精华内容
下载资源
问答
  • 限制商户定位至大陆以外地区 code /** 根据经纬度判断 是否在大陆地区 */ + (BOOL)inChineseMainlandWithCLLocation:(CLLocation *)location regeocode:(AMapLocationReGeocode *)regeocode{ if...

    前言

    说起安全,这里先提醒下大家

    近日一蠕虫病毒incaseformat将于1月23日再次爆发,该病毒伪装为文件夹图标,隐藏自身exe后缀骗取用户双击运行,发作时在C盘中生成ttry.exe或tsay.exe文件,可能删除C盘等系统盘以外所有盘符内文件,危害极大。
    即使该病毒诞生时间久远,现有专业杀毒软件均能可靠查杀。大家也要保持良好的操作习惯:不在陌生网站下载资源,不访问不可靠的网站,不使用陌生U盘,减少移动存储介质的使用频率

    本文的重点是:

    • 限制商户定位至大陆以外地区

    通过经纬度进行判断。利用高德SDK进行判断。(如果是手动输入位置信息就进行逆地理编码获取经纬度再进行判断

    • 优化定位权限检查的处理逻辑:针对 kCLAuthorizationStatusNotDetermined 情况的处理

    用户没有选择是否要使用定位服务(弹框没选择,或者根本没有弹框)
    [AMapLocationKit] 要在iOS 11及以上版本使用后台定位服务, 需要实现amapLocationManager:doRequireLocationAuth: 代理方法】

    I、 限制境外定位

    1.0 封装方法【根据经纬度判断是否在大陆地区】

    • AMapLocationDataAvailableForCoordinate
    
    /**
     
     根据经纬度判断 是否在大陆地区
     */
    + (BOOL)inChineseMainlandWithCLLocation:(CLLocation *)location regeocode:(AMapLocationReGeocode *)regeocode{
        
        
        
        if(AMapLocationDataAvailableForCoordinate(location.coordinate)){//当前位置在大陆、港澳地区
            //香港特别行政区
    //        澳门特别行政区
            /省/直辖市
    //        @property (nonatomic, copy) NSString *province;
    
            if([regeocode.province isEqualToString:@"香港特别行政区"] || [regeocode.province isEqualToString:@"澳门特别行政区"]){
                return NO;
    
                
            }else{
                return YES;
    
            }
            
            
            
        }else{//其他地区
            
            return NO;
    
        }
        return YES;
    }
    
    
    • 使用
                    
    
                    CLLocation *location = [[CLLocation alloc]initWithLatitude:[array.lastObject doubleValue] longitude:[array.firstObject doubleValue]];
                    
                    AMapLocationReGeocode* regeocode = [AMapLocationReGeocode mj_objectWithKeyValues:geocodesDto.mj_keyValues];
                    
                    if([ERPAMapLocationTool inChineseMainlandWithCLLocation:location regeocode:regeocode]){
                        
                    }else{
                        
                        [SVProgressHUD showInfoWithStatus:@"您最新定位不在支持范围内!"];
    
                        
                        return;
                    }
                    
    
                    [weakSelf locotionRequestLat:[NSNumber numberWithDouble:location.coordinate.latitude].description Lon:[NSNumber numberWithDouble:location.coordinate.longitude].description adress:weakSelf.locationView.adressTextView.text];
    
    

    1.1 通过逆地理编码进行判断是否在大陆

    • 逆地理编码:将经纬度转换为详细结构化的地址,且返回附近周边的POI、AOI信息。

    例如:116.480881,39.989410 转换地址描述后:北京市朝阳区阜通东大街6号

    • 通过逆地理编码进行判断是否在大陆的处理流程

    1、 请求https://restapi.amap.com/v3/geocode/geo把用户输入的经营地址位置信息转为经纬度信息
    2、根据获取的经纬度信息再进行判断是否在大陆

    /**
     通过逆地理编码进行判断是否在大陆
     */
    - (void)setupGeocode{
    
        __weak __typeof__(self) weakSelf = self;
    
        if (weakSelf.locationView.adressTextView.text.length > 0) {//1、 判断经营地址信息,不为空进行逆地理编码(请求`https://restapi.amap.com/v3/geocode/geo`把用户输入的经营地址位置信息转为经纬度信息)
            [SVProgressHUD showWithStatus:@"定位中.."];
            AFHTTPSessionManager *managers = [AFHTTPSessionManager manager];
            managers.requestSerializer = [AFHTTPRequestSerializer serializer];
    
            managers.responseSerializer.acceptableContentTypes = [NSSet setWithObjects:@"text/html",@"text/plain",@"application/json",@"text/javascript",nil];
            
