超像素分割的案例
超像素分割，SLIC利用了簡單的聚類（貪婪）算法 ￥29.9
超像素分割，SLIC利用了簡單的聚類（貪婪）算法，初始時，每一個聚類的中心被平均的分布在圖像中，而超像素的個數(shù)，可以基本由這些中心點來決定。每一步迭代，種子像素合并周圍的像素，形成超像素。基于MATLAB平臺，程序已調(diào)通可直接運行。標(biāo)價為程序價格，不包含售后。程序保證可直接運行。
8超像素分割，SLIC利用了簡單的聚類（貪婪）算法，初始時，每一個聚類的中心被平均的分布在圖像中 ￥29.9
超像素分割，SLIC利用了簡單的聚類（貪婪）算法，初始時，每一個聚類的中心被平均的分布在圖像中，而超像素的個數(shù)，可以基本由這些中心點來決定。每一步迭代，種子像素合并周圍的像素，形成超像素。基于MATLAB平臺，程序已調(diào)通可直接運行。
基于超像素及多平面的位姿估計和平面重建
關(guān)于圖像中平面分割的許多貢獻(xiàn)與超像素技術(shù)密切相關(guān)。一個超像素被定義為一組具有一致顏色或亮度信息的連接像素。超像素通常用分割方法產(chǎn)生，典型的工作包括SLIC[17]、SEEDS[18]和圖形分割超像素[19]。
Concha和Civera[20]最早提出在SLAM系統(tǒng)中利用超像素技術(shù)。他們使用蒙特卡羅排序來實現(xiàn)超像素的響應(yīng)和三維位姿初始化。然后基于PTAM系統(tǒng)中已知的相機(jī)位姿估計，執(zhí)行優(yōu)化以改進(jìn)平面位姿。最近的一項工作(DPPTAM)[21]將超像素集成在半稠密追蹤系統(tǒng)中，利用RANSAC和SVD對半稠密追蹤的三維點進(jìn)行平面估計，利用超像素信息進(jìn)行稠密建圖。
受[20]、[21]的啟發(fā)，我們提出利用超像素信息從兩幅圖像中同時估計相機(jī)位姿和多平面結(jié)構(gòu)(如圖1所示)。該系統(tǒng)要求1)從兩幅圖像中提取多個平面的能力；2)單應(yīng)性分解中消除歧義的能力；3)將單應(yīng)性表示與位姿估計優(yōu)化框架相結(jié)合以獲得更好的性能。
展開 