AndyCheng_hgcc

kalibr 标定记录

１．标定成功的中间过程

２．标定失败的中间过程
2.1　由于没有一张完整的apriltag角点检测，故在做initialization of focal length的时候失败

2.２去掉一张完整的apriltag角点检测约束之后，由于内参估计错误导致的优化失败

使用全角点检测来估计相机的fx/fy 记录：
f_guess = 297.717
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 308.068
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.569
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 301.168
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 301.931
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 301.151
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.229
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.451
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.4
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.915
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.259
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 353.848
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.897
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 303.496
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 303.71
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 302.451
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.29
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.908
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.548
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.16
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.353
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 280.891
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.423
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.41
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.632
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 289.321
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.495
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.735
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.516
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.077
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 362.035
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 315.107
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 310.4
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 292.972
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 302.921
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 300.281
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 300.996
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.619
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 304.073
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 301.115
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 286.399
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.617
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.252
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.285
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.567
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 291.516
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 274.366
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.637
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.246
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.915
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.592
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 269.805
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.135
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.478
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.325
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.864
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 495.39
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 317.663
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 316.463
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 307.269
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 292.609
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.592
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.321
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 311.368
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.545
[pid=3208, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.644

不使用全检测的记录：
由于存在某些丢失的点，在估计fx/fy的时候会出现异常值f_guess = -nan
i = 64, target.rows() = 12, target.cols() = 12
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
0, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
1, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
2, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
3, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
4, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
5, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
8, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
9, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
10, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
11, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
12, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
13, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
14, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
15, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
16, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
17, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
20, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
21, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
22, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, GridCalibrationTargetObservation]debug: [imageGridPoint, 202][middle]
23, imagepoint fail
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 797][middle]
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 805][middle]
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = -nan
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.173
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 283.173
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 292.715
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.242
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.201
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 290.261
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.327
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.727
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 289.005
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 255.458
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 292.344
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 293.288
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 301.845
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 289.191
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.953
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 295.147
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 288.122
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 307.597
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 305.265
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 310.554
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 294.347
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 300.68
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 299.417
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 290.82
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.672
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 313.004
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 286.565
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 297.965
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.545
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 286.622
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 318.236
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 284.121
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 298.008
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 296.411
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 285.701
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 219.532
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 284.302
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 284.32
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 275.005
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 320.795
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 311.309
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 286.668
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 284.401
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 266.201
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 824][middle]
f_guess = 261.311
[pid=25469, PinholeProjection]debug: [initializeIntrinsics, 782][middle]

针对异常值的出现，通过增加std::isnan(f_guess)判断来消除异常值

针对同一组实验数据，采用全角点估计fx/fy的标定结果如下：
f0 = 296.505
intrinsics guess: [296.50540051 296.50540051 319.5 239.5]

针对同一组实验数据，采用非全角点估计fx/fy的标定结果如下：
f0 = 296.397
intrinsics guess:　[296.39693074 296.39693074 319.5 239.5]

对同一相机的另一组实验数据，采用非全角点估计fx/fy的标定结果如下：
f0 = 201.65
intrinsics guess: [201.64985053 201.64985053 319.5　239.5]

实验结果发现标定结果差别不大．

对于第二组实验(另外一个相机)，里面没有全角点出现的图片，即非全角点估计fx/fy的标定结果如下：
实验一
f0 = 296.397
intrinsics guess: [242.5069459 242.5069459 319.5 239.5]

实验二
f0 = 271.163
intrinsics guess: [271.16292221 271.16292221 319.5 239.5]

实验三
f0 = 283.309
intrinsics guess: [283.30903368 283.30903368 319.5 239.5]

