Visi komputer — Panduan belajar
Visi komputer — Alur belajar terstruktur tentang robotika, kendali, pertanian lingkungan terkendali, energi, dan elektronika daya.
Alur belajar terstruktur tentang robotika, kendali, pertanian lingkungan terkendali, energi, dan elektronika daya.
- Fundamentals · 8 menit baca
Panduan Kalibrasi Kamera — Memulihkan Distorsi Lensa dan Parameter Intrinsik
Kalibrasi kamera adalah proses pemulihan parameter intrinsik dan distorsi lensa yang dibutuhkan untuk memetakan koordinat piksel ke ruang 3D. Mulai dari meninjau kembali model lubang jarum, melalui model distorsi radial dan tangensial, metode pola planar Zhang, optimasi kesalahan reproyeksi, hingga apa yang rusak di hilir dalam Visual SLAM dan VO ketika kalibrasi bergeser — panduan sistematis dengan persamaan dan diagram.
- Fundamentals · 12 menit baca
Panduan Deteksi Fitur
Deteksi fitur memilih "tempat yang dapat Anda temukan lagi" dalam sebuah gambar dan menggunakannya untuk pencocokan. Artikel ini menghubungkan prinsip-prinsip sudut, gumpalan, DoG, FAST, ORB, dan SIFT dengan ketahanan, evaluasi, alat-alat terkini, dan metode berbasis pembelajaran ke dalam satu gambaran yang koheren.
- Hands-on · 2 menit baca
Lab kecerahan dan luminans — eksposur, gamma, dan clipping
Bandingkan eksposur linear dengan penyesuaian abu-abu terenkode melalui citra sintetis, histogram, dan gradien.
- Hands-on · 2 menit baca
Lab ekstraksi titik fitur — membandingkan Harris dan Shi–Tomasi
Putar, ubah ukuran dan kecerahan citra sintetis, lalu bandingkan sudut terdeteksi dengan posisi referensi yang diketahui.
- Hands-on · 2 menit baca
Lab pencocokan fitur — filter deskriptor, inlier dan kebenaran acuan
Bandingkan patch dan saring korespondensi untuk melihat mengapa kesesuaian geometri tidak menjamin kecocokan benar.
- Fundamentals · 6 menit baca
Panduan Dasar Pelacakan Fitur — Cara Menghindari Kehilangan Titik yang Sama Antar Bingkai
Pelacakan fitur adalah proses mencocokkan titik fisik yang sama di seluruh frame dalam urutan video. Artikel ini mengorganisir pelacakan templat, aliran optik Lucas–Kanade, pencocokan deskriptor, RANSAC, penolakan outlier, dan prediksi Kalman dengan persamaan dan langkah-langkah implementasi, serta menjelaskan kondisi di mana Visual Odometry dan SLAM mengalami kegagalan, beserta mitigasinya.
- Hands-on · 2 menit baca
Lab aliran optik: melacak gerak di antara dua bingkai
Estimasi perpindahan titik gambar dan bandingkan dengan transformasi sintetis yang diketahui. Jelajahi kecerahan, oklusi, dan masalah apertur.
- Fundamentals · 5 menit baca
Pengantar Aliran Optik — Membaca Kecepatan dan Struktur dari Gerakan Gambar
Optical Flow adalah medan vektor yang menggambarkan arah pergerakan setiap piksel dalam rangkaian gambar. Artikel ini membahas kendala konstansi kecerahan, Lucas–Kanade dan Horn–Schunck, piramida, aliran padat versus pelacakan fitur jarang, metode berbasis pembelajaran seperti RAFT, dan gerakan kamera, objek dinamis, serta metodologi evaluasi, dengan matematika yang mendasarinya.
- Fundamentals · 8 menit baca
Pengantar Homografi — Mendeskripsikan Korespondensi Planar dengan Matriks 3x3 Tunggal
Homografi adalah relasi yang menghubungkan titik-titik pada bidang yang sama, atau pandangan kamera yang berputar murni, menggunakan transformasi proyeksi 3x3 tunggal. Artikel ini membahas estimasi berbasis DLT, penguatan dengan RANSAC, dekomposisi menjadi rotasi, translasi, dan normal bidang, dan kapan menggunakannya dibandingkan dengan geometri epipolar, bersamaan dengan aplikasi seperti penyambungan gambar dan pelacakan bidang AR, dengan persamaan dan diagram.
- Fundamentals · 15 menit baca
Geometri Epipolar — Membaca Kedalaman dan Pergerakan Kamera dari Dua Gambar
Geometri epipolar adalah teori yang membatasi bagaimana titik 3D yang sama diproyeksikan ke dalam dua gambar. Artikel ini secara sistematis menjelaskan Matriks Fundamental dan Matriks Esensial, algoritma 8-titik dan 5-titik, RANSAC, triangulasi, pilihan antara geometri epipolar dan homografi, kalibrasi, implementasi OpenCV/COLMAP, kondisi kegagalan, dan estimasi berbasis pembelajaran terbaru, dengan persamaan dan diagram.