            
            
    //        NSString *urlStr = [NSString stringWithFormat:@"https://restapi.amap.com/v3/geocode/geo"];
            NSString *urlStr = k_amap_geocode;
            
            
            NSDictionary *dict = @{@"key" : @"6ccba78b7" , @"address" : weakSelf.locationView.adressTextView.text};
            
            
            
            [managers GET:urlStr parameters:dict headers:@{} progress:^(NSProgress * _Nonnull downloadProgress) {
                
                NSLog(@"downloadProgress:  %@",downloadProgress);
                [SVProgressHUD dismiss];
                
                
            } success:^(NSURLSessionDataTask * _Nonnull task, id  _Nullable responseObject) {
                
                
                NSLog(@"商户进件→商户详情,重新定位,若输入的地址只有国家+市(例如:中国浙江),点击确定后,去请求第三方地理编码信息(高德API)的时候会转换失败,获取不到经纬度信息。 提示:【获取经纬度失败,请输入详细地址!】 responseObject:  %@",responseObject);
                
                //status
    //            返回结果状态值
    //            返回值为 0 或 1,0 表示请求失败;1 表示请求成功
                
                
                CRMgeoDto *dto = [CRMgeoDto mj_objectWithKeyValues:responseObject];
                
                if(dto.status.integerValue == 1){
                    // 获取经纬度 ,如果失败,提示【获取经纬度失败,请输入准确的经营地址!】
                    
                    
                    void (^noLocationdataBlock)(void) = ^void(void) {
                        
                        [SVProgressHUD showInfoWithStatus:@"获取经纬度失败,请输入准确的经营地址!"];
                         
    
                    };
                    
    //                responseObject:  {
    //                    status = 1;
    //                    info = OK;
    //                    infocode = 10000;
    //                    count = 0;
    //                    geocodes = (
    //                );
                    if(dto.geocodes.count<=0){
                        
                        noLocationdataBlock();
                        return ;
                    }
                    
                    CRMgeocodesDto *geocodesDto = dto.geocodes.firstObject;
                    
                    if([NSStringQCTtoll isBlankString:geocodesDto.location]){
                        
                        noLocationdataBlock();
    
                        return ;
    
                        
                    }
    
                    NSArray *array = [responseObject[@"geocodes"][0][@"location"] componentsSeparatedByString:@","];
                    
                    if(array.count<=1){
                        noLocationdataBlock();
    
                        return;
                    }
                    
    
                    
                    //2、根据获取的经纬度信息再进行判断是否在大陆
                    
    
                    CLLocation *location = [[CLLocation alloc]initWithLatitude:[array.lastObject doubleValue] longitude:[array.firstObject doubleValue]];
                    
                    
                    AMapLocationReGeocode* regeocode = [AMapLocationReGeocode mj_objectWithKeyValues:geocodesDto.mj_keyValues];
                    
                    if([ERPAMapLocationTool inChineseMainlandWithCLLocation:location regeocode:regeocode]){
                        
                        
                    }else{
                        
                        [SVProgressHUD showInfoWithStatus:@"您最新定位不在支持范围内!"];
                        
                        return;
                    }
    
                    [weakSelf locotionRequestLat:[NSNumber numberWithDouble:location.coordinate.latitude].description Lon:[NSNumber numberWithDouble:location.coordinate.longitude].description adress:weakSelf.locationView.adressTextView.text];
                    
                    
    
                    [weakSelf.locationView.adressTextView resignFirstResponder];
                    
                    
                    weakSelf.locationView.frame = CGRectMake(0, kHeight, kWidth, KWratio(self.locationViewH));
                    
                    
                    
                    weakSelf.bacV.hidden = YES;
    
                    
                    
                }else{
                    
                    [SVProgressHUD showInfoWithStatus:@"请输入准确的经营地址!"];
    
                }
                
                    
                    
                    
                    
