实战篇：粘连物体分割——利用角点检测、定ROI区域、透视变换、几何分割实现瓶盖分割计数一、背景二、思路三、代码四、效果五、声明六、其他文章一、背景    在去年学习opencv的过程当中，做过一张瓶盖分割的练习。目的就是为了分割出每个瓶盖，当时想着，除了霍夫圆检测思路之外，能不能根据相连瓶盖的特征进行分割呢?于是便想到了根据角点检测其相连位置，然后在相连位置之间画一根线进行切除。是不是想法很单纯，觉得很好实现？其实实现过程中遇到不少问题，检测的角点很多，如何过滤掉剩下粘连处的角点？那么多个角点，如何保证点跟另一个点刚好是相连位置的两个点？下面附上代码的整体实现思路，本次文章制作简单的分享，后续

一、FCN网络结构        全卷积网络(FullyConvolutionalNetworks)，是较早用于图像语义分割的神经网络。根据名称可知，FCN主要网络结构全部由卷积层组成，在图像领域，卷积是一种非常好的特征提取方式。本质上，图像分割是一个分类任务，需要做的就是对图像上每一个像素按照人工标注进行分类。FCN大致网络结构如下：上图模型结构为针对VOC数据集的21个语义分割，即数据集包含21种不同分割类型。当图像进入神经网络，第一个卷积层将图像由三通道转换为96通道featuremap，第二个卷积层转换为256个通道，第三个卷积层384个通道，直到最后一个卷积层变为21个通道，每个通道

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。 HSI颜色空间中的分割  HSI颜色空间是面向颜色处理的，用色调（H），饱和度（S）描述色彩，用亮度（I）描述光的强度。 HSI模型的建立基于两个重要的事实：①I分量与图像的彩色信息无关；②H和S分量与人感受颜色的方式是紧

目录前言：1、模板匹配1.1单目标匹配1.2多目标匹配2、图像分割2.1分水岭算法分割图像2.2图像金字塔3、交互式前景提取总结：前言：模板匹配是指当前图像中查找的目标图像最相近的部分。图像分割是指将前景对象从图像中分割和提取出来。1、模板匹配让模板图像在输入图像中滑动，逐像素遍历整个图像进行比较，查找出与模板图像最匹配的部分。1.1单目标匹配即输入图像中只存在一个可能匹配结果，用cv2.matchTemplate()函数：result=cv2.matchTemplate(image,templ,method)image输入图像必须是8位或32位浮点类型；templ是模板图像，不可大于imag

狠人话不多说，直接放视频效果地址一、效果1.视频效果视频效果地址：点击这里2.图片效果二、构思该怎么实现？页面如何布局页面是否可随意控制显示1.功能控制页面显示数量可放大控制全景图+自动播放左右按钮控制上一页或下一页（尾页：下一页按钮隐藏，首页：上一页按钮隐藏）2.过程过程中初次想一次性展示全部，实现了，后面发现当全景图超过16个时，后16个显示没问题，前面几个无法显示，控制台提示。1.问题警告：WARNINGToomanyactiveWebGLcontexts.Oldestcontextwillbelost.翻译：警告太多活动的WebGL上下文。最古老的上下文将丢失。建议：不要超过16个2.

目录1.前言2.基本思路分析2.1平面栅格法2.2点云法向量法2.3模型拟合法2.4面元网格法3.几种优秀的开源方案3.1linefit_ground_segmentation3.2plane_fit_ground_filter3.3depth_clustering3.4Patchwork&Patchwork++4.参考：1.前言  在自动驾驶和机器人的应用场景中，经常需要对地面进行检测或分割（groundsegmentation），以便提取出可行驶区域用于规控，或者对地面以外的障碍物点进行检测以用于避障。本文主要介绍激光雷达在地面检测分割领域的相关方法，考虑到实时性、资源占用、数据成本等情况

基于语义分割GroundTruth（GT）转换yolov5目标检测标签（路面积水检测例子）概述许多目标检测的数据是通过直接标注或者公开平台获得，如果存在语义分割GroundTruth的标签文件，怎么样实现yolov5的目标检测格式转换呢？查遍全网没有很好的方法，因此使用opencv自己写了一个，检验效果还不错。这里的例子是基于极市平台的路面积水检测给出的数据集完成，由于平台只给了分割的示例数据，因此想使用yolo进行目标检测，需要自己进行标签的转换.已有的数据集有原图和label，这里的label是PNG格式的图片，如下所示：数据集包含原图片以及相对应分割后的图片（标注文件），标注文件的格式为

字符串转多行需求描述  实现的sql  案例演示字符串拆分：SUBSTRING_INDEX（str,delim,count）替换函数：replace(str,from_str,to_str)获取字符串长度：LENGTH(str)实现的原理解析  实现sql  正式的原理解析  Step1：首先获取最后需被拆分成多少个字符串，利用help_topic_id来模拟遍历第n个字符串。  Step2：根据“，”逗号来拆分字符串，此处利用SUBSTRING_INDEX（str,delim,count）函数，最后把结果赋值给num字段。扩展：判断外部值是否在num列值中  find_in_set  ins

本文主要是关于语音数据在处理过程中的一些脚本文件以及实例，所有代码只需要更改所需处理的文件路径，输出路径等，全部可运行。目录所需环境方法1：将一整段音频按时间批量切成一个一个音频方法2：将一整段音频按语句停顿批量切成一个一个音频方法3：将一个文件夹内的几整段音频批量切成一个一个音频3.1.数据格式：一个文件夹下的长几分多的音频（wav文件）按固定秒数切割3.2.数据格式：一个文件夹下的长几分多的音频（mp3文件）按固定秒数切割3.3.数据格式：一个文件夹下的长几分多的音频（wav文件）按语句停顿切割扩展将pcm文件批量处理成wav文件Linux下查询文件夹中文件数量的方法使用ls命令和wc命令

一、实景导航前期准备工作及点位采集（一）实景导航前期准备工作（1）拍摄设备1.推荐相机：全画幅的佳能CanonEOS​ 5DMarkIV2.搭配镜头：原厂的佳能CanonEF卡口8-15mm 全画幅鱼眼镜头3.三角架：720Think定制三脚架A2570T4.云台：凯唯斯CAVIXPH-720A全景云台详细设备推荐可参考【720VR全景拍摄的设备推荐】(2)制作平面区域图1.需向场地方索要详细的场地平面图（如：场景地图，施工平面图等）（3）导航点位确认1.需和场地方确认实际导航路线（已便后期导航制作）2.需确定导航路线点位距离，尽量保持每个点位之间的距离相等（二）导航点位采集方法（1）拍摄步骤