Jump to content
Compvision.ru

All Activity

This stream auto-updates     

  1. Last week
  2. Earlier
  3. Камеры Basler

    Добрый день. На данный момент перешли на китайские аналоги камер: - HIKROBOT (Hikrobot - Machine Vision (hikrobotics.com)) - MindVision (深圳市迈德威视科技有限公司 (mindvision.com.cn)) Возможно будет полезным.
  4. А зачем карту глубины? Если надо найти координату на дороге, или скорость, то дорога плоская, координата и направление камеры известны. Точнее получится просто использовать 2D рамку. 3D генерируемые координаты, от монокулярных сеток, весьма приблизительные, вычисления тяжелые. Ну если очень надо, можно использовать 3D на основе оптического потока, думаю оно точнее будет. Ну если очень-очень хочется нейронкой, просто вычисляйте скользящее среднее по кадрам глубины, и используйте его, там конечно нужна будет коррекция с учетом скорости удаления/приближения, но это вроде должно аналитически выводиться аналитически.
  5. Здравствуйте, пробелам следующая есть несколько нейронок по предсказанию карты глубины из монокулярного изображения, на выходе получается относительная карта глубины (т.е. если допустим на первом изображении, на сцене есть только автомобиль и поле, то у автомобиля показатель глубины 0.8, на втором снимке добавится еще один автомобиль и показатель глубины первого будет уже не условные 0.8, а 0.6), вопрос как лучше высчитывать абсолютную глубину в таких случаях, когда есть несколько фото одной сцены с некоторыми изменениями или это может быть вообще видео. Пример нейронок: https://github.com/nianticlabs/monodepth2 https://github.com/zhyever/Monocular-Depth-Estimation-Toolbox
  6. нахождение характеристик дуги

    Да возьмите или все координаты пикселей дуги, или каждую N-нную, или точки, и прогоните рансаком https://github.com/aerolalit/RANSAC-Algorithm , или скелетизируйие, например так: https://github.com/LingDong-/skeleton-tracing или https://stackoverflow.com/questions/22058485/how-to-implement-an-function-equivalent-to-bwmorph-matlab-function-in-opencv/22060992#22060992 MSE более чувствителен к шуму и равномерности плотности семплирования точек, чем рансак, но если данные чистые, то большой разницы не будет. Но чистые данные, это обычно большая редкость )
  7. нахождение характеристик дуги

    так всё в конечном итоге сводится к линейным уравнениям, даже та же окружность от системы из 3 уравнений преходим к двум, квадраты пропадают и уравнения становятся линейными за approxPolyDP спасибо, пойду изучать
  8. Сейчас с телефона, но по памяти параметр типа approxPolyDP - это как раз Дуглас-Пекер. Встроен уже много лет как, можно пользоваться. Почему прямую так просто, потому что её усреднение с МНК сводится к решению системы линейных уравнений.
  9. нахождение характеристик дуги

    извините, не заметил, что по той ссылке есть ссылка на гитхаб там всё равно как то все очень сложно я только за апроксимацию/упрощение встроенными средствами, вот только какими? я только эрозию пытался использовать, линии всё равно толстые. про метод Дугласа-Пекера если честно впервые слышу беглое гугленье опять меня напугало большим количеством непонятного кода неужели в opencv нельзя получить кривую? прямую же там можно найти, оно как то её усредняет, а почему с кривыми такая беда?
  10. Ну, чуть выше Smorodov скинул ссылку на репозиторий с RANSAC, его же можно просто проверить, работает или нет. Далее про Дугласа-Пекера. Раз уж ищутся контуры, то можно их там же упростить/апроксимировать встроенными средствами. Можно даже просто так брать не все точки, а, скажем, каждую десятую.
  11. нахождение характеристик дуги

    сколько умных людей Вы упомянули... я имел ввиду все точки контуров у меня их получается, в зависимости от ситуации конечно, где то 600-800 каждый кадр и каждый кадр считать всю эту громоздкую математику? как пользоваться RANSAC так и не разобрался, МНК для прямых понятен, для старших порядков не очень, математика и объем вычислений огромный, разве что случайным образом выбирать десяток точек из контура, в надежде что они будут нормально распределены...
  12. Так а RANSAC не сработал? Он уж точно должен был. По поводу всех точек: можно брать только точки контура. Контур также можно брать не целиком по точкам, а аппроксимированный методом Дугласа-Рамера-Пекера - OpenCV это умеет. И точек будет совсем немного
  13. нахождение характеристик дуги

    но ведь для МНК нужно обрабатывать все найденные точки, ведь если я буду брать только часть нет уверенности что они будут нормально распределены, а точек то там огого сколько боюсь не справится комп при работе в реальном времени... может быть в opencv есть какой то встроенный метод усреднения?
  14. Двойной контур не должен быть проблемой ни для RANSAC (он найдёт одну большую окружность), ни для МНК (он найдёт окружность между контурами).
  15. нахождение характеристик дуги

