据记录和表格输出

目前Svaf仅由个人维护,仅支持Windows平台。任何Svaf源码的使用都需要遵守BSD2相关开源许可。

Why Svaf

立体视觉算法模块众多,参数复杂,为了更方便进行双目立体视觉算法的研究和开发,于是将各种算法通过配置文件组织起来。Svaf设计上参考了Caffe,将不同算法模块封装成层,通过配置文件将将各个层链接起来,在运行时算法就会按照规定的路径运行。

Savf适合双目立体视觉的开发者,如果你拥有多个相机,那么Svaf也能良好工作,只是其中某些模块的处理结果并非你所期望的,开发者正试图将Svaf推向拥有三个及以上相机的系统。

Installation instructions

开发环境

  • Visual Studio

    要求VS2012及以上,推荐版本VS2013,开发者使用的是VS2013

  • OpenCV

    要求OpenCV版本2.4以上,推荐版本2.4.13,OpenCV3.1很久没更新了,并不推荐

  • ProtoBuf

    需要下载源码自行编译。推荐版本2.6以上,如果你使用的是3.0以上版本,那么在书写算法配置时,需要在开头注明syntax = "proto2"; protocolbuffer是google的一种数据交换格式,在本程序中被用来管理算法参数

  • Glog

    需要下载源码自行编译。可以下载到的版本都可以(这个也是很久没更新了),Glogs在本程序中用来输出日志文件以及检查参数

  • Gflags

    需要下载源码自行编译。推荐版本2.0及以上,Gflags用于命令行参数解析

  • Matlab

    版本7.5及以上,推荐Matlab2012a及以上

  • Intel Compiler

    可选择,是否安装Intel的编译器。一般来说Intel的编译器更加优秀,编译出的代码运行速度更快,版本12及以上,开发者使用的是Inter Compiler 16.0,如果你使用VS自带编译器。

  • PCL

    PCL版本1.7.2及以上,推荐版本1.8.0版本。PCL点云库用来处理点云数据,并提供点云结果的可视化输出。

配置过程

  1. 开始

    下载源码,用Visual Studio打开工程,右键解决方案中的StereoVisionAlgorithmFramework工程,点击属性打开工程属性窗口

  2. 配置OpenCV

    编译好opencv之后,在环境变量中添加OPENCV_ROOT项,值为D:\opencv\build(opencv路径),然后属性表会自动加载。 如果选择不使用属性表,也可以自己配置include目录、lib目录、link库列表,也可以使用#pragma comment(lib, 'opencv_XXX_2413.lib')来进行链接。如果是动态库,那么还需要在系统的环境变量中加入bin目录,以调用dll。 这里需要表明,如果这里采用动态库,那么在编译下面三个库时,请编译相应的动态库,如果你调用的是OpenCV的静态库,那么在项目属性页面中修改C++ -> CodeGeneration -> RunTime Libraty: = /MT,于是在后面编译protobuf、glog和gflags的时候,就也需要做同样的设置。

  3. 配置Protobuf

    下载protobuf源码,使用cmake生成VS工程。进入VS后设置生成选项,这里的设置(x86,x64,debug,release,/MT,/MD)要和后面几个库统一。将编译好的lib、dll以及目录下本来就存在的.h头文件提取出来。在项目工程中加入include目录,lib目录,并设置链接库。

  4. 配置Gflags

    同Protobuf配置过程类似,需要自行下载源码编译。

  5. 配置Glog

    与Protobuf配置过程类似,需要自行下载源码编译。 在工程中包含目录include时,include的子目录应有如下结构

     include/google/protobuf
     include/opencv
     include/opencv2
     include/glog
     include/gflags
    