    
            } failure:^(NSURLSessionDataTask * _Nullable task, NSError * _Nonnull error) {
                [SVProgressHUD showInfoWithStatus:@"网络错误!"];
            }];
        } else {// 经营地址为空
            [SVProgressHUD showInfoWithStatus:@"请输入经营地址"];
        }
        
        
    }
    
    

    1.2 修改位置信息进行测试验证

    1.2.1 方法一:借助i4Tools修改真机地址

    安装命令行工具代码:xcode-select --install
    
    自签命令代码:codesign -f -s - --deep /Applications/i4Tools.app
    
    
    

    1.2.2 方法二:使用模拟器修改地址

    在这里插入图片描述

    在这里插入图片描述

    • 测试数据
    // province=香港特别行政区
     latitude=22.26429541107516
     longitude=114.18135238995905
    // province=澳门特别行政区
    
     latitude=22.135584619138957
     longitude=113.57214697205735
    
    2020-04-09 15:39:54.504424+0800 retail[8369:4238323] reGeocode:AMapLocationReGeocode:{formattedAddress:澳门特别行政区圣方济各堂区靠近澳门青年挑战营; country:中国;province:澳门特别行政区; city:(null); district:圣方济各堂区; citycode:1853; adcode:820008; street:(null); number:(null); POIName:澳门青年挑战营; AOIName:(null);}
    
    121.524582,25.028822
    2020-04-09 16:02:47.411507+0800 retail[8369:4238323] reGeocode:AMapLocationReGeocode:{formattedAddress:台湾省()私立七田真超右脑教育托儿所; country:中国;province:台湾省; city:(null); district:(null); citycode:1886; adcode:710000; street:(null); number:(null); POIName:()私立七田真超右脑教育托儿所; AOIName:(null);}
    
    

    【获取更多经纬度数据:https://lbs.amap.com/console/show/picker】

    1.2.3 方法三: 通过GPX文件修改经纬度信息

    iOS测试技巧:通过GPX文件修改经纬度信息(模拟iOS设备的位置)

    对应的公众号文章:https://mp.weixin.qq.com/s?__biz=MzI0MjU5MzU5Ng==&mid=2247484176&idx=1&sn=89be59a99be9140b6addc78dbc236db1&chksm=e978b943de0f3055e88d5e0e6728df94f2ea510b87a9f2d5001baf5a8ba1d49657aaddd6e480&mpshare=1&scene=1&srcid=0114mdopS0HpgqIch6RDZ1mt&sharer_sharetime=1610618241680&sharer_shareid=38c24777c9b84b8b44c56026b3aa9bd7&version=3.0.36.2330&platform=mac#rd

    II 、 优化定位权限检查的处理逻辑

    • 优化定位权限检查的处理逻辑:主要针对iOS13访问位置信息信息新增的【下次询问】的场景):iOS 13新增App地理位置访问“仅允许一次”

    测试方法: 先设置【使用app时允许】,再去系统的设置修改定位信息的权限为:【下次询问】。回到app去更新定位信息。

    • 定位之前,先检测权限,如果是kCLAuthorizationStatusNotDetermined的时候,需要实现这个方法amapLocationManager:(AMapLocationManager *)manager doRequireLocationAuth:(CLLocationManager*)locationManager,来让用户进行选择。
    - (void)amapLocationManager:(AMapLocationManager *)manager doRequireLocationAuth:(CLLocationManager*)locationManager
    {
        [locationManager requestAlwaysAuthorization];
    }
    
    

    III、风险商户处理

    • 盗刷拒付风险
    • 疑似欺诈、电诈、套现风险
    • 赌博、异常大额、异常测试:
    • 跨境风险
      在这里插入图片描述

    在这里插入图片描述

    see also

    展开全文
  • 变频器定位控制笔记

    千次阅读 2019-11-14 10:51:15
    变频器定位用于大功率电机的粗略定位控制,可用于电梯,自动货架起重机的升降控制。由于伺服电机的功率有限,只能用变频器进行定位。 短行程的变频器定位可以使用变频器自带的模拟量比较功能,某些型号的变频器有...

