2049年以后的万年历、黄历代码，含宜忌、日辰、时辰、时刻、吉凶、节日、农历、节气、方位、星座。
只有一个单文件，纯JS代码实现

该程序对4个点目标进行仿真成像，距离向采用解线频调方法进行压缩，方位向采用传统的脉冲压缩，最后获得了4个点目标的像。

1）通过方位传感器实现水平仪的模拟2）左右摆动水平仪，能够实现水平仪上小球的左右移动，并显示当前坐标

本软件主要用于各种形式的坐标转换。
另外附带了一些常用的小工具。
·基于椭球的坐标转换：基于椭球的坐标转换，椭球参数要参与运算，因此必须知道椭球参数。
1.高斯投影正算2.高斯投影反算3.坐标换带4.不同椭球间的坐标转换（7参数法）5.抵偿高程面的建立及坐标转换·基于平面的坐标转换（4参数法）：基于平面的坐标转换，不需要知道椭球参数，适合任何形式的平面直角坐标系。
1.二公共点简易变换依靠二个公共点（一个作为基准点，另一个作为方向附合点），将自由坐标系中的坐标转换为统一坐标系中的坐标。
2.多公共点相似变换·导线及高程计算：适用于以下导线形式的平差计算：1.边角测量附(闭)合导线的平差。
2.边角测量单边附合导线的平差。
3.边角测量无定向导线的平差。
4.边角测量支导线的的计算。
5.坐标测量附(闭)合导线平差。
指使用全站仪直接观测坐标的附(闭)合导线。
其计算原理是先反算方位角与边长，然后仍按照边角测量附(闭)合导线的平差原理进行。
保证了坐标与方向附合（有些平差软件仅考虑了坐标附合，实际上是将附合导线当成单边附合导线来计算了，可靠性肯定要差些）。
在外业观测时，一定要在终点继续设站观测前视控制点的坐标，这样根据终边两个点的观测坐标和已知坐标就可以计算方位闭合差。
6.坐标测量单边附合导线平差。
7.坐标测量无定向导线平差。
坐标导线测量中，往往同时观测了高程，因此在计算平面坐标的同时，进行了高程的平差计算。
8.附合高程路线计算适用于水准及三角高程路线的平差计算。

基于距离和方向的扩展卡尔曼状态估计maltba仿真。
3维场景下，测量得到目标的距离和方位，通过扩展卡尔曼估计目标的位置和速度信息。
适用于目标匀速运动的情况。

SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。
对于光线、噪声、微视角改变的容忍度也相当高。
基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。
使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。
在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。
SIFT特征的信息量大，适合在海量数据库中快速准确匹配。

2020年的大学生智能车竞赛的细则，这次比赛第一次引入AI，同时信标组也改变了形式，提出了对声音的处理，从而获得方位判断，实现判灯的操作。

将一定范围的经纬网进行等角斜方位投影的转化并可视化，生成特殊点的变形率

用C++编写的单片空间后方交会程序，通过已知航摄仪的内方位元素：fk=153.24mm，x0=y0=0.0mm，摄影比例尺为1:50000；
4个地面控制点的地面坐标及其对应像点的像片坐标来输出像片的外方位元素。

第1章绪论1.1合成孔径雷达概况1.2发展历程1.2.1国外SAR发展历程1.2.2我国SAR发展历程1.3发展趋势1.4主要应用1.4.1军事领域1.4.2民用领域1.5内容安排第2章合成孔径雷达2.1概述2.2SAR成像基本原理2.2.1距离向分辨率与脉冲压缩技术2.2.2方位向分辨率与合成孔径原理2.2.3点目标信号回波模型2.2.4SAR成像处理与算法2.3SAR成像的几何特性2.3.1斜距图像的比例失真2.3.2透视收缩与顶底位移2.3.3雷达阴影2.3.4雷达视差与立体观察第3章雷达目标电磁散射计算3.1概述3.1.1电磁散射基本计算方法3.1.2严格的经典解法3.1.3近似求解方法3.2等效电磁流计算3.2.1等效电磁流奇异性的消除3.2.2等效电磁流的分析与计算3.3多次散射的计算3.3.1几何/物理光学混合算法3.3.2存在多重散射的条件和遮挡关系的判断3.3.3几何光学/等效电磁流混合算法3.3.4GO/PO混合方法的应用3.4腔体结构电磁散射RCS计算3.4.1复射线近轴近似电磁散射算法3.4.2计算实例3.5复杂目标电磁散射的计算3.5.1复杂目标几何建模3.5.2复杂目标电磁散射混合计算第4章合成孔径雷达图像特征分析4.1概述4.2SAR图像辐射特征4.2.1SAR图像回波强度的概率分布4.2.2辐射分辨率4.3SAR图像噪声特征4.4SAR图像目标几何特征4.4.1点目标4.4.2线目标4.4.3面目标4.5SAR图像灰度统计特征4.5.1幅度特征4.5.2直方图特征4.5.3统计特征4.6SAR图像纹理特征4.6.1方向差分特征4.6.2灰度共现特征4.6.3小波纹理能量特征第5章合成孔径雷达图像分割5.1概述5.2阈值分割法5.2.1基于遗传算法的二维最大熵阈值分割法5.2.2二维模糊熵阈值分割法5.2.3双阈值分割算法5.3基于马尔可夫随机场模型的分割法5.3.1吉布斯MEF分割模型5.3.2吉布斯MRF分割算法5.3.3多尺度MRF图像分割5.4基于多尺度几何分析的分割法5.4.1基于Contourlet变换的SAR图像分割5.4.2基于Wedgelet变换的SAR图像分割5.5分割评价方法5.5.1分割质量评价5.5.2适用情况分析第6章合成孔径雷达图像目标分类6.1概述6.1.1分类流程6.1.2评价标准6.2概率密度函数估计6.2.1单-密度函数6.2.2混合密度函数6.2.3有限混合密度函数的逼近能力6.3参数估计6.3.1极大似然估计6.3.2EM算法6.4最小距离分类法6.5最大后验概率分类法6.6支持向量机分类法6.6.1支持向量机原理6.6.2支持向量机分类法6.7隐马尔可夫优化分类法6.7.1HMM原理6.7.2HMOC模型第7章合成孔径雷达图像目标识别7.1概述7.1.1识别方法7.1.2自动目标识别系统7.2基于电磁特性的目标识别7.3典型目标识别7.3.1道路识别7.3.2机场识别7.3.3MSTAR坦克识别第8章合成孔径雷达图像融合8.1概述8.1.1图像融合概念8.1.2融合效果评价8.2SAR图像与可见光图像融合8.2.1提升小波变换8.2.2基于提升小波变换区域统计特性的融合算法8.3SAR图像与多光谱图像融合8.3.1主成分分析方法8.3.2基于主成分分析的SAR与多光谱图像融合8.4多波段SAR图像融合8.4.1基于atrous算法方向滤波器组的多波段SAR图像灰度融合8.4.2多波段SAR图像伪彩色融合第9章合成孔径雷达图像压缩9.1概述9.1.1第一代和第二代压缩技术9.1.2多尺度方向分析技术9.2SAR图像压缩中的典型特征9.2.1纹理特征9.2.2变换域系数统计特征9.3SAR图像Non-SWMDA压缩方法9.3.1不可分离小波的提升实现9.3.2基于块分割的二叉树编码方案设计9.4SAR图像压缩效果评价9.4.1保真度准则9.4.2特征衡量标准

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。