精华内容
下载资源
问答
  • 液晶屏的形状大体上可以分为正方形,长方形,梯形,扇形,八边形,六边形,圆形,目前市场上常做的就是正方形和长方形,这2种在形状方面较其他的几种形状要便宜点,其他的几种形状比这两种工序上要复杂,人工成本也...

    如果您想新开发一款产品,上面带液晶屏的,市场上这个产品也已经出来很多年了,那么您可以考虑一下,从液晶屏的形状上面与别人与众不同,突出自己的卖点。

    液晶屏的形状大体上可以分为正方形,长方形,梯形,扇形,八边形,六边形,圆形,目前市场上常做的就是正方形和长方形,这2种在形状方面较其他的几种形状要便宜点,其他的几种形状比这两种工序上要复杂,人工成本也明显增加,所以,做特殊形状的液晶屏也需要慎重。

    在这里插入图片描述

    如果您外壳模具已经开好,空间有限,常规的形状也放不进去,那么就得考虑特殊形状的段码液晶屏了。
    新开发的产品的话,可以考虑段码液晶屏做成常规形状的,外壳开成自己需要形状就可以了。

    展开全文
  • 3D点云形状分类简介

    千次阅读 2020-12-17 16:44:38
    3D形状分类主要三种方法:基于多视图的(multi-view),基于体积的(volumetric-based),基于点的(point-based)。 基于多视图的方法将非结构化的点云投影为2D图像,而基于体积的方法将点云转换为3D体积表示。...

    3D点云形状分类简介

    3D形状分类主要有三种方法:基于多视图的(multi-view),基于体积的(volumetric-based),基于点的(point-based)。
    基于多视图的方法将非结构化的点云投影为2D图像,而基于体积的方法将点云转换为3D体积表示。然后利用2D或3D卷积网络来实现形状分类。相反,基于点的方法直接在原点云图像上运行,不会造成信息丢失,正在逐渐成为主流。

    基于多视图的点云分类算法

    基于多视图的方法首先将3D形状投影到多个视图中,然后提取视图的特征,融合这些特征以进行准确的形状分类。所以关键在于如何融合这些特征。该方法开创性的工作是15年提出的MVCNN1,如图所示,其中所有分支的CNN1共享权重,它将多视图特征maxpool化为全局描述符。 但是,最大池化只能保留特定视图中的最大元素,从而导致信息丢失。
    MVCNN
    之后, Yang等人2提出对多视图的关系进行建模,提出了一种关系网络,用两个模块分别提取不同视图间的region关系以及整个示图之间的关系,最终生成3D描述符,如图所示:
    relation network
    Wei等人3提出使用图卷积网络建模多个视图之间的关系,每个视图作为一个图节点,然后将由局部图卷积,non-local消息传递和选择性视图采样组成的核心层应用于构建的图。关于该文章的详细介绍可以参考一篇知乎的讲解4

    基于体积的方法

    通过体素网格进行学习可以解决多视图表示的主要缺点。体素网格缩小了二维和三维之间的差距,它们是最接近图像的三维表示形式,这使得二维深度学习的概念(比如卷积操作)能够容易地应用于三维情景。

    在 2015 年提出的 VoxNet5,是最早在给定体素网格输入的情况下在物体分类任务上取得优异表现的深度学习方法。VoxNet 使用的是概率占用网格,其中的每个体素都包含了该体素在空间中被占用的概率。这样做的一个好处就是,它允许网络区分已知是自由的体素。整个流程如下:
    在这里插入图片描述

    由于体素网格与图像十分相似,它们实际上使用的带步长的卷积和池化运算都是从二维像素的工作方式进行调整迁移到三维体素上来的。卷积算子使用的是 d×d×d×c 的卷积核而不是二维卷积神经网络中使用的 d×d×c,池化运算考虑的是不重叠的三维体素块而不是二维像素块。图中Conv(f,d,s) f表示卷积算子个数,d为卷积核尺寸,以及步长s。

