思路：在Ubuntu中，通过pydub的AudioSegment，结合ffpmeg包将音频降采样至16k，修改位深度16bit,双声道（立体声）改为单声道。采样率，位深度，声道等等都可以通过ffpmeg修改，功能十分强大。Ubuntu安装ffpmeg和pydub请自行百度（ps:Windows也可以，需要配置ffpmeg，但我没用过，大家自行尝试）目录结构:类似于vctk/train/p225/p225_001.wavvctk|train|-->p225|---->p225_001.wav|---->p225_002.wav|----...|-->p226|---->p226_001.wav|
思路：在Ubuntu中，通过pydub的AudioSegment，结合ffpmeg包将音频降采样至16k，修改位深度16bit,双声道（立体声）改为单声道。采样率，位深度，声道等等都可以通过ffpmeg修改，功能十分强大。Ubuntu安装ffpmeg和pydub请自行百度（ps:Windows也可以，需要配置ffpmeg，但我没用过，大家自行尝试）目录结构:类似于vctk/train/p225/p225_001.wavvctk|train|-->p225|---->p225_001.wav|---->p225_002.wav|----...|-->p226|---->p226_001.wav|
📢博客主页：https://blog.csdn.net/weixin_43197380📢欢迎点赞👍收藏⭐留言📝如有错误敬请指正！📢本文由Loewen丶原创，首发于CSDN，转载注明出处🙉📢现在的付出，都会是一种沉淀，只为让你成为更好的人✨ 文章预览：前言1.缺陷检测分类1.1标准缺陷检测1.2非标缺陷检测（针对行业特性）2.行业难点3.常规缺陷检测算法（Halcon）3.1差分法3.1.1blob分析+差分3.1.2模板匹配+差分3.1.3两种检测方式对比3.2频域+空间结合法3.2.1傅里叶变换理论3.2.2应用场景3.2.3核心检测算子3.2.4相关实际检测案例3.3光度立体3.
📢博客主页：https://blog.csdn.net/weixin_43197380📢欢迎点赞👍收藏⭐留言📝如有错误敬请指正！📢本文由Loewen丶原创，首发于CSDN，转载注明出处🙉📢现在的付出，都会是一种沉淀，只为让你成为更好的人✨ 文章预览：前言1.缺陷检测分类1.1标准缺陷检测1.2非标缺陷检测（针对行业特性）2.行业难点3.常规缺陷检测算法（Halcon）3.1差分法3.1.1blob分析+差分3.1.2模板匹配+差分3.1.3两种检测方式对比3.2频域+空间结合法3.2.1傅里叶变换理论3.2.2应用场景3.2.3核心检测算子3.2.4相关实际检测案例3.3光度立体3.
基于MVS的三维重建算法学习笔记（三）—立体匹配概述声明立体匹配立体视觉系统概述1.相机标定2.极线矫正3.立体匹配4.三角测量立体匹配基本流程基本思路方法分类参考文献和资料声明本人书写本系列博客目的是为了记录我学习三维重建领域相关知识的过程和心得，不涉及任何商业意图，欢迎互相交流，批评指正。立体匹配在之前的博客中简单介绍过立体匹配，它是MVS稠密重建中的重要环节，而在这篇博客中，将详细的介绍立体匹配的相关概念，其中详细的过程和原理参考教程：70.三维重建5-立体匹配1，立体匹配算法总体理解，该作者对意大利Bologna大学的StefanoMattoccia教授在2012年编写的"Stereo
基于MVS的三维重建算法学习笔记（三）—立体匹配概述声明立体匹配立体视觉系统概述1.相机标定2.极线矫正3.立体匹配4.三角测量立体匹配基本流程基本思路方法分类参考文献和资料声明本人书写本系列博客目的是为了记录我学习三维重建领域相关知识的过程和心得，不涉及任何商业意图，欢迎互相交流，批评指正。立体匹配在之前的博客中简单介绍过立体匹配，它是MVS稠密重建中的重要环节，而在这篇博客中，将详细的介绍立体匹配的相关概念，其中详细的过程和原理参考教程：70.三维重建5-立体匹配1，立体匹配算法总体理解，该作者对意大利Bologna大学的StefanoMattoccia教授在2012年编写的"Stereo
基于双目立体视觉的图像匹配与测距引言1.1研究背景和意义人类通过感觉器官获取的外部世界信息里有80%是来自视觉。研究生物视觉系统发现，双目是生物具有视觉的重要前提。以人为例，当人用两眼分别观察视野前方的物体时，会发现左眼和右眼观察到的物体在距离和方位上不大一致，这就是视差。通过视差对比分析，才能更好地研究物体在实际世界的中位置。由于双目立体视觉系统是通过模拟人的双眼来进行感知这一原理，因此在实际中只需要两个相机，并将它们像人的双眼一样，安装在同一水平线上经过简单校正之后就可以投入使用。实现方式相对简单，使用成本低廉。因此，本文通过对双目立体视觉系统的研究，可以更好地理解图像特征提取与匹配的算法
基于双目立体视觉的图像匹配与测距引言1.1研究背景和意义人类通过感觉器官获取的外部世界信息里有80%是来自视觉。研究生物视觉系统发现，双目是生物具有视觉的重要前提。以人为例，当人用两眼分别观察视野前方的物体时，会发现左眼和右眼观察到的物体在距离和方位上不大一致，这就是视差。通过视差对比分析，才能更好地研究物体在实际世界的中位置。由于双目立体视觉系统是通过模拟人的双眼来进行感知这一原理，因此在实际中只需要两个相机，并将它们像人的双眼一样，安装在同一水平线上经过简单校正之后就可以投入使用。实现方式相对简单，使用成本低廉。因此，本文通过对双目立体视觉系统的研究，可以更好地理解图像特征提取与匹配的算法
双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python目录双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python1.项目结构2.Environment3.双目相机标定和校准(0) 双目摄像头(1)采集标定板的左右视图(2) 单目相机标定和校准（不要跳过这个步骤）(3) 双目相机标定和校准(4)关于MATLAB双目标定结果4.视差图和深度图(1)立体校正(2)立体匹配与视差图计算(3)Demo5.双目测距6.3D点云显示7.示例代码Demo8.双目三维重建项目代码（Python版本）9.双目三维重建项目代码（C++版本）10.双目三维重建项目代码（Android版
双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python目录双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python1.项目结构2.Environment3.双目相机标定和校准(0) 双目摄像头(1)采集标定板的左右视图(2) 单目相机标定和校准（不要跳过这个步骤）(3) 双目相机标定和校准(4)关于MATLAB双目标定结果4.视差图和深度图(1)立体校正(2)立体匹配与视差图计算(3)Demo5.双目测距6.3D点云显示7.示例代码Demo8.双目三维重建项目代码（Python版本）9.双目三维重建项目代码（C++版本）10.双目三维重建项目代码（Android版