- Fundamentals · 5 menit baca
PnP Primer — Memulihkan Posisi Kamera Hanya dari Titik 3D dan Sebuah Gambar
Perspective-n-Point (PnP) adalah masalah geometris untuk memperkirakan posisi dan orientasi kamera dari titik-titik 3D yang diketahui dan titik-titik gambar yang sesuai. Artikel ini membahas persamaan proyeksi, P3P/AP3P, EPnP, optimasi iteratif, RANSAC, degenerasi planar, dan bagaimana PnP digunakan dalam Visual SLAM, AR, dan survei, dengan matematika dan daftar periksa implementasi.
- Fundamentals · 10 menit baca
Pengantar Struktur dari Gerakan — Memulihkan Posisi 3D dan Kamera Secara Bersamaan dari Kumpulan Foto yang Tidak Terurut
Structure from Motion (SfM) memulihkan struktur 3D suatu adegan dan setiap pose kamera secara simultan dari sekumpulan foto yang urutan dan posisi pengambilan gambarnya tidak diketahui. Artikel ini secara sistematis membahas pencocokan fitur, verifikasi geometris, dua strategi rekonstruksi SfM Inkremental dan Global, triangulasi, hubungannya dengan Bundle Adjustment, dan perbedaannya dari Visual-SLAM, bersama dengan implementasi terkini seperti COLMAP.
- Fundamentals · 11 menit baca
Pengantar Penyesuaian Bundel — Metode Kuadrat Terkecil Nonlinier yang Memperbaiki Posisi Kamera dan Titik 3D Secara Bersama-sama
Bundle Adjustment adalah masalah kuadrat terkecil nonlinier yang menggerakkan banyak pose kamera dan titik 3D sekaligus untuk meminimalkan kesalahan reproyeksi di seluruh pengamatan. Artikel ini secara sistematis membahas mengapa Jacobian bersifat jarang (sparse), mengapa komplemen Schur membuat masalah skala besar dapat dipecahkan, peran metode Levenberg-Marquardt, kebebasan gauge, dan hubungannya dengan optimasi Pose Graph dan SfM, dengan persamaan dan diagram.
- Fundamentals · 11 menit baca
Pengantar Stereo Multi-View — Mengisi Awan Titik yang Jarang Menjadi Bentuk 3D yang Padat
Multi-View Stereo (MVS) memulihkan bentuk 3D padat dari banyak gambar menggunakan pose kamera yang diketahui. Artikel ini secara sistematis membahas prinsip inti konsistensi foto, dua pendekatan klasik Plane-Sweep dan Patch-based (PMVS), metode berbasis pembelajaran mendalam yang diwakili oleh MVSNet, dan meshing melalui fusi peta kedalaman, bersamaan dengan hubungannya dengan kamera stereo dan kedalaman, dengan persamaan dan diagram.
- Fundamentals · 16 menit baca
Panduan VO/VIO — Landasan Praktis untuk Memperkirakan Gerakan dari Kamera dan IMU
Odometri Visual (VO) dan Odometri Visual-Inersia (VIO) memperkirakan gerakan relatif robot atau kamera dari serangkaian gambar dan pengukuran inersia. Artikel ini membahas ambiguitas skala monokular, pra-integrasi IMU, inisialisasi, penyaringan versus optimasi, implementasi seperti VINS-Mono dan OpenVINS, metrik evaluasi, dan kondisi kegagalan, dengan menggunakan matematika dan diagram.
- Fundamentals · 5 menit baca
Panduan Penutupan Loop — Memperbaiki Penyimpangan Sistem SLAM Sekaligus, Mengelilingi Sebuah Loop
Penutupan loop adalah proses mengenali bahwa robot telah kembali ke tempat yang sebelumnya dikunjungi, dan mendistribusikan kesalahan lokalisasi diri yang terakumulasi ke seluruh peta. Artikel ini secara sistematis menjelaskan pengenalan tempat, pengambilan gambar, verifikasi geometris, optimasi grafik pose, pertahanan terhadap kesalahan positif palsu, serta implementasi dan penelitian SLAM terkini.
- Fundamentals · 18 menit baca
Pengantar Visual-SLAM — Bagaimana Kamera Mempelajari "Di Mana Saya Berada""
Tanpa GPS dan tanpa peta, robot masih dapat menemukan posisinya sendiri dan membangun peta lingkungannya hanya dari gambar kamera. Mulai dari pelacakan fitur hingga geometri epipolar, perbedaan antara Visual Odometry dan SLAM, silsilah algoritma penanda dari ORB-SLAM ke LSD-SLAM dan DSO, dan Bundle Adjustment, sebuah tur sistematis dari bawah ke atas tentang bagaimana Visual-SLAM sebenarnya bekerja.
- Panduan belajar · 2 menit baca
Estimasi Kedalaman Monokular — Dari Urutan Relatif ke Jarak Metrik
Pengantar tentang kedalaman monokular: kedalaman relatif versus metrik, ambiguitas skala, protokol evaluasi, dan kondisi kegagalan.
- Panduan belajar · 2 menit baca
Neural 3D — Sintesis Tampilan Baru dan Evaluasi Visual/Geometris Terpisah
Pengantar tentang representasi adegan neural, sintesis tampilan baru, tampilan terpisah, dan evaluasi visual dan geometris yang terpisah.