1. 视觉SLAM 系统概述 SLAM 是Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建” 。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉SLAM”。 视觉SLAM流程分为以下几步 传感器信息读取。在视觉SLAM 中主要为相机图像信息的读取和预处理。 视觉里程计。视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。 后端优化。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的

开心果图像数据集（该数据集包括467张全高清开心果图像和一个测试视频） 开心果图像数据集（该数据集包括467张全高清开心果图像和一个测试视频） 开心果图像数据集（该数据集包括467张全高清开心果图像和一个测试视频）

柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像 柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像 柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像

5类水稻分类数据集，共75000图像;每个15000图像，该数据集主要包含Train和Test文件夹，在这两个文件夹下存在不同的文件夹，包含不同的水稻品种图像。 5类水稻分类数据集，共75000图像;每个15000图像，该数据集主要包含Train和Test文件夹，在这两个文件夹下存在不同的文件夹，包含不同的水稻品种图像。

计算机学院的毕业设计 关于图像深度 使用单目摄像机

yx-image-recognition 基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点

包含5万张验证码(数字+大小写字母)和验证码对应结果集（train.txt）格式为{'1234.jpg' '1234'...} 包含5万张验证码(数字+大小写字母)和验证码对应结果集（train.txt）格式为{'1234.jpg' '1234'...}

一种基于深度的图像雾效模拟算法，高仁杰，王祎，雾是自然场景中常见的天气现象，雾效的存在能够提升虚拟场景的真实感，并能为真实场景带来艺术美感效果。在基于机器学习的雾相关

中国象棋棋子定位采用的传统图像处理方法，复杂度高；识别棋子采用的传统文字识别方法，泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法，实现了棋子的快速定位，不需要二次修正位置；提出一种基于卷积神经网络的棋子识别方法，该方法可以应用于不同字体的棋子识别，在更换棋子的情况下，依然可以快速、准确地识别棋子。实验结果表明，该方法的定位误差为0.51 mm，平均定位时间0.212 s，对4类字体的平均棋子识别准确率为98.59%左右，证实了该方法的有效性和实用性。

近五年红外与可见光图像融合实现代码合集，每个方法单独整理成文件夹，语言主要为matlab语言，部分为C语言，深度学习的模型为训练好的模型，方便学习