    变频器定位用于大功率电机的粗略定位控制,可用于电梯,自动货架起重机的升降控制。由于伺服电机的功率有限,只能用变频器进行定位。

    短行程的变频器定位可以使用变频器自带的模拟量比较功能,某些型号的变频器有提供两路模拟量信号输入,其中一路接电机位置传感器,另一路接定位信号,变频器会自动根据电压差控制电机正反转,达到粗略定位的目的。

    长行程变频器定位需要使用控制器和编码器。可以使用PLC作为控制器,需要编码器接口和模拟量输出接口,如果主机没有此接口,需要另外购置扩展模块。

    变频器输出与位置编码的函数关系分为三段,为全速正转段,单调调速段,全速反转段。1350转的异步电机单调调速段可设置±360度的缓冲范围。这个范围与电机的动能与力矩有关,动能与力矩的比值越大,缓冲带就需要越宽。具体宽度由现场测试得到。如果缓冲带的宽度过窄,则电机会来回震荡,无法稳定定位。如果缓冲带过宽,则定位时间变长。

    缓冲带的同步速度-位置曲线可选直线、横向抛物线。如果选择直线,在小惯性系统体现为一阶响应,大惯性系统为二阶响应,因此大惯性系统会出现震荡。如果选择横向抛物线,则是匀减速定位,同样可能出现震荡。

    由于异步电机转差过大会导致力矩下降,在电机快速运动时,远离中心时的阻力要小于靠近中心时的动力,所以高速段斜率过大会使电机大幅震荡。

    电机带重力负载引起的定位偏差可用PLC发点动信号修正,或用二分法自动搜索正确的位置,也可预设一个修正后的目标位置。

     

    展开全文
  • Python-opencv之目标定位

    万次阅读 2016-05-07 11:59:00
    最近团队准备参加一个无人机比赛,大致的规则是这样的:固定翼飞机从跑道起飞,然后在空中转体360°,通过GPS粗定位飞行至一个高13米左右,宽6米左右八字形框前(距离约50米左右),这时依靠计算机视觉的方法,让...

    最近团队准备参加一个无人机比赛,大致的规则是这样的:固定翼飞机从跑道起飞,然后在空中转体360°,通过GPS粗定位飞行至一个高13米左右,宽6米左右八字形框前(距离约50米左右),这时依靠计算机视觉的方法,让飞机准确的穿过去。(之后还有其他的动作,但是第一步大体就是这样)。

        初步的方案:①通过机载摄像机获取图像序列

                            ②选取关键帧进行处理,获得框的中心点图像坐标

                            ③将框的中心点图像坐标与图像中心坐标进行比较,将偏差信息反馈给控制系统,使其自动调节

        关键点:如何准确地定位目标框,并提取出框中心点图像坐标。


    ——————————————————————————————————————————————

    以下是一个比较简单的实现方案

        通过颜色提取出大致区域->形态学处理->轮廓提取->利用轮廓大小关系找到目标框->获得中心点信息并比较反馈


    代码部分

    # coding:UTF-8
    import cv2
    import numpy as np
    
    
    class Detect:
        def __init__(self, path):
            # 原始图像信息
            self.ori_img = cv2.imread(path)
            self.gray = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2GRAY)
            self.hsv = cv2.cvtColor(self.ori_img, cv2.COLOR_BGR2HSV)
            # 获得原始图像行列
            rows, cols = self.ori_img.shape[:2]
            # 工作图像
            self.work_img = cv2.resize(self.ori_img, (cols / 4, rows / 4))
            self.work_gray = cv2.resize(self.gray, (cols / 4, rows / 4))
            self.work_hsv = cv2.resize(self.hsv, (cols / 4, rows / 4))
    
        # 颜色区域提取
        def color_area(self):
            # 提取红色区域(暂定框的颜色为红色)
            low_red = np.array([156, 43, 46])
            high_red = np.array([180, 255, 255])
            mask = cv2.inRange(self.work_hsv, low_red, high_red)
            red = cv2.bitwise_and(self.work_hsv, self.work_hsv, mask=mask)
            return red
    
        # 形态学处理
        def good_thresh_img(self, img):
            # hsv空间变换到gray空间
            img = cv2.cvtColor(img, cv2.COLOR_HSV2BGR)
            img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 阈值处理
            _, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
            # 做一些形态学操作,去一些小物体干扰
            img_morph = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, (3, 3))
            cv2.erode(img_morph, (3, 3), img_morph, iterations=2)
            cv2.dilate(img_morph, (3, 3), img_morph, iterations=2)
            return img_morph
    
