OpenCV
-
OpenCV-Integration mit Live-360-Video für Robotik
Mit der fortschreitenden Entwicklung der künstlichen Intelligenz werden Roboter zunehmend eingesetzt, um Menschen von den Risiken der Inspektion gefährlicher Orte oder der Eintönigkeit der routinemäßigen visuellen Überwachung zu befreien. Um eine gewisse Autonomie zu gewährleisten, verfügt der Roboter oft über Kameras, die mit einem integrierten Linux-Computer wie einem NVIDIA Jetson oder einem x86-Einplatinencomputer (SBC) verbunden sind. Wenn die Anwendung von Live-360-Grad-Videos profitiert, gibt es zwei Ansätze. Der erste, anspruchsvollere Ansatz besteht darin, mehrere Kameras zu verwenden und das Video auf…
-
Beheben Sie AttributeError: ‚NoneType‘ Objekt hat kein Attribut ‚Shape‘
NumPy ist ein beliebtes Tool für Berechnungen mit Zahlen, die Matrizen, Arrays und mathematische Funktionen betreffen. Der Shape-Attributwert eines NumPy-Arrays gibt ein Tupel zurück, das die Dimensionen des Arrays zeigt. Und wenn es um das Umgestalten und Bearbeiten von NumPy-Arrays geht, ist das Attribut entscheidend. Hier ist, wie die shape-Attributfunktion funktioniert: Python import numpy as np arr = np.array([[5, 1], [16, 33]]) print(arr.shape) Ausgabe: Python (2, 2) Das Shape-Attribut ist auch in pandas oder OpenCV wichtig. Hier ist,…
-
Computer Vision Tutorial 2: Grundlagen der Bildverarbeitung
Dieses Tutorial ist die Grundlage der Bildverarbeitung, die als „Lektion 2“ der Serie vermittelt wird; es gibt weitere Lektionen, die auf die Erstellung eigener Bildverarbeitungsprojekte auf Deep-Learning-Basis eingehen werden. Sie können das komplette Curriculum und Inhaltsverzeichnis hier finden. Die wichtigsten Lernziele dieses Artikels: Laden eines Bildes von der Festplatte. Ermitteln der ‚Höhe‘, ‚Breite‘ und ‚Tiefe‘ des Bildes. Ermitteln der R, G und B-Komponenten des Bildes. Zeichnen mit OpenCV. Laden eines Bildes von der Festplatte Bevor wir Operationen oder Manipulationen an…
-
Gesichtserkennung und Identifizierung in der Bildverarbeitung
Die rasche Entwicklung in den Bereichen Maschinellem Lernen und Künstlicher Intelligenz hat bedeutende Fortschritte in der Computervisualisierung für die Objekterkennung und -erkennung gemacht. Dennoch stellt die Schaffung eines Systems dar, das Humor und Vergnügen bei Menschen erkennen kann, immer noch ein herausforderndes Problem für Programmierer dar, da Komödie und Unterhaltung subjektiv sind und auf persönlichen Vorlieben und kulturellem Kontext basieren. Daher ist es schwierig, ein System zu entwickeln, das genau bestimmen kann, was Individuen amüsant oder erfreulich finden. Jedoch hat…