#Computer Vision

Bilgisayarlı görü September 13, 2026

Tek Gözle Derinlik Tahmini — Göreceli Sıralamadan Metrik Mesafeye

Tek gözlü derinlik algısı üzerine temel bilgiler: göreceli ve metrik derinlik, ölçek belirsizliği, değerlendirme protokolleri ve arıza koşulları.

Öğrenme rehberi · 2 min okuma Bilgisayarlı görü September 13, 2026

Neural 3D — Yeni Bakış Açısı Sentezi ve Ayrı Görsel/Geometrik Değerlendirme

Sinirsel sahne temsilleri, yeni bakış açısı sentezi, tutulan bakış açıları ve ayrı görsel ve geometrik değerlendirme üzerine temel bilgiler.

Öğrenme rehberi · 2 min okuma Bilgisayarlı görü September 4, 2026

Kamera Kalibrasyonu Temel Bilgileri — Objektif Bozulmasını ve İçsel Parametreleri Geri Kazanma

Kamera kalibrasyonu, piksel koordinatlarını 3 boyutlu uzaya eşlemek için gereken içsel parametreleri ve lens bozulmasını geri kazanma sürecidir. İğne deliği modeline yeniden bakmaktan, radyal ve teğetsel bozulma modellerine, Zhang'ın düzlemsel desen yöntemine, yeniden projeksiyon hatası optimizasyonuna ve kalibrasyon kayması durumunda Visual SLAM ve VO'da aşağı akışta nelerin bozulduğuna kadar, denklemler ve diyagramlarla sistematik bir inceleme.

Fundamentals · 8 min okuma Bilgisayarlı görü September 4, 2026

Homografi Temelleri — Düzlemsel İlişkileri Tek Bir 3x3 Matrisle Tanımlama

Homografi, aynı düzlemdeki noktaları veya tamamen dönen bir kameranın bakış açısını tek bir 3x3 izdüşümsel dönüşüm kullanarak birbirine bağlayan ilişkidir. Bu makale, DLT tabanlı tahmin, RANSAC ile sağlamlaştırma, döndürme, öteleme ve düzlem normaline ayrıştırma ve epipolar geometriye kıyasla ne zaman kullanılacağı konularını, görüntü birleştirme ve AR düzlem takibi gibi uygulamaları denklemler ve diyagramlarla birlikte ele almaktadır.

Fundamentals · 7 min okuma Bilgisayarlı görü September 4, 2026

Çoklu Görünümlü Stereo Temel Bilgiler — Seyrek Nokta Bulutunu Yoğun 3B Şekle Dönüştürme

Çoklu Görünüm Stereo (MVS), bilinen kamera pozisyonlarını kullanarak birçok görüntüden yoğun 3 boyutlu şekilleri geri kazanır. Bu makale, fotoğraf tutarlılığının temel prensibini, Düzlem Tarama ve Yama Tabanlı (PMVS) olmak üzere iki klasik yaklaşımı, MVSNet ile örneklendirilen derin öğrenme tabanlı yöntemleri ve derinlik haritası füzyonu yoluyla ağ oluşturmayı, stereo ve derinlik kameralarıyla olan ilişkisini denklemler ve diyagramlarla birlikte sistematik olarak ele almaktadır.

Fundamentals · 10 min okuma Bilgisayarlı görü September 4, 2026

Hareketten Yapı Oluşturma Temel Bilgileri — Düzensiz Bir Fotoğraf Kümesinden 3B ve Kamera Konumlarını Birlikte Kurtarma

Hareketten Yapı Oluşturma (SfM), çekim sırası ve konumları bilinmeyen bir dizi fotoğraftan hem sahnenin 3 boyutlu yapısını hem de her kamera pozunu eş zamanlı olarak kurtarır. Bu makale, özellik eşleştirme, geometrik doğrulama, Artımlı ve Küresel SfM'nin iki yeniden yapılandırma stratejisi, üçgenleme, Paket Ayarlaması ile ilişkisi ve Görsel-SLAM'den farkı, COLMAP gibi mevcut uygulamalarla birlikte sistematik olarak ele almaktadır.

Fundamentals · 9 min okuma Makine öğrenmesi September 4, 2026

Makine Öğrenimine Giriş: Duruş Tahmini

Poz tahmini, insan veya nesnenin kilit noktalarını ve 6 boyutlu pozunu görüntülerden çıkarır. Bu giriş yazısı koordinatları, kayıpları, örtüşmeyi, değerlendirmeyi ve güvenliği kapsar.

Fundamentals · 4 min okuma Bilgisayarlı görü September 3, 2026

Epipolar Geometri — İki Görüntüden Derinlik ve Kamera Hareketini Okuma

Epipolar geometri, aynı 3 boyutlu noktanın iki görüntüye nasıl yansıdığını sınırlayan teoridir. Bu makale, Temel Matris ve Esas Matris, 8 noktalı ve 5 noktalı algoritmalar, RANSAC, üçgenleme, epipolar geometri ve homografi arasındaki seçim, kalibrasyon, OpenCV/COLMAP uygulaması, hata koşulları ve son zamanlarda geliştirilen öğrenmeye dayalı tahmin yöntemlerini denklemler ve diyagramlarla sistematik olarak açıklamaktadır.

Fundamentals · 15 min okuma Bilgisayarlı görü September 3, 2026

Özellik Algılama Temel Bilgileri

Özellik tespiti, bir görüntüde "tekrar bulabileceğiniz yerleri" seçer ve bunları eşleştirme için kullanır. Bu makale, köşeler, lekeler, DoG, FAST, ORB ve SIFT prensiplerini sağlamlık, değerlendirme, mevcut araçlar ve öğrenmeye dayalı yöntemlerle birleştirerek tutarlı bir tablo ortaya koymaktadır.

Fundamentals · 12 min okuma