经典的光线追踪算法完成的源代码，渲染效果很不错-Classicraytracingalgorithmrealizethesourcecode,renderingtheeffectisprettygood

一、1.Pleasedownloadandinstalltheglutlibrary.2.WriteacompleteprogramusingthefollowingcodestodrawaSierpinskigasket.voidmyinit(){//attributesglClearColor(1.0,1.0,1.0,1.0);glColor3f(1.0,0.0,0.0);//setupviewingglMatrixMode(GL_PROJECTION);glLoadIdentity();gluOrtho2D(0.0,50.0,0.0,50.0);glMatrixMode(GL_MODELVIEW);}voiddisplay(){GLfloatvertices[3][3]={{0.0,0.0,0.0},{25.0,50.0,0.0},{50.0,0.0,0.0}};//anarbitrarytriangleintheplanez=0;GLfloatp[3]={7.5,5.0,0.0};//orsetanydesiredinitialpointwhichisinsidethetriangle;intj,k;intrand();glBegin(GL_POINTS);for(k=0;k＜5000;k++){/*pickarandomvertexfrom0,1,2*/j=rand()%3;//computenewlocation;p[0]=(p[0]+vertices[j][0])/2;p[1]=(p[1]+vertices[j][1])/2;//displaynewpointglVertex3fv(p);}glEnd();glFlush();}#includevoidmain(intargc,char**argv){glutInit(&argc;,argv);glutInitDisplayMode(GLUT_SINGLE|GLUT_RGB);glutInitAWindowSize(500,500);glutInitWindowPosition(0,0);glutCreateWindow(“SimpleOpenGLExample”);glutDisplayFunc(display);myinit();glutMainLoop();}3.实现DDA和Bresenham画线算法(1)画10万以上随机生成的直线段，比较两个算法的平均时间.(2)分别把屏幕上的1*1，5*5,9*9像素当作直线段上的一个点，观察线段的走样情况.二、请写一个OpenGL（如果熟悉WebGL也可以用）程序完成如下任务(1)读入三维网格模型的obj文件;(2)用OpenGL函数glTranslatef()对模型模型进行平移，使得其重心位于原点;(3)用函数glLookAt()设置视点，并且要求试点绕模型一周，以便用透视投影观察各个侧面;(4)要求利用真实感绘制对模型进行渲染.(利用OpenGL函数设置光源，材质，计算好每个三角形的法向量后，利用OpenGL的glNormal函数给待绘制的三角形设置法向量).绘制的结果大概如下：三、本实验为综合实验,任务是利用光线跟踪算法进行Whitted全局光照计算，并对读入场景进行真实感绘制。
（特别提示:网上类似的projects可以参考，但不能照抄.如http://tobias.isenberg.cc/graphics/LabSessions/RaytracingProject,http://physbam.stanford.edu/links/ray_tracing/project_ray_tracing.htmlhttps://www.cs.utexas.edu/~fussell/courses/cs354/assignments/raytracing/handout.shtml）(1)参加对象:本实验针对所有选课同学，3-5人组成一个小组，共同实现；
非15级同学在组队方面有困难的话可与老师沟通.(2)实验结果提交:每人都要求提交一份.内容包括a.源程序;可执行代码;三维场景数据;同组的同学这部

