AndroidUSB摄像头源码，使用androidstudio编译，亲测可用，外接摄像头直接出现图像，可以拍照，录像，调理分辨率，亮度，对比度等。

总结-图像配准算法，图像配准定义，图像配准分类，基于图像灰度的配准方法，基于特征点的配准方法，基于小波变换的遥感图像自动配准算法，高分辨率SAR影像同名点自动婚配技术......

1、在左边列表双击，可以在球上显示击球点。
2、点【随机产生】可以随便产生一个角度，然后点击按钮判断即可。
虽然很简单的软件，也是本人花几个小时写的，主要还是给自己用，不过相到对台球爱好者还是有一定作用的，所以放网上来，呵呵。
本人曾经一度迷恋台球，不断想寻找一种快速精准的瞄准方法，网上很多都是介绍【假想球法】，国外很多斯诺克天才也都是说的这种方法，不过本人经过很多尝试还是没办法在短期内想出一个并不存的球来，就算真的想出来了，我觉得我也得花几年甚至十几年，时间花不起啊。
网上还有另一种方法，就是【看角度】，经本人多次验证，此方法十分有效，当然有了方法也要在苦练的基础上才可能有效。
当然人眼对角度可能不是很敏感，所以软件里有专门让你判断角度的练习，我以5度为角度分隔，当你可以在软件中把眼睛对角度的分辨率练习到5度以内，相信在业余玩家中也算牛逼的了，嘿嘿。
如果有建议请联系：zhoufei711@qq.com

：随着遥感图像分辨率的日益提高，遥感图像的尺寸和数据量也不断地增大，同时随着遥感应用的发展，对图像配准的功能也提出越来越高的要求，基于此，提出一种特征级高分辨率遥感图像快速自动配准方法。
首先，对图像进行Haar小波变换，基于小波变换后的近似图像进行配准以提高配准速度；
其次，根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子，SAR图像使用Ratio Of Averages算子)，并将线特征转化为点特征；
然后，依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对；
最后，利用改进的随机抽样一致性算法滤除错误匹配点对，并结合分块思想均匀选取匹配点

摘要：超声波测距是一种典型的非接触测量方式,应用非常广泛。
本文提出了一种基于STM32单片机的高精度超声波测距方案。
与传统单片机相比,STM32的主频和定时器的频率可以通过PLL倍频高达72MHz,高分辨率的定时器为高精度的测量提供了保证。
超声波的发射使用定时器的PWM功能来驱动,回波信号的接收使用定时器的输入捕获功能,开始测距时,定时器的开启将同时启动PWM和输入捕获,完全消除了启动发射和启动计时之间的偏差,提高了测量精度。
为使回波信号趋于稳定,设计了时间增益补偿电路(TGC),在等待回波的过程中随着时间的推移需要将放大器的增益值不断增大,通过实验获取不同距离需要设置的增益值,对应不同时间需要设置数字电位器的增量,并将该参数固化在单片机的FALSH中,在测距过程中,根据时间查询电位器增量表改变电位器阻值,实现回波信号的时间补偿,提高了测量的精度。
为了在减小盲区的同时而不减小测量范围,设计了双比较器整形电路分别处理近、远距离的回波信号,近距离比较器可以有效屏蔽超声波衍射信号从而减小了测量盲区。
传统的峰值检测方法大多通过硬件电路实现,设计较复杂,稳定性差。
本文通过软件算法对回波信号进行峰值时间检测。
不只简化了电路,降低了成本,而且提高了系统的稳定度。
经研究表明,该系统测量精度达到了lmm,盲区低至3cm,量程可达500cm。
本系统在近距离测试时,系统的精度较理想,可作为停车时的倒车雷达使用,也可以用于液面检测(油箱液位),还可以用于自动门感应,机器人视觉识别等。
如果多使用几个测距仪,将这些集成一个大系统,那么整个大系统可用于定位避障。

对两幅遥感影像进行非加权交融，一副高分辨率但是是全色，一副低分辨率但是是多光谱

随着众多网站不断的在客户端的规划，不论是门户、社区、购物网站等都将手机客户端做为发展的一个方向，手机客户端仅局于一个小小的屏幕内，对于手机客户端的UI测试有着与网站不同的测试方式。
从客户端起动界面开始，到运行过程，直至退出，UI测试都有着自己的规范和要求。
手机客户端测试人员在产品过程中的工作：手机客户端UI测试常见的测试点：1．各种分辨率下，显示正常。
现市场上主流的塞班V3系统手机为240*320、320*240。
WM系统主要为240*320、320*480。
Android系统主要为320*480，Iphone系统为320*480。
在产品确定设计前在哪些系统中些屏幕下运行。
测试将对不同的屏幕下

。
DisplayPort1.4将支持8K分辨率的信号传输，兼容USBType-C接口。
从本次更新的技术参数可以看到，这次的eDP1.4a接口在显示适配器及显示器之间提供4条HBR3高速通道，单通道带宽达到了8.1Gbps，这些通道可独立运转，也可以成对使用，4通道理论带宽达到了32.4Gbps，足以支持10位色彩的4K120Hz输出，也可以支持8K60Hz输出。

与城市峡谷中的全球定位系统（GPS）定位类似，在卫星可见度有限的情况下进行快速成功的姿态确定非常重要。
对于陆地车辆，可以将可能的姿态候选者视为球形区域，以参考天线为中心，以基线为半径。
这提供了重要的约束条件，在卫星接收较差的情况下，可以利用该约束条件来提高GPS单频和单历元姿态确定的可靠性。
首先，我们将球形区域约束完全整合到模糊度分辨率的估计过程中，而不是在验证过程中。
结合坐标域搜索和歧义域搜索，可以开发固定歧义目标函数的全局最小化器。
该方案还提高了浮点模糊度解的精度，从而避免了搜索停止的问题。
通过一些实验测试，使用模拟和实际GPS数据在城市环境中分析了新的歧义解决方法的功能。
实验结果表明，该新提出的方法可以利用先验球形区域知识来提高困难环境中歧义解决的可靠性。

针对图像拼接过程中，缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题，提出了一种基于差异图像加权的改进最佳缝合线算法，采用基于多分辨率和加权平均的分区图像融合算法处理了拼接线问题。

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。