目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】工业相机格图素书数码相机目标检测人工智能
目录知识储备深度相机1TOF2双目视觉3结构光4智能门锁应用5手机应用算法原理相机的成像与标定模型相机标定的实施·标定过程的算法实施相机标定的扩展CCD工业相机、镜头倍率及相关参数计算方法知识储备深度相机1TOF1.1Kinectv2Kinectv2是Microsoft在2014年发售的，如图1-1所示。相比于Kinectv1在硬件和软件上作出了很大的进化，且在深度测量的系统和非系统误差方面表现出
ROS2下进行单目相机标定 IT小艺 RoboMaster 相机标定 ros2 大华工业相机海康工业相机
本文主要进行在ros2-humble下大华工业相机和海康工业相机的标定，其他相机也可以参考首先进行ros2环境的安装2.5在ubuntu22.04安装ros2_ubuntu20.04安装ros2-CSDN博客安装工业相机的驱动SDK1.8安装相机SDK及测试-CSDN博客安装相机标定工具sudoaptinstallros-humble-camera-calibration-parserssudoa
python计算机视觉第四章----照相机模型与增强现实 weixin_45154388
文章目录1、针孔照相机模型1.1照相机矩阵1.2三维点的投影1.3照相机矩阵的分解1.4照相机中心2、照相机标定3、以平面和标记物进行姿态估计4、增强现实4.1PyGame和PyOpenGL4.2从照相机矩阵到OpenGL格式4.3在图像中放置物体1、针孔照相机模型针孔照相机模型（有时称为射影照相机模型）是计算机视觉中广泛使用的照相机模型。对于大多数应用来说，针孔照相机模型简单，并且具有足够的精确
相机标定和图像配准 lqjun0827 算法数码相机
相机标定和图像配准介绍1.相机标定代码说明：注意事项：使用标定结果处理图像：代码说明：注意事项：2.图像配准代码说明：注意事项：介绍基础知识参考：相机的内参和外参1.相机标定相机标定是计算机视觉中的一个重要步骤，它用于确定相机的内部参数（如焦距、主点坐标、畸变参数）和外部参数（如相机在世界坐标系中的位置和方向）。以下是一个使用OpenCV库进行相机标定的Python代码示例：importnumpy
【目标解算】相机内外参数详细解读+坐标系转换王尼莫啊目标解算计算机视觉视觉检测
一、相机参数介绍1.1相机内参矩阵概念：内参矩阵用于描述相机的内部参数，它包含了相机的焦距、主点坐标和图像的畸变等信息。内参矩阵的形式通常为一个3x3的矩阵，常用表示为K。内参矩阵可以将相机坐标系中的三维点映射到图像平面上的二维像素坐标。通过内参矩阵，我们可以进行相机标定、图像校正和三维点云到图像的投影等操作。标定后的相机内参矩阵为3x3矩阵：相机标定参照：【鱼眼＋普通相机】相机标定。1.2相机畸
标定系列——基于OpenCV实现普通相机、鱼眼相机不同标定板下的标定（五） JANGHIGH 标定 opencv
标定系列——基于OpenCV实现相机标定（五）说明代码解析VID5.xmlin_VID5.xmlcamera_calibration.cpp说明该程序可以实现多种标定板的相机标定工作代码解析VID5.xmlimages/CameraCalibration/VID5/xx1.jpgimages/CameraCalibration/VID5/xx2.jpgimages/CameraCalibratio
ICRA2023 | 通用、自动和无标定目标的Lidar-Camera外参标定工具箱自动驾驶之心数码相机人工智能
原文链接：https://arxiv.org/pdf/2302.05094.pdf本文介绍了一种开源的激光雷达相机标定工具箱，该工具箱适用于激光雷达和相机投影模型，只需要一对激光雷达和相机数据，而无需标定目标，并且是全自动的。对于自动初始猜测估计，本文使用SuperGlue图像匹配pipeline来查找LiDAR和相机数据之间的2D-3D对应关系，并通过RANSAC估计LiDAR相机变换。给定初始
第十一篇【传奇开心果系列】Python的OpenCV技术点案例示例：三维重建传奇开心果编程 Python库OpenCV 技术点案例示例短博文 python 计算机视觉 opencv
传奇开心果短博文系列系列短博文目录Python的OpenCV技术点案例示例系列短博文目录一、前言二、OpenCV三维重建介绍三、基于区域的SGBM示例代码四、BM（BlockMatching）算法介绍和示例代码五、基于能量最小化的GC（GraphCut）算法介绍和示例代码六、相机标定介绍和示例代码七、特征提取与匹配介绍和示例代码八、三角测量介绍和示例代码九、通过特征匹配和RANSAC（Random