课程作业写的光线追踪算法包含阐明文档C++代码编写场景文件包含球体三角形平面光源材料质镜面漫反射

在中国安防产业中视频监控作为最重要的信息获取手段之一，能对目标有效的提取是重要而基础的问题，因此本文在此背景下，围绕对监控视频的前景目标有效的提取问题，研究了关于1）静态背景、动态背景的前景目标提取，能在背景复杂化的条件下，将运动的目标；
2）带抖动视频；
3）静态背景下多摄像头对多目标提取；
4）出现异常事件视频的判断等问题。
给出了在不同情况下的前景目标提取方案。
问题一是针对静态背景且摄像头稳定的情况下，如何对前景目标提取的问题。
在题目要求的基础上，通过对附件2中几组视频的分析，我们发现所有前景目标的运动短暂且光线明暗变化不明显。
由于传统的Vibe算法能抑制鬼影但是运行效果不理想，因此采用建立在帧差法上改进的Vibe算法模型求解问题。
并和传统的Vibe算法做对比，结果显示改进的Vibe算法明显优于传统的算法。
而且对我们的算法模型做了效果评价。
详细数据参考正文与附录。
问题二是在背景为动态（如有水波的产生）的情况下，对前景目标的提取问题。
在此问题中，由于动态背景存在使得提取出的图像帧具有大量的干扰噪声，对前景目标的识别和提取造成干扰，因此我们提出一种基于全局外观一致型的运动目标检测法。
在用Vibe算法对场景预检测的基础上，建立混合高斯模型分别对前景和背景进行全局外观建模，将运动目标检测出来，再引入超像素去噪，进一步优化结果。
详细结果参考正文与附录。
问题三是在问题一、二基础上的进一步深化。
问题一及问题二是建立在摄像机自身稳定的基础上，而问题三则是在摄像机抖动的情况下。
由于摄像机抖动一般具有旋转和平移，因此我们建立了坐标变换模型，以仿射变换作为模型基础，结合改进的高精度鲁棒的RANSAC算法提取前景目标，并对比灰度投影法，比较两种模型效果。
具体效果见正文与附录。
问题四是对前三个问题的综合应用。
运用基于混合高斯模型背景建模Vibe算法，对前景目标进行提取；
选出具有显著前景目标的参考帧，计算参考帧中显著前景目标所占的面积，并将此面积设定为阈值T，遍历所有的视频帧，计算其前景目标所占的面积，通过相减对比，判定显著前景目标。
若判定为显著前景目标则输出其所在视频帧中的帧号，并将显著前景出现的总帧数增加1。
问题五是针对多摄像头多目标的协同跟踪问题。
在问题二的混合高斯模型基础上我们建立了动态背景提取法，对不断变化的背景进行实时更新。
再利用单应性约束法对多目标发生重叠现象进行投影将重叠目标区分开来，对目标进行定位。
由于目标的不断运动，我们采用粒子滤波法对前景目标进行实时跟踪，通过多摄像头的协同通信完成对多前景目标的检测。
问题六是针对监控视频中前景目标出现异常情况时判断能否有异常事件的问题。
在基于稀疏表示的模型上，引入混合高斯模型用于学习不同类型的运动特征规律，然后通过各个单高斯模型中的均值建立一个相似矩阵作为字典。
以测试阶段生成的核矢量为基础，用该局部特征的核矢量计算基于稀疏表示的重构误差，并将其与已设定的阈值进行比较，如果重构误差大于阈值，则判为异常。

使用光线光线算法实现的光线跟踪效果图有暗影和反射效果，采用Phong光照模型

设计并研究了一种采用激光打标机在塑料光纤(POF)表面雕刻散射点的侧面均匀发光光纤，可用作自由立体显示器的定向背光光源。
通过建立激光打标凹形散射点的POF均匀发光模型，推导了POF均匀发光的散射点坐标计算公式。
针对设计的凹形散射点参数，用SolidWorks软件构建侧面发光光纤模型，用TracePro软件进行光线追迹仿真。
结果表明，散射点长度半圆心角(用于表征凹形散射点的深度和横向长度)的微小变化对发光亮度均匀度影响较大，而凹形散射点轴向宽度的微小变化对POF侧面发光均匀度影响很小。
对各参数进行设计优化后，得到POF半径R=0.25mm，凹形散射点宽度d=0.15mm，散射点长度半圆心角θ=15°，POF长度L=600mm，TracePro软件仿真得到POF侧面发光亮度均匀度为87.5%。
根据设计优化后的参数采用激光打标机进行激光雕刻POF表面散射点，得到单根POF的侧面发光亮度均匀度为80.90%。
将100根侧面发光POF紧密排布成面光源，得到面光源发光亮度均匀度为88.91%。
实验结果表明所提出的设计方法和制造的POF面光源能满足自由立体显示器指向性背光源设计的要求。

神光Ⅲ原型装置终端靶场采用大口径取样光栅对透射的351nm激光取样进行脉冲波形测试,由于取样光聚焦点光线不是等光程的,该取样方式将导致时间波形的畸变。
建立了光栅全口径取样后聚焦的三倍频激光脉冲波形叠加模型,模型考虑了激光光束近场强度分布和近场各点到聚焦点的光程变化两个主要影响因素,研究了取样脉冲波形的叠加特性,给出了该测量技术的适用范围和测量精度。
结果表明,对于取样光束口径为290mm×290mm,取样焦距为1380mm,取样角为11.5°的基于光栅取样的脉冲波形测量系统,只需被测激光脉宽大于1ns,取样后脉冲波形原始波形一致,没有展宽。
实验标定结果表明,神光Ⅲ原

