相关疑难解决方法(0)

目前,如果我想比较狗的每只爪子下的压力,我只比较每个脚趾下面的压力.但我想尝试比较整个爪子下面的压力.

但要做到这一点,我必须旋转它们,所以脚趾重叠(更好).因为大多数时候左右爪子都在外面略微旋转,所以如果你不能简单地将一个爪子放在另一个上面.因此,我想旋转爪子,所以它们都以相同的方式对齐.

目前,我通过使用脚趾检测查找两个中间脚趾和后脚趾来计算旋转角度,然后计算黄线(脚趾绿色和红色之间的轴)和绿色线(中性轴)之间的角度. .

现在我想旋转阵列将围绕后脚趾旋转,使黄色和绿色线对齐.但是我该怎么做？

请注意,虽然这个图像只是2D(只有每个传感器的最大值),但我想在3D阵列上计算(平均10x10x50).我的角度计算的另一个缺点是它对脚趾检测非常敏感,所以如果有人在数学上有更正确的计算方法,那我就是耳朵.

我看过一项关于人体压力测量的研究,他们使用局部几何惯性轴方法,至少非常可靠.但这仍然无法解释如何旋转阵列!

如果有人觉得需要进行实验,这里有一个包含所有切片阵列的文件,其中包含每个爪子的压力数据.为了澄清:walk_sliced_data是一个包含['ser_3','ser_2','sel_1','sel_2','ser_1','sel_3']的字典,它们是测量的名称.每个测量包含另一个字典,[0,1,2,3,4,5,6,7,8,9,10](例如来自'sel_1'),表示提取的影响.

我正在尝试将2D高斯拟合到图像中.噪音非常低,所以我的尝试是旋转图像,使两个主轴不共同变化,找出最大值并计算两个维度的标准偏差.选择的武器是python.

然而,我一直在寻找图像的特征向量 - numpy.linalg.py假定离散数据点.我想过将这个图像作为一个概率分布,对几千个点进行采样,然后根据该分布计算特征向量,但我确信必须有一种找到特征向量的方法(即,半主和半 - 直接来自该图像的高斯椭圆的短轴.有任何想法吗？

非常感谢 :)