    体素的缺点是:需要很高的分辨率才能模拟出一个物体的精准结构。而高分辨率往往意味着大量的内存和计算量。这类方法难以处理密集的3D数据,因为计算量随着分辨率三次方增长。

    为了解决这个问题,OctNet6提出,在点云等表示方法中的3D数据本身是稀疏的(空间中有一些地方没没有物体存在),这就导致了在使用3D卷积时的计算资源浪费。所以OCNet使用一组不平衡的八叉树来对空间进行分层划分,更具体地说,以递归方式拆分在其域中包含数据点的八叉树节点,并在树的最佳分辨率停止。也就是说OCNet根据3D结构动态的分布计算和存储,这样可以在高分辨率的时候节省计算和存储。
    在这里插入图片描述
    如图所示,第二行是普通的3D ConvNet,可以看到如果使用高分辨率计算,那么全图都是密集的网格点,代表该处的卷积计算位置,而第三行的OCNet可以根据输入物体的形状,动态调节每个位置的分辨率(通过八叉树实现,关于八叉树可参考:八叉树),从而在使用同等分辨率的时候降低计算量和内存占用。

    但是体素网格仍然具有一些缺点。首先,与点云相比,它们丢失了分辨率。因为如果代表复杂结构的不同点距离很近,它们会被被绑定在同一个体素中。与此同时,与稀疏环境中的点云相比,体素网格可能导致不必要的高内存使用率。这是因为它们主动消耗内存来表示自由和未知的空间,而点云只包含已知点。

    基于点云的算法

    Pointwise MLP

    该类方法通过几个MLP建模点与点之间的关系可,然后汇聚成全局特征。先驱代表工作是PointNet7
    未完待续…


    1. H. Su, S. Maji, E. Kalogerakis, and E. Learned-Miller, “Multiview convolutional neural networks for 3D shape recognition,” in ICCV, 2015. ↩︎

    2. Z. Yang and L. Wang, “Learning relationships for multi-view 3D object recognition,” in ICCV, 2019 ↩︎

    3. X. Wei, R. Yu, and J. Sun, “View-gcn: View-based graph convolutional network for 3D shape analysis,” in CVPR, 2020. ↩︎

    4. https://zhuanlan.zhihu.com/p/159380196 ↩︎

    5. D. Maturana and S. Scherer, “VoxNet: A 3D convolutional neural network for real-time object recognition,” in IROS, 2015. ↩︎

    6. G. Riegler, A. Osman Ulusoy, and A. Geiger, “OctNet: Learning deep 3D representations at high resolutions,” in CVPR, 2017. ↩︎

    7. C. R. Qi, H. Su, K. Mo, and L. J. Guibas, “PointNet: Deep learning on point sets for 3D classification and segmentation,” in CVPR, 2017. ↩︎

    展开全文
  • 形状分析是计算机视觉领域的经典问题,目前已大量关于形状分类问题的研究.但是,当处理大的非线性失真、特别是结构上或者关联上的失真时,许多形状分类方法往往无能为力.提出一种利用轮廓关键点集(contour critical ...
  • 基于matlab的图像形状分类,内含代码。
  • 形状分析是计算机视觉领域的经典问题,目前已大量关于形状分类问题的研究. 但是,当处理大的非线性失真、特别是结构上或者关联上的失真时,许多形状分类方法往往无能为力. 提出一种利用轮廓关键点集(contour ...
  • 形状分析在植物种类鉴别中的应用(1)

    背景介绍

    叶片分类问题难点是叶片表面性质不同引起的光强改变,叶片部分包卷,缺损,虫蛀的情况。这类问题不适合使用图像数据进行识别和判断,更适合边缘的轮廓数据进行分析。边缘曲线对光强,叶片反光,叶片中心的虫蛀,缺损本身就不敏感。同时,识别叶片的方法主要在于叶片的整体形状以及边缘细节的光滑度。因此,这是证明形状分析方法有效性和应用性非常合适的应用背景。

