在无标记增强现实中，基于视觉即时定位与地图构建，结合ORB特征提取算法和顺序抽样一致性，提出了一种改进的注册方法。
利用相似函数衡量匹配样本点对之间的差异性，从具有最高质量函数的数据子集中抽取样本，得到较优的匹配点对，完成了三维地图重建过程中的平面检测。
通过奇异值分解，实现了虚拟物体的方向和位置控制；
结合相机的位姿估计，完成了虚拟物体的注册。
实验结果表明，所提方法的平均注册效率提高了34.5%。
利用相似函数衡量匹配样本点对之间的差异性，从具有最高质量函数的数据子集中抽取样本，得到较优的匹配点对，完成了三维地图重建过程中的平面检测。
通过奇异值分解，实现了虚拟物体的方向和位置控制；
结合相机的位姿估计，完成了虚拟物体的注册。
实验结果表明，所提方法的平均注册效率提高了34.5%。
2016/5/13 10:31:57
2MB
1
机器人学,本质上研究的是世界中运动物体的问题。
机器人的时代已经来临:火星车正在太空探索,无人机正在地表巡航,很快,自动驾驶汽车亦将闯入视线。
尽管每种机器人的功能各异,然而在实际应用中,它们往往会面对一些共同的问题——状态估计(stateestimation)和控制(control)。
机器人的状态,是指一组完整描述它随时间运动的物理量,比如位置,角度和速度。
本书重点关注机器人的状态估计,控制的问题则不在讨论之列。
控制的确非常重要——我们希望机器人按照给定的要求工作,但首要的一步乃是确定它的状态。
人们往往低估了真实世界中状态估计问题的难度,而我们要指出,至少应该把状态估计与控制放在同等重要的地位。
机器人的时代已经来临:火星车正在太空探索,无人机正在地表巡航,很快,自动驾驶汽车亦将闯入视线。
尽管每种机器人的功能各异,然而在实际应用中,它们往往会面对一些共同的问题——状态估计(stateestimation)和控制(control)。
机器人的状态,是指一组完整描述它随时间运动的物理量,比如位置,角度和速度。
本书重点关注机器人的状态估计,控制的问题则不在讨论之列。
控制的确非常重要——我们希望机器人按照给定的要求工作,但首要的一步乃是确定它的状态。
人们往往低估了真实世界中状态估计问题的难度,而我们要指出,至少应该把状态估计与控制放在同等重要的地位。
2016/9/2 10:48:11
5.09MB
1
本书对OpenGL以及OpenGL实用函数库进行了全面而又权威的介绍，素有“OpenGL红宝书”之誉。
本书的上一个版本覆盖了OpenGL2.1版的所有内容。
本版涵盖了OpenGL3.0和3.1的最新特性。
本书以清晰的语言描述了OpenGL的功能以及许多基本的计算机图形技巧，例如，创建和渲染3D模型、从不同的透视角度观察物体、使用着色、光照和纹理贴图使场景愈加逼真等。
另外，本书还深入探讨了许多高级技巧，包括纹理贴图、抗锯齿、雾和大气效果、NURBS、图像处理等。
本书内容详实，讲解生动，图文并茂，是OpenGL程序员的绝佳编程指南。
本书的上一个版本覆盖了OpenGL2.1版的所有内容。
本版涵盖了OpenGL3.0和3.1的最新特性。
本书以清晰的语言描述了OpenGL的功能以及许多基本的计算机图形技巧，例如，创建和渲染3D模型、从不同的透视角度观察物体、使用着色、光照和纹理贴图使场景愈加逼真等。
另外，本书还深入探讨了许多高级技巧，包括纹理贴图、抗锯齿、雾和大气效果、NURBS、图像处理等。
本书内容详实，讲解生动，图文并茂，是OpenGL程序员的绝佳编程指南。
2021/7/23 8:20:50
24.13MB
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