Autonomous drones only fly as well as they can figure out where they are. Drop one into a forest, a dense city, or a disaster zone, and that gets a lot harder — the signals they normally lean on...

Our guest this week is Alireza Taheritajar, a Ph.D. Student an Augusta University focusing on In-Situ Intelligent Mixed Reality Assistants for Adaptive Human-AI Collaboration. Mixed-reality...

云优化的OpenCV（COOL）提供高性能的计算机视觉操作，适用于AWS Graviton和ARM环境，提升AI和图像处理效率。7月2日将举行直播，介绍COOL的性能优势，并有OpenCV竞赛的特别公告及赠送课程的活动。

OpenCV 5.0于2026年6月6日发布，新增深度神经网络引擎重写、80% ONNX覆盖率和内置大型语言模型支持等功能，并针对多种硬件进行了优化，计划实现原生GPU支持。

OpenCV 5发布，标志着计算机视觉领域的重要进步。新版本引入全新的DNN引擎，支持超过80%的ONNX操作，改进了硬件加速和文档，增强了Python集成，优化了核心性能，支持动态形状和多种数据类型，适用于现代深度学习应用。

OpenCV与AMD宣布合作，旨在加速AMD硬件上的计算机视觉和视觉AI工作负载。AMD成为OpenCV 5的启动合作伙伴和金牌赞助商，双方将共同开发新架构，优化AI推理管道，提升图像处理性能，推动计算机视觉应用的开发与部署，适用于机器人、工业自动化和医疗成像等领域。

本文介绍了基于C#的开源图像处理与机器视觉框架MBVersion。该框架集成了Halcon和OpenCV算法，支持插件管理、事件系统和多语言界面，适用于工业检测和医疗影像分析，提高了开发效率，便于扩展和维护。

本文介绍了一种短剧视频字幕位置自动识别方案，结合OpenCV和Amazon Nova 2 Lite模型，在30个测试视频中实现了83%的准确率。该方案通过智能抽帧和裁剪技术，优化了字幕检测，显著减少了人工标注工作量，成本低廉，适合大规模应用。

OpenCvExplorer 是一款基于 WPF 的桌面应用，旨在为 OpenCVSharp 提供可视化测试环境。它支持图像处理、实时视频流采集和经典计算机视觉功能，界面简洁美观，操作便捷，适合学习和调试。项目采用现代 .NET 技术，功能包括日志控制台和动态参数调整，适合开发者和初学者使用。

该项目是一个基于WPF和OpenCvSharp的桌面实验平台，旨在帮助初学者理解OpenCV图像处理。用户可以通过拖拽或点击按钮导入图片，实时查看高斯模糊、边缘检测等效果，结构清晰，适合学习和调试，提供友好的用户体验。

Tangram Vision与OpenCV合作推出MetriCal工具，旨在解决多传感器校准问题。该工具能够快速融合相机、LiDar和IMU等数据，提供准确的校准结果。为庆祝合作，Tangram Vision为新用户提供特别优惠，购买15个积分可获30个积分，部分收入将支持OpenCV的使命。

OpenCV创始人Gary Bradski将于2026年5月4日在洛杉矶的OSCCA会议上发言，讨论计算机视觉和人工智能的未来。此次会议汇聚了众多顶尖演讲者，参与者可免费进入展览会，体验最新的AI技术。

OpenCV将于2026年5月4日在洛杉矶举办计算机视觉与人工智能会议，届时将有来自迪士尼、宝洁等公司的演讲者。会议包括OpenCV首席执行官Dr. Satya Mallick的3小时研讨会，展会将于5月5日至8日举行，展示86英寸全息3D显示器。

本文介绍了quink_oc_plugin插件架构，旨在简化视频处理，将FFmpeg与OpenCV结合。该插件支持零拷贝和GPU加速，适用于复杂的多媒体处理场景，降低了FFmpeg的开发门槛。

该项目是基于.NET平台的数字图像处理工具，使用C#实现经典算法，功能包括几何变换、灰度调整和噪声模拟。通过像素级操作，用户可深入理解图像处理原理，界面友好，支持多步历史记录，适合学习与开发。

OpenCV 4.13 于新年夜发布，增强了计算机视觉功能，优化了 Windows on ARM 性能，支持 AVX-512 指令集，新增图像处理模块，改进了 JavaScript、Python 和 Java 绑定，并支持 NVIDIA CUDA 13.0。

本文介绍了一款基于C#开发的图像处理与相机标定辅助系统，旨在实现高精度测量与识别。该系统支持自动和手动提取特征点，提供实时反馈，适合复杂环境下的标定。功能包括角点提取、直线拟合和动态配置标定板尺寸，界面简洁，操作直观，适合中小型项目及机器视觉学习。

该项目基于C#开发，利用海康摄像头实现灯具的自动巡检，支持手动和自动模式，具备实时图像处理和异常报警功能。通过TCP/IP协议与轨道机通信，并结合OpenCV进行灯色识别，以提高巡检的效率和准确性。