一个房地产项目，使用Unity3D编辑能够调理室内外的光线

1．题目背景及意义1.1题目研究背景、目的及意义近年来，智能小车作为现代的新发明，是世界车辆工程领域研究的热点和汽车工业增长的新动力。
它可以按照预先设定的模式在一个环境里自动的运作，不需要人为的管理，可以应用在科学勘探、无人驾驶机动车、无人工厂、仓库、服务机器人等等。
智能小车能够实时显示时间、速度、里程，具有自动寻迹、寻光、避障功能，可远程控制行驶速度、准确定位停车，远程传输图像等功能。
在本次自动寻迹小车测控系统的设计中，基于单片机控制技术，通过传感器给出信号驱动两个直流电机正反运动，以实现小车在白色地面上寻着黑色线路正确行使。
小车的寻迹和避障功能在生产生活中都有着广泛的用途。
例如：可以用在大的生产车间的物流系统中，按照预先设定的路线来传输货物自动躲避障碍从而使工作更加安全和效率更高。
1.2题目国内外研究现状及趋势目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。
智能化、IT化和新能源是未来智能汽车发展的趋势。
2017年12月2日，深圳的无人驾驶公交车正式上路，从深圳福田穿梭驶出。
支撑这次无人驾驶的“阿尔法巴-智能驾驶公交系统”，是由中国企业自主研发的无人驾驶系统，目前，已实现自动驾驶下的行人、车辆检测、减速避让、紧急停车、障碍物绕行、变道、自动按站停靠等功能。
本次自动寻迹电动小车系统设计，是智能寻迹小车中最普通常见的功能。
在全国乃至国际大学生智能小车比赛中，往往增加了设计难度。
如不通过光电对管，红外线等视觉传感器或激光扫描检测线路，而是通过电磁模块检测中间黑线下埋设的漆包线以供赛车检测赛道；
对现场光线的正确探测以达到黑夜行驶；
非匀速行驶记忆算法的创新；
图像采集和处理的重要性等。
我们可以使它实现WIFI控制，蓝牙传输，自动报警，红外遥控等多种功能，实现了更加智能的电动小车设计。
功能的逐渐强大，更是为了能应用于快速发展的智能汽车行业。
如今的汽车行业在人工智能领域的发展可谓势如破竹，智能汽车遍地开花。
1,3设计思想及技术路线通过红外线对黑色路线进行寻迹，将收到的信号传送给单片机，使其控制小车无偏差行驶。
当小车沿着路面的黑色轨道行驶遇到障碍物时，传感器检测到信号就可确认前方有障碍物，并将信号传送给单片机，单片机进行一系列分析后由内部程序控制小车后退、转向，从而实现避障功能。
为实现此功能，需要设置寻迹模块和避障模块发送信号给单片机STC89C52以此驱动电机进行准确的行驶。
技术路线如图1.3所示：检测信号单片机驱动电机图1.3技术路线2．主要设计内容2.1主要设计内容该小车有五大组成部分：避障模块，寻迹模快，驱动模块，单片机控制模块，电源模块。
避障模块：采用超声波控制，能准确探测周围障碍物。
寻迹模快：采用红外线精确探测，减小路线误差，以实现匀速稳定运行。
单片机：对其进行编程控制电机相应运动。
电源模块：使用5节1.5V干电池实现对单片机、驱动和电机供电。
电机驱动模块：使用直流电机即可，一个驱动板能同时驱动2个直流电机。
通过设计电路图，硬件连接，软件编程和最终调试，完成此次设计。
2.2总体设计方案图2.2单片机电机驱动避障模块寻迹模块电源模块总体设计方案该系统采用模块化控制方案，本课题主要开发一个能自动循迹，自动避障的智能小车控制系统。
本设计以两个直流电动机为主要驱动，通过寻迹模块和避障模块采集周围信息，送入主控单元STC89C52单片机，通过编程有序合理的将各模块信号整合在一起后控制电机完成相应动作，实现了智能控制。
2.3设计的预期目标1.按下启动键，小车能自动按照白色地面的黑色线路匀速行驶，完成一圈的寻迹，其中包括前进，左转，右转，刹车停止，且不出现路线偏移。
当遇到障碍物时，小车立即后退并通过转向躲避障碍物。
2.行走路线中心点始终与黑色线路的中心位置重合。
3.超声波避障距离小于0.5m.3．工作计划及进度安排第1周收集毕业设计相关资料，准备毕业翻译和开题报告第2周确定毕业设计总体方案，确保合理性第3周撰写开题报告，确认后提交第4周学习和掌握电动小车的结构和工作原理第5周根据控制要求初步确定所使用的元器件第6周复习单片机的相关知识，完成所需硬件相关的电路设计第7周确定电路原理图并仿真第8周硬件组装第9周编写程序第10周运用电脑软件初步对程序进行调试第11周配合智能小车硬件部分，并完善功能，达到设计要求第12周对智能小车功能进行测试并记录第13周撰写毕业设计论文第14周经指导老师审核确认后，完成毕业论文第15周提前准备毕业设计答辩第16周完成毕业设计答辩4．可行性分析4.1技术可行性单片机

matlab开发-Sauvola局部图像阈值。
Sauvola二值化方法非常合适于光线不足或文档有污点的情况。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。