PCL—低层次视觉—关键点检测（NARF）
关键点检测本质上来说，并不是一个独立的部分，它往往和特征描述联系在一起，再将特征描述和识别、寻物联系在一起。关键点检测可以说是通往高层次视觉的重要基础。但本章节仅在低层次视觉上讨论点云处理问题，故所有讨论都在关键点检测上点到为止。NARF 算法实际上可以分成两个部分，第一个部分是关键点提取 ...
原文：Zabbix实战-简易教程--低层次发现（LLD）
一 概述 自动发现 LLD 提供了一种在为不同实体自动创建监控项，触发器和图形的方法。例如，Zabbix可以在你的机器上自动监控磁盘或网卡，而无需为每个磁盘或网卡手动创建监控项。 LLD 此外，可以配置Zabbix根据定期执行发现后的得到实际结果，来移除不需要的监控项。 根据正则过滤 二 类型 在Zabbix中，支持六种类型的发现项目： 系统文件的发现 网络接口的发现 CPU和CPU内核的发现 S ...
2017-09-17 22:37 0 2083 推荐指数：
相关推荐
PCL—低层次视觉—关键点检测（rangeImage）
关键点又称为感兴趣的点，是低层次视觉通往高层次视觉的捷径，抑或是高层次感知对低层次处理手段的妥协。 ——三维视觉关键点检测 1.关键点，线，面 关键点=特征点； 关键线=边缘； 关键面=foreground； 上述三个概念在信息学中几乎占据了统治地位。比如1维的函数 ...
PCL—低层次视觉—点云分割（邻近信息）
分割给人最直观的影响大概就是邻居和我不一样。比如某条界线这边是中华文明，界线那边是西方文，最简单的分割方式就是在边界上找些居民问:"小伙子，你到底能不能上油管啊？”。然后把能上油管的居民坐标连成一 ...
PCL—低层次视觉—点云分割（基于凹凸性）
1.图像分割的两条思路 场景分割时机器视觉中的重要任务，尤其对家庭机器人而言，优秀的场景分割算法是实现复杂功能的基础。但是大家搞了几十年也还没搞定——不是我说的，是接下来要介绍的这篇论文说的。图 ...
PCL—低层次视觉—关键点检测（Harris）
除去NARF这种和特征检测联系比较紧密的方法外，一般来说特征检测都会对曲率变化比较剧烈的点更敏感。Harris算法是图像检测识别算法中非常重要的一个算法，其对物体姿态变化鲁棒性好，对旋转不敏感，可 ...
PCL—低层次视觉—点云滤波（初步处理）
点云滤波的概念 点云滤波是点云处理的基本步骤，也是进行 high level 三维图像处理之前必须要进行的预处理。其作用类似于信号处理中的滤波，但实现手段却和信号处理不一样。我认为原因有以下几个 ...
PCL—低层次视觉—点云分割（RanSaC）
点云分割 点云分割可谓点云处理的精髓，也是三维图像相对二维图像最大优势的体现。不过多插一句，自Niloy J Mitra教授的Global contrast based salient regi ...
低层次数论书籍大杂烩
一些原则性的说明：0. 到一定阶段之后，你要看的就是各种文献，阐释文章或者原始文献，还盯着书那是不行的。所以别花时间往下看了。1. 看书之前一定要看序言。作者的目标对象是谁，作者选择什么内容？合适的话 ...