ardupilot开发 --- 相机参数标定篇干了这碗汤 Ardupilot
参考https://zhuanlan.zhihu.com/p/587858107?utm_id=01.一些概念内参外参相机在计算机视觉方面的一些应用一般需要相机标定。我们总是听到标定这个词，那么具体标定的是什么呢？相机的拍摄是一个三维到二维（透视投影）的过程，这个过程可以用数学模型去表述，标定便是计算这个数学模型中的参数，我们最终希望通过这些参数能够从二维的图像去还原三维的世界。摄影的过程，其实计
imu相机标定_【SLAM】kalibr工具IMU和双目相机标定 weixin_39703926 imu相机标定
标定记录标定IMU参数使用工具遇见的问题记录sudoapt-getinstalllibdw-dev下载依赖gitclonehttps://github.com/gaowenliang/code_utils.git，catkin_make编译，这时会遇到头文件错误fatalerror:backward.hpp:Nosuchfileordirectory，将CMakeLists.txt中的includ
单目相机标定理论及张正友标定法总结极客范儿传感器标定数码相机
我们的真实世界是三维的，拍摄的图片是二维的，相机起到的就是映射的过程，可以把相机看成一个广义的函数，输入的三位场景，输出是二维的图片（灰度图），一般情况下我们看到的是彩色图，彩色图是RGB三通道，每个通道可以认为是一张灰度图，也就是三维场景经过广义的函数（相机）得到照片，函数（映射关系）是不可逆的，也就是说我们无法从二维照片恢复出三维世界，相机是物理模型很难用数学模型完全量化，所以我们就需要一个简
双目相机标定基础总结极客范儿传感器标定双目相机相机标定双目相机标定立体校正
首先将双目相机的标定进行总结，然后推导本征矩阵和基本矩阵的公式，推导比较复杂，根据前面双目标定的到的参数进行立体校正。文章目录一、双目相机模型1、双目进行立体成像的过程2、理想的双目系统二、双目相机标定1、对极几何2、本征矩阵和基本矩阵4、本征矩阵和基本矩阵推导三、立体校正1、双目标定2、立体校正3、校正映射一、双目相机模型1、双目进行立体成像的过程（1）使用数学方法去除径向和切向变，简称为“去变
在Jetson Nano上实现单目相机 apritag_ros识别蒋程扬 ROS机器人自动驾驶视觉检测人工智能
一，apritag_ros安装最开始采用克隆源码编译的方式进行安装，后来在Jetsonnano上有opencv4与opencv3的依赖问题，后来索性直接采用二进制安装：sudoapt-getinstallros-melodic-apriltag-ros二，单目相机数据读取这里使用的是uvc_camera包：launch文件：这里使用了命名空间head_camerahead_camera为相机标定参
三维重建经典论文合集汇总深蓝学院人工智能三维重建视觉
三维重建涉及计算机视觉、图形学等多门知识，是一套非常复杂的系统。经典三维重建系统包括整个pipeline从相机标定、基础矩阵与本质矩阵估计、特征匹配到运动恢复结构（SFM），从SFM到稠密点云重建、表面重建、纹理贴图。其中，熟悉SFM的工程师已经是行业内的佼佼者，能掌握稠密点云重建与表面重建的工程师更是凤毛麟角。图1经典三维重建系统pipeline三维重建是当下计算机视觉的一个研究热点，虽然从业者
【SLAM】kalibr工具IMU和双目相机标定 wwwzy
推荐看一下博客，评论内容也很丰富，很多问题都能在评论中找到答案：https://blog.csdn.net/u011178262/article/details/83316968#_images__imu__201标定记录标定IMU参数使用工具https://github.com/gaowenliang/imu_utils遇见的问题记录sudoapt-getinstalllibdw-dev下载依赖
双目相机标定图片拍摄规范 Procrastinator^_^ 双目视觉
双目相机标定图片拍摄规范文章目录双目相机标定图片拍摄规范前言一、双目相机的布置二、标定板的选用三、图片采集的规范四、进行标定的软件（选看）五、靶标布置（选看）总结前言相机标定是进行视觉测量和定位的基础工作之一，标定参数准确与否直接关系到整个系统的精度，标定结果将影响后续进行其他解算。笔者根据自己在双目相机项目中的标定经验，和网络上查询到的大家对标定图片采集的意见进行了总结，现分享如下：一、双目相机
MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration） kuan_li_lyg ROS &ROS2 MATLAB 机器人与控制系统应用 matlab 机器人自动驾驶 ROS 相机标定激光雷达标定雷达相机联合标定
系列文章目录前言一、激光雷达-相机标定建立了三维激光雷达点和二维相机数据之间的对应关系，从而将激光雷达和相机输出融合在一起。激光雷达传感器和相机被广泛用于自动驾驶、机器人和导航等应用中的三维场景重建。激光雷达传感器捕捉环境的三维结构信息，而相机则捕捉色彩、纹理和外观信息。激光雷达传感器和相机各自根据自己的坐标系捕捉数据。激光雷达-相机标定包括将激光雷达传感器和相机的数据转换为同一坐标系。这样就可以
Halcon基于点的模板匹配 electrical1024 计算机视觉人工智能图像处理算法
Halcon基于点的模板匹配基于点的模板匹配主要是用在三维匹配中，通过寻找图像中对应的特征点，进行两幅重叠图像的拼接等操作，在相机标定的情况下被广泛应用。其主要原理是通过提取两幅图像之间的重要特征点实现匹配。把这些特征点作为匹配的输入，输出部分则是两幅图像之间的映射关系，支持图像的位移、旋转、缩放和透视形变。同时，也可以把两幅图中的一幅作为模板，另一幅看作检测图像的一个实例。该方法在透视形变的情况
Halcon基于形变的模板匹配 electrical1024 人工智能计算机视觉图像处理算法
Halcon基于形变的模板匹配形变分为两种，一种是基于目标局部的形变，另一种是由于透视关系而产生的形变。基于形变的模板匹配也是一种基于形状的匹配方法，但不同的是，其返回结果中不仅包括轻微形变的形状.形变的位置和参数，还有描述形变的参数，如旋转角度、缩放倍数等。基于透视的形变可以返回一个二维投影变换矩阵。如果是在相机标定的情况下，通过相机参数，还可以计算出目标的三维位姿。如图是一个基于局部形变的模板
ros2 基础教程-使用ROS 2进行相机标定小海聊智造 ROS2 ros2 机器人人工智能
ROS2进行相机标定（CameraCalibration）相机（摄像头）是一种非常精密的光学仪器，对外界环境的感知非常敏感。由于摄像头内部和外部的一些原因，摄像头采集的图像常常会发生一定的畸变。如果直接将采集到的图像拿来进行图像处理，会产生很大的问题。为了避免图像数据源造成的误差，需要对摄像头的相关参数进行标定。本教程将会说明如何标定单目（monocular）相机，从而获取单目相机的标定参数。需要
Matlab-2016深度相机标定立夏陆之昂学习小记录
实验的时候是在ROS下进行标定的，之前写过，最近发现MATLAB标定工具导出来的图是在最适合不过写论文了，就重新做了一遍1.应用程序里找到CameraCalibration工具箱2.加载待标定的图像除了2之外的都勾上3.填写棋盘格每个格子边长的真实值4.可以预览成功检测出棋盘格的图像，然后开始标定，点击Calibrate因为我的照片是当时在ros下标定时的采样，导致平均误差太大了都达到0.75，至
头部姿态估计算法原理工头阿乐人脸检测算法数码相机
人脸检测文章目录人脸检测一、前言二、原理三、代码实现一、前言头部姿态估计是通过一幅面部图像来获得头部的姿态角.在3D空间中，表示物体的旋转可以由三个欧拉角(EulerAngle)来表示：分别计算pitch(围绕X轴旋转)，yaw(围绕Y轴旋转)和roll(围绕Z轴旋转)，分别学名俯仰角、偏航角和滚转角，通俗讲就是抬头、摇头和转头，示意图如下：二、原理若对相机标定熟悉的话，就比较好理解，因为Head
Ubuntu 20.04 Intel RealSense D435i 相机标定教程枭玉龙 #C++视觉处理 ubuntu 数码相机 linux
下载编译code_utilsmkdir-p~/imu_catkin_ws/srccd~/imu_catkin_ws/srccatkin_init_workspacesource~/imu_catkin_ws/devel/setup.bashgitclonehttps://github.com/gaowenliang/code_utils.gitcd..catkin_make报错：sumpixel_
[分章：技术知识]Halcon单相机标定和畸变矫正程序学者Miles Halcon 视觉检测