    这样就只需要包含include一个文件夹了,并且特别注意,protobuf的上一层一定要有google这个目录

  6. 配置Matlab

    为了方便直接调用属性表,我们增加一个环境变量MATLAB_ROOT,值为D:\Program Files\MATLAB\R2017a 由于Svaf中一些模块调用了Matlab,所以需要在程序中设置Matlab的include目录和lib目录。 点开属性页面,设置include目录为MATLAB_ROOT/extern/include,32位开发环境设置lib目录为MATLAB_ROOT/extern/lib/win32/microsoft,64位开发环境设置lib目录为MATLAB_ROOT/extern/lib/win64/microsoft(如果调用了属性表,这几项会自动加载)。 由于如下代码已经在Svaf工程中添加,所以无需再设置链接Matlab库。

     #pragma comment(lib, 'libeng.lib')
     #pragma comment(lib, 'libmx.lib')
     #pragma comment(lib, 'libmat.lib')
     #pragma comment(lib, 'libmex.lib')
    

    最后需要在系统路径中添加环境变量MATLAB_INSTALL_PATH/bin/win64到Path中

  7. 配置PCL库

    使用OneInAll安装包配置PCL库,并添加SVAF提供的属性表直接配置PCL环境,对于Intel编译器需要另外编译Boost库。在安装PCL库之后,首先需要添加如下路径到系统环境变量

     %PCL_ROOT%\bin
     %OPENNI2_REDIST64% (or %OPENNI2_REDIST%)
     %PCL_ROOT%\3rdParty\FLANN\bin
     %PCL_ROOT%\3rdParty\VTK\bin
     %PCL_ROOT%\Qhull\bin
     %PCL_ROOT%\3rdParty\OpenNI2\Tools
    

    在VS中导入属性表之后,在编译程序时仍有可能报错,这是因为使用了许多第三方库。首先请务必开启C++11支持,如果你使用的是VS2013,请确保VS2013升级至Update5,否则在编译boost库相关部分时可能报错。如果同时使用OpenCV和PCL,那么flann库可能发生冲突,需要在报错的flann前面加上全局命名空间::flann,并且如果需要使用opencv的flann,那么需要使用cv::flann来进行空间声明。请务必启用NOMINMAX宏,防止stl库定义min和max,以防止其与STL中的min和max宏名冲突,当然,也可以手工在PCL头文件中max出现处添加括弧标识(std::max)(a,b)来避免编译器将max解释为宏。

  8. 添加数据文件

    下载bgr2luv.dat文件,放置到SVAF\bgr2luv.dat\AcfDetect\bgr2luv.dat。该文件是在目标检测时使用的色彩空间转换表,数据过大,不利于git提交和下载,所以分离出来单独下载。

编译过程

  1. Proto文件的编译

    cd SVAF/svaf/
     protoc --cpp_out=./ svaf.proto

    或者直接运行SVAF/svaf/build.bat

辅助工具

  1. Camera Calibration Toolbox for Matlab

    这个工具箱实现了张正友法相机标定,Svaf和标定相关模块的参数需要该工具箱进行离线标定

  2. Piotr's Computer Vision Toolbox

    Svaf中的Adaboost模块采用该工具箱中的算法,使用该工具箱进行离线训练

  3. Netscope

    把该工程算法的配置文件粘贴到这个页面,使用#注释掉第一个bottom #bottom: "data" 可以自动生成算法的框架图哦。

Examples

  • 目标识别

    detect.pbf:

      # configure text
      name:	 "adaboost detect"
      version: "v0.1"
      layer{
      	name:	"data"
      	type:	IMAGE
      	bottom: "data"
      	top:	"adaboost"
      	imagedata_param{
      		name:	"F:/VS/StereoVisionAlgorithmFramework/AcfDetect/a.jpg"
      		name:	"F:/VS/StereoVisionAlgorithmFramework/AcfDetect/b.jpg" #可以按顺序处理多张图片
      	}
      }
      layer{
      	name:	"adaboost"
      	type:	ADABOOST
      	bottom:	"data"
      	top:	"adaboost"
      	adaboost_param{
      		detector:	"F:/VS/StereoVisionAlgorithmFramework/AcfDetect/acfCarDetector.dat" #利用工具箱训练得到的分类器
      		thresh:		40 #分类时检测的阈值
      	}
      }
    