        # 矩形四角点提取
        def key_points_tap(self, img):
            img_cp = img.copy()
            # 按结构树模式找所有轮廓
            cnts, _ = cv2.findContours(img_cp, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
            # 按区域大小排序,找到第二大轮廓
            cnt_second = sorted(cnts, key=cv2.contourArea, reverse=True)[1]
            # 找轮廓的最小外接矩形((point), (w, h))
            box = cv2.minAreaRect(cnt_second)
            # ->(points)->(l_ints)
            return np.int0(cv2.cv.BoxPoints(box))
    
        # 画出关键轮廓的最校外接矩形
        def key_cnt_draw(self, points):
            mask = np.zeros(self.work_gray.shape, np.uint8)
            cv2.drawContours(mask, [points], -1, 255, 2)
            return mask
    
        # 目标框图像中心点提取
        def center_point_cal(self, points):
            pt1_x, pt1_y = points[0, 0], points[0, 1]
            pt3_x, pt3_y = points[2, 0], points[2, 1]
            center_x, center_y = (pt1_x + pt3_x) / 2, (pt1_y + pt3_y) / 2
            return center_x, center_y
    
        # 中心点比较,进行反馈
        def feedback(self, rect_center_point):
            # 获取矩形框中心
            rect_center_point_x, rect_center_point_y = rect_center_point[0], rect_center_point[1]
            # 得到图像中心
            rows, cols = self.work_img.shape[:2]
            img_center_x, img_center_y = cols / 2, rows / 2
            # 相对x、y
            delta_x = rect_center_point_x - img_center_x
            delta_y = rect_center_point_y - img_center_y
            # 条件判断
            print '-------------------'
            if delta_x > 0:
                print '->right'
            elif delta_x < 0:
                print 'left <-'
            else:
                print 'v_hold'
    
            if delta_y < 0:
                print '+up'
            elif delta_y > 0:
                print '-down'
            else:
                print 'h_hold'
    
        # 运行主函数
        def img_process_main(self):
            # 找到红色区域
            red = self.color_area()
            # 处理得到一个比较好的二值图
            img_morph = self.good_thresh_img(red)
            # 获取矩形框的四个关键点
            points = self.key_points_tap(img_morph)
            # 找到矩形中心点
            rect_center_point = self.center_point_cal(points)
            # 画出关键轮廓(调试用,并没有什么卯月)
            cnt_img = self.key_cnt_draw(points)
            # 反馈信息
            self.feedback(rect_center_point)
    
            # 显示图像
            cv2.imshow('ori', self.work_img)
            cv2.imshow('red', red)
            cv2.imshow('good_thresh', img_morph)
            cv2.imshow('cnts', cnt_img)
            cv2.waitKey(0)
    
            cv2.destroyAllWindows()
    
    
    if __name__ == '__main__':
        root_path = './201655'
        img_index = 0
        while True:
            img_index += 1
            img_path = root_path + '/' + str(img_index) + '.bmp'
            d = Detect(img_path)
            d.img_process_main()
    

    实际效果

        实验用的是等比例缩小做的模型。





     

    展开全文
  • 第一幅图像例,图像中是一只可爱的猫在草地上散步。输出结果应该是,对于每个像素,确定它属于猫、草地或者天空,或者背景亦或其他分类。语义分割并不区分同类目标。也就是说,不会区分第二幅图的这两头牛,这是...

    语义分割

    定义:输入图像,并对图像中的每个像素做分类。

    以第一幅图像为例,图像中是一只可爱的猫在草地上散步。输出结果应该是,对于每个像素,确定它属于猫、草地或者天空,或者背景亦或其他分类。语义分割并不区分同类目标。也就是说,不会区分第二幅图的这两头牛,这是语义分割的缺点。

    语义分割的方法:

    滑动窗口:从图像中提取各个图像块,并且分类。缺点:计算繁琐,效率低。

    全卷积神经网络:

    将完整图像输入卷积神经网络,来得到分割结果。比如一个张量,尺寸是C*H*W,其中C是类别的数量。这个张量会为每个像素进行预测,给出评分。可以用堆叠的卷积层,一次性完成所有运算。这样的话,训练这个网络,就是对每个像素分配损失,并且平均化损失。用反向传播,来进行训练。