[20240109]一、为什么要进行单相机标定？广义：畸变矫正和一维和二维测量畸变矫正在几何光学和阴极射线管(CRT)显示中。畸变是对直线投影的一种偏移。简单来说直线投影是场景内的一条直线投影到图片上也保持为一条直线。那畸变简单来说就是一条直线投影到图片上不能保持为一条直线了。这是一种光学畸变（opticalaberration）。畸变是一种相差，可能由于摄像机镜头导致，会对拍摄的物体的形状产生变
使用opencv做双目测距（相机标定+立体匹配+测距） AAI机器之心 opencv 数码相机人工智能 pytorch 机器学习计算机视觉
最近在做双目测距，觉得有必要记录点东西，所以我的第一篇博客就这么诞生啦~双目测距属于立体视觉这一块，我觉得应该有很多人踩过这个坑了，但网上的资料依旧是云里雾里的，要么是理论讲一大堆，最后发现还不知道怎么做，要么就是直接代码一贴，让你懵逼。所以今天我想做的，是尽量给大家一个明确的阐述，并且能够上手做出来。一、标定首先我们要对摄像头做标定，具体的公式推导在learningopencv中有详细的解释，这
相机标定（三）—— 正交投影和透视投影变换 _归尘_ 自动驾驶感知算法线性代数几何学矩阵
正交投影和透视投影变换1.概述2.视锥体3.透视投影的目的4.透视投影的理解和推导4.1透视基本原理4.2一点透视4.3多点透视4.4生成透视投影图的方法5.图像处理中的透视投影变换1.概述平面投影分为平行投影和透视投影两种类型，平行投影是具有矩形观察体的投影方式（透视投影则是视锥观察体），它不会根据物体离视点的远近缩放物体（透视投影则会）。平行投影可以分为侧投影和正交投影两种类型。
如何从单应矩阵H中分解旋转矩阵R和平移向量t？机器人那些事儿视觉SLAM 矩阵线性代数自动驾驶机器人
在计算机视觉中，单应矩阵通常用于图像配准和相机标定等任务。下面是使用SVD分解单应矩阵来求解旋转矩阵（R）和平移向量（t）的简要推导过程。假设求解得到一个单应矩阵H：H=[h11h12h13h21h22h23h31h32h33]H=\begin{bmatrix}h_{11}&h_{12}&h_{13}\\h_{21}&h_{22}&h_{23}\\h_{31}&h_{32}&h_{33}\\\en
Python计算机视觉（四）—照相机标定 summer_524 计算机视觉数码相机人工智能
1.照相机标定原理照相机标定的目的是获得照相机自身的参数，合适的标定参数是照相机准确获得目标信息的先决条件。本文向大家介绍张正友相机标定法。相机标定的过程是将世界坐标系通过刚体变换转换为相机坐标系，接着通过投影变换将相机坐标系转换为图像坐标系，最后再将图像坐标系通过平移变换转换到像素坐标系。相机拍摄过程中的坐标系转换关系如下图所示。坐标系转换关系图2.张正友相机标定法张正友标定是指张正友教授199
Python之OpenCV相机标定 Peter_Gao_ ML/CV cv opencv python
本文结合OpenCV官方样例，对官方样例中的代码进行修改，使其能够正常运行，并对自己采集的数据进行实验和讲解。一、准备OpenCV使用棋盘格板进行标定，如下图所示。为了标定相机，我们需要输入一系列三维点和它们对应的二维图像点。在黑白相间的棋盘格上，二维图像点很容易通过角点检测找到。而对于真实世界中的三维点呢？由于我们采集中，是将相机放在一个地方，而将棋盘格定标板进行移动变换不同的位置，然后对其进行
SLAM算法与工程实践——相机篇：RealSense D435使用（2） yangtsejin SLAM算法与工程实践系列算法 opencv 计算机视觉
SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM算法与工程实践系列文章SLAM算法与工程实践系列文章链接SLAM算法与工程实践系列专栏前言SLAM算法与工程实践——相机篇：RealSenseD435使用（2）相机标定直接获取相机参数黑白相机
iOS http封装 374016526 ios 服务器交互 http 网络请求
程序开发避免不了与服务器的交互，这里打包了一个自己写的http交互库。希望可以帮到大家。内置一个basehttp，当我们创建自己的service可以继承实现。 KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init]; [baseHttp setDelegate:self]; [baseHttp
lolcat ：一个在 Linux 终端中输出彩虹特效的命令行工具 brotherlamp linux linux教程 linux视频 linux自学 linux资料
