文件名称：Video-Stabilization:球形移动监视机器人的视频稳定项目。 实现多种先进的稳定算法
文件大小：60.66MB
文件格式：ZIP
更新时间：2024-06-16 15:23:01
opencv linear-programming video-stabilization camera-path Python
视频稳定 使用L1最佳摄影机路径技术的稳定结果 实现的方法： 基于平均的方法：所考虑的第一个也是最简单的方法是，通过对摄像头路径进行平均操作来简单平滑摄像头路径。 这就要求像低通滤波器一样拒绝高频抖动。 L1最佳摄影机路径：此方法使用线性编程公式来平滑摄影机路径。 除高频运动外，它还可以成功消除低频运动。 子空间视频稳定：：一种基于优化的方法。 正在进行中。 深度视频稳定：正在进行中。 最近的数据驱动的基于深度学习的方法。 摄像师使用相机稳定器来防止物理干扰使录制的镜头恶化。 但是，这些设备在某种意义上并不是完美的，因为这种稳定硬件无法滤除诸如在崎surfaces不平的表面上行走，奔跑或滚动之类的动作引起的低频干扰。 由于光学稳定工具的这些局限性，以及由于仅限于专业人员访问此类工具，因此需要基于软件的视频稳定。 尤其是，我们的项目与孟买IIT的SysCon ARMS（自主机器人
【文件预览】：
Video-Stabilization-master
----optical_flow()
--------LK_optimal_flow.py(2KB)
----references()
--------siggraph09_preprint.pdf(8.84MB)
--------video-stab-4.pdf(8.05MB)
--------deep_video_stabilization_published_version.pdf(3.75MB)
--------2011-Grundmann-optimal_camera_paths.pdf(8.51MB)
--------deep_learning_paper.pdf(2.76MB)
--------another_cnn_paper.pdf(2.36MB)
--------111792M.pdf(913KB)
--------CGF-2018-video-stab.pdf(9.21MB)
----test2.py(567B)
----Averaging-Stabilization()
--------README.md(573B)
--------stabilization_avg.py(5KB)
----media()
--------VidStab.gif(1.77MB)
----L1-optimal-paths()
--------L1optimal_lpp.py(8KB)
--------L1optimal.py(9KB)
--------results()
--------pipelined_test.py(2KB)
--------stabilze.sh(703B)
--------L1optimal_online.py(10KB)
--------formulation.lp(7.21MB)
--------plots()
--------stabilization_L1_pipelined.py(7KB)
--------README.md(1KB)
--------pulp_tutorial.py(3KB)
--------webcam_multi_processing_test.py(553B)
----README.md(6KB)
----SubspaceStab()
--------subspacestab.py(6KB)
----project-updates()
--------29june.pdf(171KB)
--------16june.pdf(160KB)
--------22june.pdf(171KB)
--------VideoStab-online.pdf(29KB)
--------20july.pdf(135KB)
--------15june.pdf(160KB)
--------L1optimal.pdf(171KB)
--------subspaceStab.pdf(12.54MB)
--------21june.pdf(169KB)
--------14july.pdf(156KB)
----.gitignore(69B)