这是YGZ立体惯性SLAM，一种立体惯性VO代码。
它专为立体声和立体声惯性传感器模块而设计，如vi-sensor。
它使用LK光流作为前端，并使用滑动窗口束调整作为后端。
随意在数据集和您自己的传感器中尝试它。
高博写的基于LK光流前端的源码，自行添加了ROS节点
它专为立体声和立体声惯性传感器模块而设计，如vi-sensor。
它使用LK光流作为前端，并使用滑动窗口束调整作为后端。
随意在数据集和您自己的传感器中尝试它。
高博写的基于LK光流前端的源码，自行添加了ROS节点
2024/4/22 13:57:15
14.67MB
1
文本编辑器打开md文件，内部有Office+Caltech、Office-31、Office-Home、Caltech101、SUN09、COIL20、PIE等多个数据集的百度云下载地址
2024/4/21 18:11:39
11KB
1
对此数据的分析过程以文档形式展现，且附有答辩PPT代码实现了移动设备数据集的三个数据分析任务：预测年龄和性别、分析最受欢迎的APP以及分析最受欢迎的手机品牌。
实现过程主要使用了sklearn、pandas、numpy、pyplot等库由于数据量太大，没有展示数据
实现过程主要使用了sklearn、pandas、numpy、pyplot等库由于数据量太大，没有展示数据
4.53MB
1
绘制模拟时钟：绘制以圆形时钟，含边缘、指针、刻度标识、刻度值，基于系统时间显示，并能模拟时钟动态过程。
以给定数据集（人行道监控数据）为依据，绘制某个人行道的相关图形：A、某月某天24小时中各小时监控数据的平均人数，分别绘制成柱状图与折线图：横轴为hour，纵轴为该hour的平均人数；
（5个路口数据的曲线显示）B、某月每天在该人行道通过的总人数，分别绘制成柱状图与折线图：横轴为MDate，纵轴为该MDate的汇总人数；
（5个路口数据的曲线显示）
以给定数据集（人行道监控数据）为依据，绘制某个人行道的相关图形：A、某月某天24小时中各小时监控数据的平均人数，分别绘制成柱状图与折线图：横轴为hour，纵轴为该hour的平均人数；
（5个路口数据的曲线显示）B、某月每天在该人行道通过的总人数，分别绘制成柱状图与折线图：横轴为MDate，纵轴为该MDate的汇总人数；
（5个路口数据的曲线显示）
2024/4/17 17:27:26
2.66MB
1
在访问数据库后，在本地得到包含了数据的集合，然后获取数据总量；
之后tableWidget的滑动条的滑动长度可以定义成tableWidget的每行row的宽度*数据总量；
再运动滑动条以定位到应显示的部分的第一个的行在tableWidget中的索引；
以此索引可以定位到内存中的数据集对应的当前应被提取的第一个数据的索引；
由于tableWidget的height是知道的，那么该显示的个数应也是可知的，即数据集该提取的长度也是可知的；
只取这部分数据显示到tableWidget中。
之后tableWidget的滑动条的滑动长度可以定义成tableWidget的每行row的宽度*数据总量；
再运动滑动条以定位到应显示的部分的第一个的行在tableWidget中的索引；
以此索引可以定位到内存中的数据集对应的当前应被提取的第一个数据的索引；
由于tableWidget的height是知道的，那么该显示的个数应也是可知的，即数据集该提取的长度也是可知的；
只取这部分数据显示到tableWidget中。
2024/4/16 12:41:58
11KB
1
使用fasterrcnn实现口罩检测，fasterrcnn基于keras搭建，训练需要口罩数据集，数据集必须是VOC格式，预测需要权重文件，权重文件已经存在
2024/4/15 9:46:39
112MB
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