那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们，你们错了，这里有一些有关 Linux 的文章，它们展示着 Linux 是如何的有趣和“淘气” 。在本文中，我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。何为 lolcat ? Lolcat 是一个针对 Linux，BSD 和 OSX 平台的工具，它类似于 cat 命令，并为 cat
MongoDB索引管理（1）——[九] eksliang mongodb MongoDB管理索引
转载请出自出处：http://eksliang.iteye.com/blog/2178427 一、概述数据库的索引与书籍的索引类似，有了索引就不需要翻转整本书。数据库的索引跟这个原理一样，首先在索引中找，在索引中找到条目以后，就可以直接跳转到目标文档的位置，从而使查询速度提高几个数据量级。不使用索引的查询称
Informatica参数及变量 18289753290 Informatica 参数变量
下面是本人通俗的理解，如有不对之处，希望指正 info参数的设置：在info中用到的参数都在server的专门的配置文件中（最好以parma）结尾下面的GLOBAl就是全局的，$开头的是系统级变量，$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量，那就把global换成对应的session或者mapping名字。 [GLOBAL] $Par
python 解析unicode字符串为utf8编码字符串酷的飞上天空 unicode
php返回的json字符串如果包含中文，则会被转换成\uxx格式的unicode编码字符串返回。在浏览器中能正常识别这种编码，但是后台程序却不能识别，直接输出显示的是\uxx的字符，并未进行转码。转换方式如下 >>> import json >>> q = '{"text":"\u4
Hibernate的总结永夜-极光 Hibernate
1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道做项目大部分都需要用JAVA来链接数据库，比如你要做一个会员注册的页面，那么获取到用户填写的基本信后，你要把这些基本信息存入数据库对应的表中，不用hibernate还有mybatis之类的框架，都不用的话就得用JDBC，也就是JAVA自己的，用这个东西你要写很多的代码，比如保存注册信
SyntaxError: Non-UTF-8 code starting with '\xc4' 随便小屋 python
刚开始看一下Python语言，传说听强大的，但我感觉还是没Java强吧！写Hello World的时候就遇到一个问题，在Eclipse中写的，代码如下 ''' Created on 2014年10月27日 @author: Logic ''' print("Hello World!"); 运行结果 SyntaxError: Non-UTF-8
学会敬酒礼仪不做酒席菜鸟 aijuans 菜鸟
俗话说，酒是越喝越厚，但在酒桌上也有很多学问讲究，以下总结了一些酒桌上的你不得不注意的小细节。细节一：领导相互喝完才轮到自己敬酒。敬酒一定要站起来，双手举杯。细节二：可以多人敬一人，决不可一人敬多人，除非你是领导。细节三：自己敬别人，如果不碰杯，自己喝多少可视乎情况而定，比如对方酒量，对方喝酒态度，切不可比对方喝得少，要知道是自己敬人。细节四：自己敬别人，如果碰杯，一
《创新者的基因》读书笔记 aoyouzi 读书笔记《创新者的基因》
创新者的基因创新者的“基因”，即最具创意的企业家具备的五种“发现技能”：联想，观察，实验，发问，建立人脉。第一部分破坏性创新，从你开始第一章破坏性创新者的基因如何获得启示：发现以下的因素起到了催化剂的作用：(1) -个挑战现状的问题；(2)对某项技术、某个公司或顾客的观察；(3) -次尝试新鲜事物的经验或实验；(4)与某人进行了一次交谈，为他点醒
表单验证技术百合不是茶 JavaScript DOM对象 String对象事件
js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流 ,数显我们要知道表单验证需要的技术点, String对象,事件,函数一:String对象;通常是对字符串的操作; 1,String的属性; 字符串.length;表示该字符串的长度; var str= "java"