    数据集:在语义分割所使用的数据集中,需要给每个像素标记。

    损失函数:使用交叉熵损失函数对每个像素进行分析,会有一个真值表来匹配输出的像素,计算输出的每个像素与真值像素之间的交叉熵损失。之后对每一个小批次做总和或平均计算。

    通常来说,为了计算效率,一般不是基于整个图像的原有大小做全部卷积,而是仅仅对一部分卷积层做原清晰度处理。之后再在图像上做下采样,得到特征层,用的方法包括最大池化或者卷积。之后再对特征做上采样。不使用全连接层。

    上采样:

    方法1:unpooling。

    (1)重复元素

    (2)钉床函数(bed of nails)去池化:将原来元素置于左上角,其余元素置为0。

    (3)最大去池化(Max Unpooling):在网络前半部分,在下采样进行最大池化的时候,我们会记住区域中的哪个元素在最大池化过程中被使用。在网络后半部分,我们会执行类似钉床函数的操作,但不总是把原来的元素置于左上角,而是把原来的元素放在原来对应的池化过程的位置。最大去池化可以帮助我们找回丢失的空间信息。

    方法2:Transpose convolution(转置卷积),又称deconvolution。

    对于前面提到的各种去池化方法:如钉床函数、近邻法、最大去池化法,所有的这些都是使用固定方程,并不是真的在学习如何上采样。转置卷积不做内乘,而是取特征层的输入值,以左上方的输入值为例,会用这个值乘以卷积核,以3*3的区域的方式复制这些值,作为输出。所以这里不做输入和卷积核的内乘,而是用输入做权重处理卷积核,输出是带有权重的卷积核的叠加。

     

    分类与定位

    定义:

    分类:图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来。

    定位:对图片中与目标检测不同的是,对于定位,你会提前知道在图像中要寻找的物体的数量。

    假设输入图像和分类类标,以及图像分类的真值对应。

    1. softmax损失,计算分类损失;
    2. L2损失,来衡量预测坐标和实际值的不同。

    Q:这些损失有不同的单位吗?他们会控制梯度吗?

    A:Multi-task Loss。要同时最小化这两个损失函数,可以在这两种损失上加上表示权重的超参数,对这两个损失做加权求和。这个加权超参数,需要自己来设定。这个加权超参数会改变损失函数的值。

    Q:如何选择加权超参数?

    A:用关心的性能指标组成的矩阵来代替原有的损失函数,那么实际相当于用性能指标矩阵来做交叉验证,而不是仅仅用损失值来选择参数。

    Q:为什么不分别进行两个任务?

    A:因为使用迁移学习时,有可能会出现特征的误匹配。通常同时进行两个任务,联合调试网络,会得到更好的结果。

    分类与回归的区别:

    输出是间断的还是连续的。

    如果希望输出一个间断的实例,如固定的几个类别,使用的损失函数如交叉熵损失,交叉熵损失或者向量机的边界损失。

    如果希望输出的是连续值,如点的位置,使用的损失函数如L2,L1等等。

     

    目标检测

    定义:输入一张图片,每当在图像中出现其中一类对象时,围绕对象划定一个框并预测该对象从属的类别。这与分类与定位不同,因为每张图像中的对象的数量不是固定的。你无法预估,每张输入图像含有多少个对象。

    如何获得候选框?

    1. 滑动窗口法。
    2. Region proposals

    对于给定的输入图像,候选区域网络会在对象周围给出上千个框。这样我们就可以进行定位。

     

    首先采取候选区域网络,找出物体可能存在的备选区域,再运用卷积神经网络对这些备选区域进行分类。

    R-CNN:用固定的模型进行选择,并不学习参数。

    Fast-RCNN:对于输入,现在不再按照兴趣区域处理,而是输入整幅图像,得到整幅图像的feature map。将通过proposal method得到的roi映射到feature map上,然后从feature map中提取属于备选区域的卷积块。通过对整幅图像进行处理,可以重用很多卷积计算。如果在卷积网络的下游有很多全连接层,那么这些全连接层的输入,应该是固定尺寸的。

