关于计算机视觉的基本方法的问题，小编就整理了3个相关介绍计算机视觉的基本方法的解答，让我们一起看看吧。
视觉导航基本算法？当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采用摄像机作为全自主用移动机器人的感知传感器。这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,而视觉系统则可以弥补这些缺点。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的最终目的就是要从感知到的二维图像中提取有关的三维世界信息。
简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。

（1）摄像头标定算法：2D-3D映射求参。
传统摄像机标定主要有 Faugeras 标定法、Tscai 两步法、直接线性变换方法、张正友平面标定法和 Weng迭代法。自标定包括基于 Kruppa 方程自标定法、分层逐步自标定法、基于绝对二次曲面的自标定法和 Pollefeys 的模约束法。视觉标定有马颂德的三正交平移法、李华的平面正交标定法和 Hartley 旋转求内参数标定法。
（2）机器视觉与图像处理：
计算机视觉哪个方向比较有前景？计算机视觉有2个方向比较有发展前景：基于深度学习的和基于几何方法的。
基于深度学习的：
文字识别、图像识别、人脸识别、视频内容理解、医疗影像诊断、神经网络芯片、驾驶辅助等。
基于几何方法的：
虚拟现实、增强现实、三维重建、机器人、无人机、无人驾驶等
计算机视觉什么是直线段？直线段是计算机视觉中常用的一种中层符号表示。将对应于同一实际目标结构的那些直线段组织在一起 ,不但可减少符号数量 ,还可利用符号之间的内在关系来纠正一部分错误。
根据人类视觉感知组织的规律 ,研究了利用直线段之间的邻近、共线、交会、平行及对称等非偶然特性实现编组的方法。
该方法利用多特征融合的手段处理多个证据 ,并用信任函数表示各编组特征对连接、对称或交会等命题的支持程度 ,没有设置任何固定门限。
对仿真图像与室外真实图像的实验显示了该算法的良好效果。
到此，以上就是小编对于计算机视觉的基本方法的问题就介绍到这了，希望介绍计算机视觉的基本方法的3点解答对大家有用。