    в том то и дело, что вопрос, как найти точки, если использовать метод findContours, то в массиве оказывается две линии (внешний край дуги и внутренний)при чём они мам перепутаны и как их разделить я не знаю, между ними хоть расстояние и не большое, но это существенно влияет на детектирование окружности методом трёх точек а как найти центр окружности и радиус по трём точкам вообще вопросов нет, это ж система из трёх уравнений с тремя неизвестными, немного алгебраических преобразований и координаты центра находятся решением системы из двух линейных уравнений, радиус же находится подставив точки в уравнение окружности вот что получается после findContours с апроксимацией, извините за кривые руки
  16. нахождение характеристик дуги

    Если точки знаем точно, окружность определяется тремя точками. Центр можно найти пересечением нормалей, радиус - расстояние от центра до любой точки. Есть много кода по этому поводу. Если координаты с шумом, или точность хромает, то есть метод RANSAC который использует статистические методы для улучшения точности. https://sdg002.github.io/ransac-circle/index.html
  17. нахождение характеристик дуги

    проблема в том что там получается контур состоящий из двух рядов точек, внешней и внутренней и как их разделить или усреднить не понимаю
  18. Можно найти контуры, почему нет. Это как раз и будут координаты точек.
  19. нахождение характеристик дуги

    она как то не адекватно работает, по крайней мере у меня, когда дуга такая как на фотке выше, она её не находит, когда больше похожа на окружность находит сразу штук 10, даже если использовать упрощения и убрать мусор я думаю может как то можно просто определить линию, а после findContours даст мне координаты точек, по которым с смогу найти уравнение этой кривой, а дальше и центр, вопрос только как это определить в виде кривой, а не контура
  20. В OpenCV есть функция HoughCircles, не пробовал?
  21. как мне узнать центр окружности и радиус дуги, если видна только её часть?
  22. А, кстати, вы точно распознавание делаете, или детектирование? Вопрос не прпздный, их частенько путают. Если распознавание, то какая сеть ? У меня на gtx 1070 распознающая сеть, требовала 0.3 секунды на 1 лицо, база содержала около 6000 фоток, точность 99.6%. Сеть занимала 600 Мб. Но если база только "папа, мама, я" то можно и что-то сильно попроще и побыстрее использовать.
  23. Спасибо за ответ. По видеокартам, k20 подкупает ценой на вторичном рынке, от 5к до 7 к Пока думаю, для обучения взять. Читал на Хабре и не раз , что нвидиа Тесла, правда уже более новые , используют в системах умный город (мск и т п ). Смотрел на Ютубе ролик, Jetson nano , 128 cuda ядер , спокойно обрабатывает 8 видео потоков в 4k. У Tesla к20 , примерно 2400 куда ядер, я и подумал будет быстрее в n раз ). Или cuda ядра не самые главные ? Камеры IP , 1920x1080 24 кадра. (примерно 15-25 мегабит). По кодеку и т п уточню .
  24. Ну все зависит от параметров, (разрешение, что за модель сети, требуемая частота кадров, и т.д.) . С K20 подробно не знаком, вроде старовата архитекрура. Может новую, какую нибудь типа 3080 или 2080 взять? Хоть не уработанная криптой будет. Сравнения быстродействия, на сайте нвидии есть. https://versus.com/ru/nvidia-geforce-rtx-3080-vs-nvidia-tesla-k20#group_performance Вообше, 20xx или 30xx должно хватить для большинства задач. 4 потока, правда лучше как-то предобрабатывать оддельно (дешифровать, может разрешение уменьшать ). Но можно несколько если что поставить в параллель ). Но параметры условий работы неплохо-бы привести, а то " сферический хомячек в вакууме" получается.
  25. Здравствуйте. Сразу скажу, не очень опытен. Есть идея купить ускоритель, к примеру nvidia Tesla k20, и поставить на анализ видео потоки с камер, по базе распознных лиц. Камер пока 4 . Как думаете под мои задачи подходит,? Face-recognition по фото на цпу, отлично работает. Заранее спасибо, просьба сильно не пинать )
  26. Я тут, скорее, ваш коллега, а не заказчик. Поэтому и говорю, что будут смотреть на всё, на каждую мелочь - встречать по одёжке. Степени, специалисты - это важно больше для тендеров госкомпаний, а не для коммерческих заказчиков. Поэтому ещё важно иметь публичные успешные проекты, известных, ммм, инфюэнсеров. У меня среди знакомых фирма с аналогичной направленностью (были и кандидаты, и специалисты из топ компаний) загнулась из-за малого объёма заказов. Ну или быть, как Антон Мальцев с его Recognitor, который дал успешный старт и в других направлениях. С другой стороны, чёткая специализация и позиционирование может приводить проекты само по себе, даже без рекламы.
  27. Мой богатый практический опыт реализации решений в области AI показал, что данный критерий не всегда является успешным фактором реализации проектов, а напротив дает больше проблем. В нашей области не руководить нужно, а работать "руками и головой".
  1. Load more activity
×