    结果输出有三种类型,一种是日志信息,另一种是图像显示,还有就是对某些模块,一些参数会输出到特定设备。运行以上文件时,算法使用一个分类器检测一个目标,输入如下结果

    同时以下是log目录下的日志文件

      Log file created at: 2016/11/01 10:36:05
      Running on machine: PC
      Log line format: [IWEF]mmdd hh:mm:ss.uuuuuu threadid file:line] msg
      I1101 10:36:05.182090  4536 main.cpp:21] Svaf Copyright(c) 2016, Peng Chao
      ...
      I1101 10:36:05.273578  4536 Circuit.cpp:45] data -> 
      I1101 10:36:05.274580  4536 Circuit.cpp:59]  -> adaboost
      I1101 10:36:05.275583  4536 Circuit.cpp:53] Build All Layers.
      I1101 10:36:05.276588  4536 Circuit.cpp:153] Layer [data] Builded.
      I1101 10:36:05.277590  4536 Circuit.cpp:153] Layer [adaboost] Builded.
      I1101 10:36:05.307694  4536 Param.cpp:179] Fetched Image:
      F:/VS/StereoVisionAlgorithmFramework/AcfDetect/a.jpg
      I1101 10:36:05.773938  4536 AdaboostLayer.cpp:156] Adaboost Detected <4> Object
      I1101 10:36:05.774938  4536 AdaboostLayer.cpp:77] Box: 332.5, 261.253
      ...
      I1101 10:36:44.429144  4536 main.cpp:28] Done.
    
  • 特征匹配

    StereoVisionAlgorithmFramework/svaf/surfmatchwithransac.pbf

    该配置文件粘贴到NetScope上可以生成如下网络结构图(粘贴时注意注释掉第一个bottom哦)
      # configure text
      name:	"Surf Feature Match Locate"
      version: "v0.1"
      layer{
      	name:	"data"
      	type:	IMAGE_PAIR
      	bottom: "data"
      	top:	"rectify"
      	imagepair_param{
      		pair{
      			left: "F:/MATLAB/left/I01.bmp"
      			right: "F:/MATLAB/right/I01.bmp"
      		}
      	}
      }
      layer{
      	name:	"rectify"
      	type:	RECTIFY # 立体校正
      	top:	"surfpoint"
      	rectify_param{
      		filename:	"F:/MATLAB/calibration/rectify.dat" # Matlab工具箱生成的校正矩阵
      	}
      }
      layer{
      	name:	"surfpoint"
      	type:	SURF_POINT # Surf特征点检测
      	bottom: "rectify"
      	top:	"surfdescriptor"
      	surfpoint_param{
      		stride:		2
      		octaves:	5
      		intervals:	4
      		thresh:		0.00005
      	}
      }
      layer{
      	name:	"surfdescriptor"
      	type:	SURF_DESP # Surf特征描述
      	bottom:	"surfpoint"
      	top:	"eularmatch"
      }
      layer{
      	name:	"eularmatch"
      	type:	EULAR_MATCH # 欧氏距离筛选
      	bottom:	"surfdescriptor"
      	top:	"ransac"
      	eularmatch_param{
      		thresh:	0.65
      	}
      }
      layer{
      	name:	"ransac"
      	type:	RANSAC # Ransac筛选匹配点
      	bottom:	"eularmatch"
      	top:	"ransac"
      	ransac_param{
      		thresh: 5.0
      	}
      }
    