    Faster R-CNN:用固定函数计算备选区域成为瓶颈,我们让网络自身去做这个预测。类似Fast-RCNN,将整张图片送入卷积网络。

     

    YOLO/SSD:

    此类模型的思想不是对这些候选框分别进行处理,而是尝试将其作为回归问题处理。借助于大型卷积网络,所有预测一次完成。给出输入图像,可以将输入图像分成网格。例如将输入图像分成7*7的网格,在每个网格里面,可以想象一系列的基本边界框。

    展开全文
  • 单目视觉的运动目标跟踪定位

    万次阅读 2017-04-12 08:10:00
    欢创科技CEO周琨,详细讲解单目定位技术
  • 其中boxDet为检测到的边界框,boxGt为(目标)地面真值边界框,transform为以c为参数的边界框变换函数,对给定的边界框进行变换。crit是测量两个边界框之间距离的标准。在最初的快速R-CNN[5]框架中,crit被选为对数...
  • PID控制小车视觉跟踪移动目标

    千次阅读 2015-11-04 18:32:32
    利用PID控制,使目标图像点移动到图像中心。 目的:视觉跟踪物体。小车能够跟踪目标。利用质心法,求出物体的质心,然后控制(PID)小车运动,使物体的质心在图像平面中心位置。 目标实际物体所在位置。...
  • 如何在 Windows XP 中定位控制

    千次阅读 2012-08-31 18:15:20
    本文介绍了 Windows XP Professional 用来在基于 Windows 的域中定位控制器的机制。  本文详细介绍了根据域的 DNS-style 名称及其 flat-style (NetBIOS) 名称(用于向后兼容)定位域的过程。在其他所有情况下...
  • 物流机器人小车的运动控制定位

    千次阅读 多人点赞 2019-08-14 15:46:16
    本题项目基于2019年上海市高校智能物流机器人选拔赛,题目:自主设计并制作一款能执行物料搬运任务的智能物流机器人(简称:机器人)。该机器人能够在规定场地内自主行走、寻找等,通过扫描二维码领取任务,自主按...
  • 在Windows 中如何定位控制

    千次阅读 2009-01-09 10:48:00
    http://www.cnblogs.com/MaxWoods/archive/2006/04/06/368195.html 本文介绍供 Windows 用来在 Windows 域中定位控制器的机制。本文详细讲述通过域的 DNS-style 名称和 Flat-style (NetBIOS) 名称定位域的过程。...
  • 实例解读:用MAC地址定位目标主机

    千次阅读 2011-10-22 22:31:04
    单位网络结构图如图1所示。...每台服务器都有两根网线分别连接到4507A和4507B上,保证服务器和核心交换机之间传输数据的稳定性。单位IP地址的部署,使用的是C类私有192网段的地址。所有的服务器都位于VLAN 11
  • 产品定位有三个步骤:第一,探寻市场机会;第二,挖掘市场细分;第三,选择目标市场。 探寻市场机会 当前的互联网市场,各家企业都面临着一个基本问题,即需求差异性的日渐增强,但企业的资源却无法满足这种增长。...
  • 图像双目视觉定位

    千次阅读 2019-01-07 19:14:29
    今天与大家分享一下关于图像的双目定位法,对于实际工程有很大参考意义!! 顾名思义:双目定位就是用两部相机来定位。双目定位过程中,两部相机在同一平面上,并且光轴互相平行,就像是人的两只眼睛一样,针对物体...
  • Android的定位策略

    千次阅读 2016-06-17 18:15:48
    android开发地理位置相关的应用程序,你可以利用GPS或者android的网络定位数据源来获取用户的地理位置。尽管GPS的定位更加精准,但它只适用于户外,并且还会更快的消耗电量,它也不能按用户所期待的及时返回地理...
  • 常见的焊接机器人系统例,有两种构型,如下: 即:摄像机固定于机器手和摄像机固定于外部场景; 本文针对前一种构型:摄像机固定于机器手。 1、摄像机标定技术 (1)理论部分: 张正友的棋盘标定法摄像机...
  • 【UWB 定位】高精度定位