web.xml配置详解之context-param bijian1013 java servlet web.xml context-param
一.格式定义： <context-param> <param-name>contextConfigLocation</param-name> <param-value>contextConfigLocationValue></param-value> </context-param> 作用：该元
Web系统常见编码漏洞（开发工程师知晓） Bill_chen sql PHP Web fckeditor 脚本
1.头号大敌：SQL Injection 原因：程序中对用户输入检查不严格，用户可以提交一段数据库查询代码，根据程序返回的结果，获得某些他想得知的数据，这就是所谓的SQL Injection，即SQL注入。本质: 对于输入检查不充分，导致SQL语句将用户提交的非法数据当作语句的一部分来执行。示例： String query = "SELECT id FROM users
【MongoDB学习笔记六】MongoDB修改器 bit1129 mongodb
本文首先介绍下MongoDB的基本的增删改查操作，然后，详细介绍MongoDB提供的修改器，以完成各种各样的文档更新操作 MongoDB的主要操作 show dbs 显示当前用户能看到哪些数据库 use foobar 将数据库切换到foobar show collections 显示当前数据库有哪些集合 db.people.update，update不带参数，可
提高职业素养，做好人生规划白糖_ 人生
培训讲师是成都著名的企业培训讲师，他在讲课中提出的一些观点很新颖，在此我收录了一些分享一下。注：讲师的观点不代表本人的观点，这些东西大家自己揣摩。 1、什么是职业规划：职业规划并不完全代表你到什么阶段要当什么官要拿多少钱，这些都只是梦想。职业规划是清楚的认识自己现在缺什么，这个阶段该学习什么，下个阶段缺什么，又应该怎么去规划学习，这样才算是规划。
国外的网站你都到哪边看？ bozch 技术网站国外
学习软件开发技术，如果没有什么英文基础，最好还是看国内的一些技术网站，例如：开源OSchina，csdn，iteye,51cto等等。个人感觉如果英语基础能力不错的话，可以浏览国外的网站来进行软件技术基础的学习，例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
编程之美-光影切割问题 bylijinnan 编程之美
package a; public class DisorderCount { /**《编程之美》“光影切割问题” * 主要是两个问题： * 1.数学公式（设定没有三条以上的直线交于同一点）： * 两条直线最多一个交点，将平面分成了4个区域； * 三条直线最多三个交点，将平面分成了7个区域； * 可以推出：N条直线 M个交点，区域数为N+M+1。
关于Web跨站执行脚本概念 chenbowen00 Web 安全跨站执行脚本
跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
[开源项目与投资]投资开源项目之前需要统计该项目已有的用户数 comsci 开源项目
现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
oracle alert log file（告警日志文件） daizj oracle 告警日志文件 alert log file
The alert log is a chronological log of messages and errors, and includes the following items: All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
关于 CAS SSO 文章声明 denger SSO
由于几年前写了几篇 CAS 系列的文章，之后陆续有人参照文章去实现，可都遇到了各种问题，同时经常或多或少的收到不少人的求助。现在这时特此说明几点： 1. 那些文章发表于好几年前了，CAS 已经更新几个很多版本了，由于近年已经没有做该领域方面的事情，所有文章也没有持续更新。 2. 文章只是提供思路，尽管 CAS 版本已经发生变化，但原理和流程仍然一致。最重要的是明白原理，然后
初二上学期难记单词 dcj3sjt126com english word