  • 双目测量

    StereoVisionAlgorithmFramework/svaf/binocularlocate.pbf 该配置文件描述的算法具有如下结构

    最终控制台会输出检测出特征点的三维坐标:pointL是左相机坐标系的坐标,pointW是世界坐标系坐标

API Documentation

对应版本:v_1.21

  • Layer

    所有层的基类,虚类,提供虚函数Run接口。提供时间统计函数,提供层名name,控制显示show,控制保存结果save,控制输出日志控制logi,logt等变量。

      message LayerParameter{
      	optional string name = 1;
      	optional string bottom = 2;
      	optional string top = 3;
      	optional bool	show = 4 [default = false];
      	optional bool	save = 5 [default = false];
      	optional bool	logt = 6 [default = false];
      	optional bool	logi = 7 [default = false];
      	enum LayerType{
      		NONE = 0;
      		IMAGE = 1;
      		...
      		RECTIFY = 141;
      	}
      	optional LayerType type = 10;
      }
  • AdaboostLayer

      message AdaboostParameter{
      	optional string detector = 1;
      	optional bool	sync_frame = 2 [default = false];
      	optional bool	sync_video = 3 [default = false];
      	optional bool	sync_epipolar = 4 [default = false];
      	optional float	thresh = 5 [default = 0];
      	optional float	nms = 6 [default = 0.65];
      	optional ROIExtention pad_rect = 7;
      }

    Adaboost层会自动剪裁图像,图像中置信度最高的区域会被作为ROI自动剪裁出来,同时,图像Block类中的 roi 会对应改变,Block中的 roi 永远都是相对于最初的图像,而Block类中的 point 则是相对当前图像的。 Adaboost算法为双目版本提供极线约束优化,sync开启时,左右图像ROI大小相同,epipolar开启时,左右图像的roi在同一水平线上,此时形成极线约束。 可以通过ROIExtention对检测结果进行调整(如上下平移,拓展边界等)

  • DataLayer

      message DataParameter{
      	optional bool color = 1;
      }

    数据层支持多种数据来源和格式,包括图像、视频、网络摄像头、图像文件夹、Kinect摄像头等,除此之外还有进程通信接口,可通过其它进程的内核映射对象获取数据。数据来源被封装在程序中,这一层仅仅控制图像的色彩通道是单通道还是三通道。

  • MatrixMulLayer

      message MatrixMulParameter{
      	optional string	filename = 1;
      	optional string col0 = 2;
      	optional string col1 = 3;
      	optional string col2 = 4;
      }

    使用一个3*4矩阵,完成相机坐标系和世界坐标系间的转换。支持二进制文件和配置文件直接输出两种形式,二进制文件为matlab直接保存的格式。

  • MilTrackLayer

      message MilTrackParameter{
      	enum InitType{
      		MOUSE = 1;
      		SELECT = 2;
      		AUTORECT = 3;
      		ADABOOST = 4;
      	}
      	optional InitType init_type = 1 [default = AUTORECT];
      	enum TrackType{
      		MIL = 1;
      		ADA = 2;
    
      		MIL_GRAY = 11;
      		MIL_RGB = 12;
      		MIL_LUV = 13;
      		MIL_HSV = 14;
      	}
      	optional TrackType track_type = 2 [default = MIL];
      	optional int32 track_count = 3 [default = 20];
      	repeated InitRectParameter init_rect = 4;
      	optional uint32 tr_width = 5 [default = 200];
      	optional uint32 tr_height = 6 [default = 150];
      	optional float  scalefactor = 7 [default = 0.5];
    
      	optional uint32 init_negnum = 11 [default = 65];
      	optional uint32 negnum = 12 [default = 65];
      	optional uint32 posmax = 13 [default = 100000];
      	optional uint32 srchwinsz = 14 [default = 25];
      	optional uint32 negsample_strat = 15 [default = 1];
      	optional uint32 numfeat = 16 [default = 250];
      	optional uint32 numsel = 17 [default = 50];
      
      	optional float	lrate = 21 [default = 0.85];
      	optional float	posrad = 22 [default = 1.0];
      	optional float	init_posrad = 23 [default = 3.0];
      	optional uint32 haarmin_rectnum = 24 [default = 2];
      	optional uint32 haarmax_rectnum = 25 [default = 6];
    
      	optional bool	uselogr = 29 [default = true];
    