    万次阅读 2018-07-17 10:58:32
    室内定位——UWB测距及定位原理 我们都知道卫星信号在室内会被严重的影响,从而导致GPS或是北斗无法发定位。所以在室内定位主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系,从而...
  • 前面几篇博客介绍了卡尔曼滤波的一些基本算法,其实目标追踪,定位,传感器融合还有很多问题要处理,这些我们在以后的系列博客中在进一步细讲,现在我想给大家介绍一下无人驾驶汽车系统开发中需要的控制相关的理论和...
  • iOS 定位服务

    千次阅读 2013-08-31 10:40:46
    )[-]iOS中有三个定位服务组件iOS地图Web地图iOS中有三个定位服务组件: Wifi定位,通过查询一个Wifi路由器的地理位置的信息。比较省电,iPod touch和iPad也可以采用。 蜂窝基站定位,通过移动运用商基站定位。也...
  • 人形机器人视觉处理——定位抓取

    千次阅读 2020-05-11 13:32:41
    上期简单介绍了机器人如何进行视频回传和回传视频的一些简单参数,这期我们通过一个简单的案例来讲解下,机器人通过视觉能够实现的功能。...一、 定位目标物体 1、确定目标物体的位置 把鼠标放在机器人摄像
  • opencv 二维码定位

    千次阅读 多人点赞 2018-11-24 14:11:26
    下图二维码的其中一个黑色正方形,二维码定位主要是根据这个正方形的位置进行定位识别 这个正方形提供了两个特征: 该正方形有三个轮廓特征,因此我们可以找到一个符合该特征的轮廓,便可以节省许多操作。如一...
  • 这是作者的网络安全自学教程系列,主要是关于安全工具和实践操作的在线笔记,特分享出来与博友...本文将讲解HGZ木马控制服务器的过程,并进行恶意样本分析,结合签名两篇文章进行串讲。基础性文章,希望对您有所帮助。
  • 室内定位技术简介

    千次阅读 2019-02-09 20:57:43
    一、按信号源种类分类: 1、Wi-Fi 定位技术 近年来,基于 Wi-Fi 的室内定位技术发展较快,在其定位过程中,主要分为两个阶段:离线...蓝牙定位技术, 其根据当前设备接收到的信号强度, 来计算目标的位置坐标。...
  • 目标检测

    万次阅读 2019-02-26 19:22:31
    文章目录第八章 目标检测8.1 基本概念8.1.1 什么是目标检测?8.1.2 目标检测要解决的核心问题?8.1.2 目标检测算法分类?8.2 Two Stage目标检测算法8.2.1 R-CNN8.2.2 Fast R-CNN8.2.3 Faster R-CNN8.2.4 R-FCN8.2.5 ...
  • 定位技术分类

    千次阅读 2018-01-15 09:22:22
    室内定位技术采用的方法
  • 无线传感器网络定位算法

    千次阅读 2017-10-07 10:24:07
    不仅能帮助人们确定事件发生的位置从而能有的放矢的采取准确的措施,除此以外,其在目标跟踪与导向、定位信息的查询与传递、预测目标的前进轨迹、协助路由协议的的实现提供基础信息、网络拓扑控制
  • 光流定位原理是什么??【转】

    千次阅读 2017-09-19 16:05:00
    HIT/控制/无人机     光流是测速算法,并不是直接定位的。简单理解,光流就是通过检测图像中光点和暗点的移动,来判断图像中像素点相对于飞行器的移动速度。如果地面是静止的,自然就可以得到飞行器相...
  • 机器人产业目前正在不断升温,有专家预测未来机器人行业将会迎来爆发式发展,尤其服务机器人的需求更为突出,但常规简单的服务在机器人的世界里却是充满了挑战。在机器人系统中,自主导航是赋予机器人感知和行动...
  • UWB定位技术

    万次阅读 多人点赞 2017-08-10 11:01:00
    室内定位——UWB测距及定位原理 我们都知道卫星信号在室内会被严重的影响,从而导致GPS或是北斗无法发定位。所以在室内定位主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系,从而...
  • WSN(无线传感器网络)中的定位

    千次阅读 2019-06-21 13:29:03
    随着无线通信技术的发展和进步,现在的sensor network已经发展WSN,没有中心节点,所有节点可以相互通信,于是在WSN中发展定位技术就是自然而然了。 定位的原理纯粹是数学中的几何。 (1)平面目标三角定位 三角...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 211,339
精华内容 84,535
关键字:

以定位为目标的控制是