lesson 课 traffic 交通 matter 要紧；事物 happy 快乐的，幸福的 second 第二的 idea 主意；想法；意见 mean 意味着 important 重要的，重大的 never 从来，决不 afraid 害怕的 fifth 第五的 hometown 故乡，家乡 discuss 讨论；议论 east 东方的 agree 同意；赞成 bo
uicollectionview 纯代码布局, 添加头部视图 dcj3sjt126com Collection
#import <UIKit/UIKit.h> @interface myHeadView : UICollectionReusableView { UILabel *TitleLable; } -(void)setTextTitle; @end #import "myHeadView.h" @implementation m
N 位随机数字串的 JAVA 生成实现 FX夜归人 java Math 随机数 Random
/** * 功能描述随机数工具类<br /> * @author FengXueYeGuiRen * 创建时间 2014-7-25<br /> */ public class RandomUtil { // 随机数生成器 private static java.util.Random random = new java.util.R
Ehcache（09）——缓存Web页面 234390216 ehcache 页面缓存
页面缓存目录 1 SimplePageCachingFilter 1.1 calculateKey 1.2 可配置的初始化参数 1.2.1 cach
spring中少用的注解@primary解析 jackyrong primary
这次看下spring中少见的注解@primary注解，例子 @Component public class MetalSinger implements Singer{ @Override public String sing(String lyrics) { return "I am singing with DIO voice
Java几款性能分析工具的对比 lbwahoo java
Java几款性能分析工具的对比摘自：http://my.oschina.net/liux/blog/51800 在给客户的应用程序维护的过程中，我注意到在高负载下的一些性能问题。理论上，增加对应用程序的负载会使性能等比率的下降。然而，我认为性能下降的比率远远高于负载的增加。我也发现，性能可以通过改变应用程序的逻辑来提升，甚至达到极限。为了更详细的了解这一点，我们需要做一些性能
JVM参数配置大全 nickys jvm 应用服务器
JVM参数配置大全 /usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
搭建 CentOS 6 服务器(14) - squid、Varnish rensanning varnish
（一）squid 安装 # yum install httpd-tools -y # htpasswd -c -b /etc/squid/passwords squiduser 123456 # yum install squid -y 设置 # cp /etc/squid/squid.conf /etc/squid/squid.conf.bak # vi /etc/
Spring缓存注解@Cache使用 tom_seed spring
参考资料 http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/ http://swiftlet.net/archives/774 缓存注解有以下三个： @Cacheable @CacheEvict @CachePut
dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误 xp9802
java.lang.NoClassDefFoundError: org/jaxen/JaxenExc 关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception 使用dom4j解析XML时，要快速获取某个节点的数据，使用XPath是个不错的方法，dom4j的快速手册里也建议使用这种方式执行时却抛出以下异常： Exceptio

kalibr 标定记录

你可能感兴趣的:(相机标定)