目录： 第一章 引论 1·1 机器视觉 1·2 Marr视觉计算理论 1·3 机器视觉的应用 1·4 机器视觉的研究内容与面临的困难 1·5 机器视觉与其它学科领域的关系 1·6 成象几何基础 1·7 本书内容向导 思考题 第二章 人类视觉 2·1 人类视觉简介 2·2 感受野 2·3 视觉信息的多层次并行处理 2·4 视觉信息的集成和反馈 思考题 第三章 二值图象分析 3·1 阈值 3·2 几何特性 3·3 投影 3·4 游程长度编码 3·5 二值图象算法 3·6 形态算子 思考题 计算机练

Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

特别好的资源，希望大家可以用来进行学习e Cognition Developer9—用户指南 353分类(最邻近法)( Nearest Neighbor)135 354分类(亮度阈值)( Brightness Threshold) 37 3.6导出数据 DDDD面 DDDDDDD1 361导出(点) 362导出(多边形) 4教程引言 40 4.1形状识别 40 4.1.1将影像分为基木的对象 4.1.2识别背景 41 4.1.3形状和它们的属性 D I …,43 4.1.4完整的规则集… 44

随着三维扫描技术的迅猛发展, 点云数据的数据量变得异常庞大, 这对点云计算的性能提出了更高的要求。因此, 如何有效提高算法的执行效率一直是该领域的研究热点和难点。日益增大的数据量隐藏了丰富的三维(3D)形状模型, 将形状模型参与到点云计算过程中, 为提高点云计算的执行效率提供了一种新的方法和思路。利用3D几何特征分析技术, 获取与形状相关的特征参数, 并使其参与到点云分割过程中, 提出了形状分割方法。利用八叉树算法组织点云数据, 发现数据之间的相邻关系, 依靠点云数据的密度自适应地双向线性调整八