      	// only avaliable on binocular track
      	optional bool	tss = 31 [default = false];
      	optional bool	pool = 32 [default = false];
      	optional bool	sync = 33 [default = false];
      	optional bool	mixfeat = 34 [default = false];
      	optional bool	showprob = 35 [default = false];
      }

    MIL图像跟踪,可以选择是手动框选目标,还是使用Adaboost自动框选目标,同时也可以选择是没格多少帧自动调用Adaboost算法进行目标检测。

  • BinoTrackLayer

    _MILTrackLayer_的双目实例,参数表与_MILTrackLayer_相同

  • RansacLayer

      message RansacParameter{
      	optional float	thresh = 1 [default = 5];
      }

    使用Ransac算法筛选匹配点对,可以调整的参数为筛选阈值,一般需要在运行Ransac之前需要一个初匹配,防止计算量过大

  • StereoRectifyLayer

      message StereoRectifyParameter{
      	optional string filename = 1;
      }

    读取Matlab工具生成的映射表进行立体矫正

  • CVPointLayer

      message CVPointParameter{
      	enum PointType{
      		FAST = 1;
      		FASTX = 2;
      		MSER = 3;
      		ORB = 4;
      		BRISK = 5;
      		FREAK = 6;
      		STAR = 7;
      		SIFT = 8;
      		SURF = 9;
      		GFTT = 10;
      		HARRIS = 11;
      		DENSE = 12;
      		SBLOB = 13;
      		AKAZE = 14;
      	}
      	optional PointType	type = 1;
      	optional bool		isadd = 2 [default = false];
    
      	optional FastParamCP	fast_param	= 11;
      	//optional FastParamCP	fastx_param = 12;
      	optional MSERParamCP	mser_param	= 13;
      	optional ORBParamCP		orb_param	= 14;
      	optional BriskParamCP	brisk_param = 15;
      	optional FreakParamCP	freak_param = 16;
      	optional StarParamCP	star_param	= 17;
      	optional SiftParamCP	sift_param	= 18;
      	optional SurfParamCP	surf_param	= 19;
      	optional GFTTParamCP	gftt_param	= 20;
      	optional HarrisParamCP	harris_param = 21;
      	optional DenseParamCP	dense_param = 22;
      	optional SimpleBlobParamCP	sb_param = 23;
      	optional AkazeParamCP	akaze_param = 24;
      }

    集成了OpenCV中9种特征点检测算法

  • CVDescriptorLayer

      message CVDescriptorParameter{
      	enum DespType{
      		SIFT = 1;
      		SURF = 2;
      		BRIEF = 3;
      		BRISK = 4;
      		ORB = 5;
      		FREAK = 6;
      		OPPONENT = 7;
      	}
      	optional DespType type = 1;
      	optional BriefDespCV brief_param = 2;
      }

    集成了OpenCV中多种特征描述子算法

  • CVMatchLayer

      message CVMatchParameter{
      	enum MatchType{
      		BFL1 = 1;
      		BFL2 = 2;
      		BFH1 = 3;
      		BFH2 = 4;
      		FLANN = 5;
      	}
      	optional MatchType	type = 1;
      	optional bool		crosscheck = 2 [default = true];
      }

    集成了OpenCV中2种特征匹配算法

  • SurfPointLayer

    Surf特征点检测

  • SurfDescriptorLayer

    对特征点进行Surf描述

  • StereoLayer

    抽象立体层,其中封装了PCL点云库中的多种算法,用于需要处理点云数据的层来继承

  • TriangluarationLayer

      message TriangularParameter{
      	optional bool	visible = 1 [default = true];
      	optional string toolbox_dir = 2;
      	optional string calibmat_dir = 3;
      	optional bool	savepc = 4 [default = false];
      	optional string pcname = 5 [default = "./ref_pointcloud.pc"];
      }

