HOKUYO日本北洋URG-04LX激光雷达用户手册，文档内介绍了URG-04LX激光雷达的的规格参数和特性等，其中最主要的是对激光雷达的可探测半径和范围进行了说明，十分有参考价值
2025/1/7 2:16:09
105KB
1
星载多普勒测风激光雷达系统（ALADIN）机载演示器（A2D）分别在2007年11月、2008年12月、2009年9月进行了3次飞行任务。
利用获取的海表面反射信号进行海表面反射率特性的研究。
在海表面反射率模型中综合考虑白帽、海面光谱反射和海水体的散射贡献，对355nm海表面反射测量结果和模型进行了对比，测量结果体现了受海面风驱动的海表面反射率的变化特征，以及来自海水体的不可忽视的贡献，并利用较高入射天底角的测量数据对海水体散射贡献进行了估计。
利用获取的海表面反射信号进行海表面反射率特性的研究。
在海表面反射率模型中综合考虑白帽、海面光谱反射和海水体的散射贡献，对355nm海表面反射测量结果和模型进行了对比，测量结果体现了受海面风驱动的海表面反射率的变化特征，以及来自海水体的不可忽视的贡献，并利用较高入射天底角的测量数据对海水体散射贡献进行了估计。
2024/11/19 10:21:53
2.07MB
1
地球科学中的定量遥感反演：理论与数值处理1简介2地球科学中的典型反问题3正则化4优化5实际应用5.1核驱动BRDF模型反演5.2机载激光雷达遥感反演5.3粒子尺度分布函数反演6结论
2024/11/5 15:55:48
988KB
1
HypeLCNN概述该存储库包含论文“具有用于高光谱和激光雷达传感器数据的光谱和空间特征融合层的深度学习分类框架”的论文源代码（正在审查中）使用Tensorflow1.x开发（在1.10至1.15版上测试）。
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
2024/10/9 21:46:46
128KB
1
斯坦福大学的博士论文，详细阐述了如何对激光雷达进行标定，如何构建高精度地图，如何用高精度地图进行定位，斯坦福大学无人车的架构和传感器介绍。
深入浅出，是学习SLAM和无人驾驶的必读文章。
内容是纯英文的，介意勿下。
深入浅出，是学习SLAM和无人驾驶的必读文章。
内容是纯英文的，介意勿下。
2024/9/19 5:07:41
22.7MB
1
激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。
从工作原理上讲，与微波雷达没有根本的区别：向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对飞机、导弹等目标进行探测、跟踪和识别。
本程序为FMCW激光雷达matlab程序，包括调频非线性校正等。
从工作原理上讲，与微波雷达没有根本的区别：向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对飞机、导弹等目标进行探测、跟踪和识别。
本程序为FMCW激光雷达matlab程序，包括调频非线性校正等。
2024/9/9 16:35:46
15KB
1
激光雷达该存储库包含用于仿真VelodyneVLP-16LiDAR传感器的MATLAB代码，以及用于查找发射的激光与三角形和高尔夫球的交点的算法。
高尔夫球的交叉点是通过在重力，阻力，升力等情况下生成高尔夫球的轨迹来计算的。
对于在Drag.m，Lift.m，Both.m和Gravity.m中实现的逻辑（它们是用于生成高尔夫球轨迹的文件）的感谢，请访问UW化学工程系学生RamaAl-Enzy。
高尔夫球的交叉点是通过在重力，阻力，升力等情况下生成高尔夫球的轨迹来计算的。
对于在Drag.m，Lift.m，Both.m和Gravity.m中实现的逻辑（它们是用于生成高尔夫球轨迹的文件）的感谢，请访问UW化学工程系学生RamaAl-Enzy。
2024/8/31 2:20:41
14KB
1
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。
2024-04-09 15:03
15KB