    相关文献

    下列几篇文章使用了曲线去做相关的识别工作,并附上文章中我所感兴趣的内容:

    1. Similarity Metric For Curved Shapes In Euclidean Space (CVPR) Demisse基于李群的度量方法,认为Srivastava的方法容易忽略曲线的细节信息的做法是不合适的。
    2. A leaf recognition algorithm for plant classification using probabilistic neural network. 提供了Flavia数据库及相应处理代码。
    3. Landmark-free statistical analysis of the shape of plant leaves (Journal of Theoretical Biology) 给出了使用曲线分类的评判标准: MAP 以及 Precision-Recall图。
    4. A Shape-based Approach for Leaf Classification using Multiscale Triangular Representation 和
    5. A riemannian elastic metric for shape-based plant leaf classification 提供了Precision-Recall的计算公式 后者更加详细。
    6. Plant species identification using digital morphometrics- A review 文献综述 解释了叶片识别的细节特征
    7. Shape classification using the inner-distance (07PAMI) 识别方面的实验很全面。提供了各种数据库

    预处理步骤

    主要针对Flavia数据库进行分析。Flavia数据库921M,32类共1907树叶数据,图片存为是800*600的JEPG格式。文献[2]给出了Flavia数据库数据初始化流程:
    1. RGB转Gray. 论文使用的转换公式
    gray=0.2989R+0.5870G+0.1140B
    其实就是matlab里面的rgb2gray函数。
    2. 论文中统计直方图得出判决阈值为242,可基本区分叶片(记0),背景记1。
    3. 用3*3的均值滤波器去除噪声
    4. 用[0 1 0; 1 -4 1; 0 1 0]增强边缘
    5. 论文中用Laplacian算法,我觉得用边缘提取算法效果更好
    6. 稍加修饰就获得轮廓数据。

    基于srv-framework的分类:

    首先,[1,3,5]对数据库中各曲线两两计算距离。
    利用一种 one-leave-out test方法,取出某个样本后,用该样本到数据库内查询。


    我目前不清楚的概念及名词:
    one-leave-out test
    MAP mean average precision
    precision recall graph

    明天缕清思路后再分析。
    2017-1-13

    展开全文
  • 三维计算机视觉之形状检测与分类

    三维计算机视觉之形状检测与分类

    展开全文
  • 介绍了一种利用形状的骨架信息进行形状识别和分类的方法。利用从形状中提取的骨架接合节点信息,将形状相似性问题转化为骨架接合节点距离的计算。采用神经网络的方法,根据输入形状的骨架接合节点距离判断出形状所属...
  • OpenCV中BLOB特征提取与几何形状分类一:方法二值图像几何形状提取与分离,是机器视觉中重点之一,在CT图像分析与机器人视觉感知等领域应用广泛,OpenCV中提供了一个对二值图像几何特征描述与分析最有效的工具 - ...
  • 2、焊接接头包括哪些部分?  焊接接头包括焊缝,熔合区和热影响区。   3、什么是焊缝?  焊接时,被焊工件在电弧热的作用下,母材和填充金属后熔化形成熔池,当热源离开以后,熔化的金属开始冷却结晶,凝固后...
  • visio中可以通过选择分类查看分类下的形状,但没有比较方便得查看所有自带形状的地方,通过这个文档可以更快速地找到自己想要的形状属于哪个分类
  • 呵呵改变button的形状两种方式:1:方法一:通过在xml的button属性中设置,android:layout_width="wrap_content"android:layout_height="wrap_content"android:shadowDx="0"android:shadowDy="-1"android:sh...
  • 我这里一个需求就是,将这些图片分类,分类的效果至少也应该是这样的: 将一些形状非常类似的图片分在一起. 我大致查阅了一下挺多的分类算法,这些算法大致分为了两类: 一类是通过对分类器进行训练,比如说要识别...
  • 灰度图像形状的识别分类算法实现matlab