    将左右相机的二维图像坐标,转换为相机世界坐标,调用Matlab实现,需要Matlab支持

  • CenterPointLayer

    直接将目标检测中心位置作为最终结果进行输出,由于只是计算二维中心点,所以不需要额外参数,二维点映射三维坐标的任务交给其它层完成

  • EadpMatchLayer

      message EADPMatchParameter{
      	optional int32 max_disp = 1 [default = 24];
      	optional int32 factor = 2 [default = 2560];
      	optional int32 guidmr = 3 [default = 1];
      	optional int32 dispmr = 4 [default = 1];
      	optional float sg = 5 [default = -25.0];
      	optional float sc = 6 [default = 25.5];
      	optional float r1 = 7 [default = 10];
      	optional float r2 = 8 [default = 500];
      	optional string prefix = 9 [default = "./eadp"];
      	optional bool	savetxt = 10 [default = false];
      }

    进行Eadp立体匹配,计算视差

  • SGMMatchLayer

      message SGMMatchParameter{
      	optional int32 max_disp = 1 [default = 24];
      	optional int32 factor = 2 [default = 2560];
      	optional int32 dispmr = 3 [default = 1];
      	optional float r1 = 4 [default = 10];
      	optional float r2 = 5 [default = 500];
      	optional string prefix = 6 [default = "./sgm"];
      	optional bool	savetxt = 7 [default = false];
      }

    进行SGM立体匹配,计算视差

  • SupixSegLayer

      message SuperPixelSegmentParameter{
      	optional int32 K = 1 [default = 400];
      	optional int32 M = 2 [default = 10];
      	optional bool optint = 3 [default = true];
      	optional bool saveseg = 4 [default = false];
      	optional string segname = 5 [default = "./supix.seg"];
      }

    进行超像素分割

Program Control

   在框架运行过程中,可以使用以下按键对算法进行暂停、退出、初始化等控制:

