Machine Perception and Tracking - Praktikum
Aufgaben:
Die Webcam öffnen
Kantendetektion mit Sobel
Der Harris Eckendetektor
Objekterkennung mit YOLO
AdaBoost
Histogram of Oriented Gradients
Rechnen mit homogene Koordinaten
Mahalanobisdistanz
Nichtlineare Abbildung normalverteilter Zufallsvariablen
Minimum Varianz Fusion
Der Vorwärts-Algorithmus
Das Kalman-Filter
Machine Perception and Tracking - Praktikum
Stichwortverzeichnis
Stichwortverzeichnis
C
|
D
|
F
|
G
|
I
|
M
|
P
|
U
C
character_propabilities() (im Modul forward)
clean_text() (im Modul forward)
D
displayImage() (im Modul kanten)
F
forward() (im Modul forward)
G
get_emmision_propabilities() (im Modul forward)
get_initial_alpha() (im Modul forward)
get_state_transition_matrix() (im Modul forward)
I
init_filter() (Methode von kalman.KalmanFilter)
M
mainLoop() (im Modul kanten)
map_samples() (im Modul linear)
(im Modul oxygen)
(im Modul polar)
P
plot_covariance_ellipse() (im Modul maha)
predict() (Methode von kalman.KalmanFilter)
processImage() (im Modul kanten)
U
update() (Methode von kalman.KalmanFilter)