    万次阅读 多人点赞 2016-07-22 20:58:55
    对图像进行边缘检测,可以很容易算出各个图像面积与周长二次方的比值关系,对图像进行直线检测, 可以获得图像中直线的特征,结合图像的以上两种特种对形状进行分类。     算法设计和推导:    1. 图像预处理...
  • OpenCV中blob的概念以及OpenCV中BLOB特征提取与几何形状分类文章目录:一、Blob概念理解1、概念理解 12、概念理解2二、blob特征提取1、python2、C++ 我们总会遇到图像处理中的一些模糊的概念,怎么也理不清楚,说...
  • 形状公差

    2008-01-17 16:29:00
    2006-06-12 12:03:00 零件在加工过程中,由于机床-夹具-刀具系统存在几何误差,以及加工中出现... 形状公差形状公差是指单一实际要素的形状所允许的变动全量。形状公差用形状公差带表达。形状公差带包括公差
  • 形状研究的工作内容包括预处理,形状表达和描述,形状分类。 下图给出一个2维图像的形状的分类图: 形状两个重要的性质,一个是紧凑性,另一个是复杂性,又分别称为 伸长性和不规则性。 描述形状的紧凑性,...
  • 隐式形状模型

    千次阅读 2016-04-14 18:05:56
    在这次我们将学会隐式形状模型算法通过pcl::ism::ImplicitShapeModel这个类来实现。这个算法是把Hough转换和特征近似包进行结合。训练集,这个算法将计算一个确定的模型用来预测一个物体的中心。 这个算法由两...
  • 形状与人脸识别

    万次阅读 2020-03-14 08:46:18
    只要将n个圆弧和m个线段 组合就能形成,世界上的任何形状 那么为什么要 说这些东西 原因在于,人类的表情完全是由鼻子眼睛眉毛的形状所决定 所以要准确的区分 什么形状才能 知道 一个人是什么表情 那么形状...
  • 我们工作的主要贡献是将强大的机器学习方法和程序化模型结合起来作为形状先验,以符合多种类外观模式分割的目的。一般的形状文法被约束只表示建筑物,非线形分类理论,即随机森林被用来决定语法的语义元素与被观测 ...
  • 各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索,但它们也一些共同的问题,包括:①目前基于形状的检索方法还缺乏比较完善的数学模型;②如果目标变形时检索结果往往不太可靠;③...
  • 机器视觉光源按形状怎么分类

    千次阅读 2015-07-14 13:38:00
  • 常用的图像特征颜色特征、纹理特征、形状特征、空间关系特征。 一 颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有...
  • opencv之基本形状识别

    千次阅读 多人点赞 2019-07-11 22:51:58
    文章目录openc之基本形状识别各种博客上的现有方法新方法——从信号的角度分析实验结果通过上面这些图可以得到图下结论: openc之基本形状识别 各种博客上的现有方法 ...笔者通过阅读其代码,将其思路总结如下: ...
  • shape context-形状上下文

    千次阅读 2017-08-21 14:41:17
    形状上下文是一种很流行的形状描述子,原始论文已经被引用上千次了。自然,很多研究者进行了诸多改进,但还是不能克服shape context一些自身的缺点。  下面先简单介绍形状上下文的一个基本原理:  形状上下文是...
  • 普林斯顿大学形状基准

    千次阅读 2015-12-30 15:42:00
    本文提出了普林斯顿形状基准(PSB),从万维网上收集了三维模型组成一个公开三维模型库,并且提供一套工具用于相似性度量和分类。该模型库的一个特点是对每个三维模型提供多个语义标签。例如,三维模型分类标准基于
  • 物体的形状识别

    万次阅读 2014-10-06 10:54:30
    物体的形状识别[1]是模式识别中一个基本问题,也是一个重要问题,其广泛应用于图像分析、计算机视觉和目标识别等领域。人类可以很容易地识别物体的形状,但是对于计算机来说,自动识别任意物体的形状却相当困难。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 92,787
精华内容 37,114
关键字:

形状的分类有哪些