  • Q: Quit
  • E: Exit
  • P: Pause
  • R: Reinitiate

Updata Log

2018/3/24 (v_1.23)
  1. 为代码添加注释
  2. 修复bug,在构建链表之前摧毁链表
  3. 添加进程间通信功能
  4. 与GUI进程联合调试
2017/9/2 (v_1.22)
  1. 增加点云初始配准层,支持输出欧拉角
  2. 使用系统变量配置环境,完善配置说明
  3. 增加BSD2开源协议
2017/8/4 (v_1.21)
  1. SVAF项目开源 RVAF
  2. 默认使用VS12编译环境和MATLAB2017a
  3. 删除FeaturePoolLayer
  4. 完善配置说明
2016/12/20 (v_1.20)
  1. 修复v_1.10版本以来,立体匹配算法的Bug
2016/12/13 (v_1.19)
  1. 增加logt控制是否记录时间,增加logi待用控制记录信息
  2. 完善双目跟踪的共享特征共享训练,显示概率图的显示控制
  3. 对双目跟踪进行OpenMP优化
  4. 开启Release版本下ICC的C++11支持
2016/12/12 (v_1.18)
  1. 增加双目跟踪层,具备简单的极线约束功能和共同训练功能
  2. MILTrack增加多通道特征选择功能
  3. 修复MIL跟踪特征筛选过程中的一处书写错误
2016/12/8 (v_1.17)
  1. 修复了网络摄像头打开失败的Bug
  2. 修复了MILTrack同时跟踪多幅图像初始化的Bug
2016/12/2 (v_1.16)
  1. 增加FeaturePool层,实现特征描述子对的匹配
  2. 增加图片结果保存功能
  3. Layer层的保护变量全部采用双下划线标识
  4. MIL图像跟踪增加R键重新选择区域
  5. 增加pair结构的伪注释_pair
  6. 在FeaturePool中实现了ICP点云配准,POSIT等五种位姿解算方法(但是效果都不好,lol)
  7. ICC开启C++11支持,以避免icp中的error
  8. 修复pcl中大量max宏冲突,并删除Supix中的minmax宏
2016/11/29 (v_1.15)
  1. 为特征池构建了框架
  2. 重整计时部分为计时器类,在Layer中声明,去除Layer中琐碎的接口
  3. 使用_OPENMP宏控制openmp是否开启加速
2016/11/28 (v_1.14)
  1. 移交了Adaboost的显示部分,重新整理Adaboost部分结构
  2. 为Adaboost添加Mil接口
  3. 增加MIL图像跟踪模块
  4. 使用OpenMP加速技术
2016/11/22 (v_1.13)
  1. 修复SVAF中若干Bug,SVAF能稳定的进行各项数据采集测试
2016/11/20 (v_1.12)
  1. 增加实验数据采集模块,可以输出直接导入Excel和MATLAB的表格文本文件
  2. 增加时间采集模块
2016/11/18 (v_1.11)
  1. 整理工程目录和属性表,规范化工程
  2. 工程名称正式定为__SVAF__(以往使用全称__StereoVisionAlgorithmFramework__)
2016/11/17 (v_1.10)
  1. PCL Comes to SVAF
  2. 修复立体匹配math.h冲突的Bug
  3. 修复PCL库中max宏名冲突的Bug
  4. 三维重建层输出pcd点云
  5. 规范成员函数指针
2016/11/14 (v_1.09)
  1. 增加Adaboost的区域调整参数
  2. 完善Eadp和Sgm的点云输出
  3. 修改三维重建层,点云数目过大时不输出结果参数
2016/11/13 (v_1.08)
  1. 增加Supix模块
  2. 增加了SupixLayer超像素分割处理层
  3. 增加了Eadp立体匹配和Sgm立体匹配处理层计算视差
2016/11/10 (v_1.07)
  1. 修复了Opencv特征点检测模块的Bug
  2. 移交了自写Eular匹配的显示部分至模块内部
  3. 添加了EU极线约束模块
2016/11/9 (v_1.06)
  1. 增加显示控制选项,显示集中由配置文件控制
  2. 完善OpenCV特征点提取的控制参数
  3. 增加OpenCV特征匹配的控制参数
2016/11/8 (v_1.05)
  1. 增加对OpenCV的特征点提取和特征描述支持
2016/11/7 (v_1.04)
  1. 对triangleLayer增加三维坐标可视化
  2. 对Run重载为bool型,一般性错误不终止程序,直接处理下一帧,并在日志中记录错误
  3. 增加IMAGE_FOLDER类型,可以直接读取整个文件夹,对应的书写了相应的Matlab工具
2016/11/4 (v_1.03)
  1. 修正矩阵乘法层坐标变换计算的错误
  2. 对调用Matlab进入相对路径部分进行优化
2016/11/4 (v_1.02)
  1. 修复亚像素点坐标小数位丢失的bug
  2. 修复坐标信息日志记录不全的bug
  3. 增加matlab工具箱目录参数,matlab工具箱目录可由文件配置
  4. Adaboost层nms参数可用
  5. Release版本可用
2016/11/3 (v_1.01)
  1. 增加数据层参数,控制图像通道数
2016/11/1 (v_1.00)
  1. Svaf发布
  2. Adaboost模块、Surf模块、Camera模块、立体矫正模块、向量匹配模块、双目测量模块可用
2016/10/30 (Prevs)
  1. SurfDetect模块接入
  2. EularLayer接入
  3. RansacLayer接入
  4. TriangulationLayer接入
  5. StereoRectifyLayer接入
2016/10/27 (Prevs)
  1. AcfDetect模块加入约束
2016/10/26 (Prevs)
  1. AcfDetect模块接入
2016/10/18 (Prevs)
  1. DSPCamera模块加入
2016/10/1 (Prevs)
  1. Svaf Build

Contact Me

Peng Chao

You can’t perform that action at this time.