ptguipro汉化版是一款非常好用的图片全景制作软件，它可以帮助把一些图片看起来比较碎片化的都拼接成一张完美的全景图，操作简单，只需要几步就可完成。
相必很多朋友都碰到过风景太美，就像用相机拍下来，但是呢，相机也会有所局限，不能把全景拍摄进来，如果拍摄到全景，照片就不够近距离，看起来就没那么吸引人了。
PTGuiPro10.0.17Win64X汉化版(正常可用)
相必很多朋友都碰到过风景太美，就像用相机拍下来，但是呢，相机也会有所局限，不能把全景拍摄进来，如果拍摄到全景，照片就不够近距离，看起来就没那么吸引人了。
PTGuiPro10.0.17Win64X汉化版(正常可用)
2023/6/15 8:24:09
26.37MB
1
本人设计了一种基于树莓派的无线遥控智能小车，以此用来模拟智能汽车的行驶和自动信息检测。
系统的硬件部分由树莓派、电源模块、电机驱动模块、红外避障模块、摄像头模块和超声波测距模块组成。
其中，树莓派使用的版本是树莓派3B+，由充电宝供电，并且用作控制中枢来控制智能小车的移动和转向；
电源模块使用的是充电的锂电池，负责供电给电机驱动模块；
电机驱动选用的是L298N驱动；
红外避障模块用于探测障碍物、避障和自动转向；
摄像头模块用于对小车的前方路况进行实时监控；
利用超声波测距模块进行障碍物探测和检测汽车后方的距离，连接好搭建的数据库后，更能清楚得显示实时距离。
软件部分包括编写控制网页、在网页端实现视频监控小车前方路况，超声波测量出的距离显示在数据库里，将网页嵌入微信端，这样分别在安卓手机端、网页端、微信端三个部分实现了无线遥控、避障、监控、测距等功能。
系统的硬件部分由树莓派、电源模块、电机驱动模块、红外避障模块、摄像头模块和超声波测距模块组成。
其中，树莓派使用的版本是树莓派3B+，由充电宝供电，并且用作控制中枢来控制智能小车的移动和转向；
电源模块使用的是充电的锂电池，负责供电给电机驱动模块；
电机驱动选用的是L298N驱动；
红外避障模块用于探测障碍物、避障和自动转向；
摄像头模块用于对小车的前方路况进行实时监控；
利用超声波测距模块进行障碍物探测和检测汽车后方的距离，连接好搭建的数据库后，更能清楚得显示实时距离。
软件部分包括编写控制网页、在网页端实现视频监控小车前方路况，超声波测量出的距离显示在数据库里，将网页嵌入微信端，这样分别在安卓手机端、网页端、微信端三个部分实现了无线遥控、避障、监控、测距等功能。
2023/6/11 20:41:04
2.29MB
1
%%求复杂网络中两节点的距离以及平均路径长度%%求解算法：首先利用Floyd算法求解出任意两节点的距离，再求距离的平均值得平均路径长度%A————————网络图的邻接矩阵%D————————返回值：网络图的距离矩阵%aver_D———————返回值：网络图的平均路径长度
2023/6/8 6:48:36
910B
1
1、城市间的距离网采用的邻接矩阵表示，邻接矩阵的存储结构定义采用课本中给出的定义，若两个城市之间不存在道路，则将相应边的权值设为自己定义的无穷大值。
要求在屏幕上显示得到的最小生成树中包括了哪些城市间的道路，并显示得到的最小生成树的代价。
2、表示城市间距离网的邻接矩阵（要求至少6个城市，10条边）3、最小生成树中包括的边及其权值，并显示得到的最小生成树的代价。
要求在屏幕上显示得到的最小生成树中包括了哪些城市间的道路，并显示得到的最小生成树的代价。
2、表示城市间距离网的邻接矩阵（要求至少6个城市，10条边）3、最小生成树中包括的边及其权值，并显示得到的最小生成树的代价。
2023/6/7 8:01:29
84KB
1
运用MATLABR2014a来完成灰度共生矩阵各特征参数的求解。
以纸作为纹理分析的对象。
首先需将彩色图像将各颜色分量转化为灰度。
所用图像的灰度级为256。
为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。
计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。
对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。
最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。
以纸作为纹理分析的对象。
首先需将彩色图像将各颜色分量转化为灰度。
所用图像的灰度级为256。
为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。
计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。
对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。
最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。
2023/6/2 16:52:46
713B
1
为进一步强化航道安全，解决海事CCTV人工值守、非自动化问题，提出了基于稀疏表示的船体检测方法。
利用稀疏表示实现对船体的检测时，首先构建样本特征矩阵，然后利用K-SVD算法对样本特征矩阵进行学习，得到冗余字典，最后对测试样本进行重构，根据马氏距离判断测试样本属性。
通过与传统方法的试验比较，实验结果表明，该算法实时性好、检测准确率高，可以很好地对CCTV视频监控的船体进行检测与跟踪，解决CCTV人工值守、非自动化问题，节省大量人力资源。
利用稀疏表示实现对船体的检测时，首先构建样本特征矩阵，然后利用K-SVD算法对样本特征矩阵进行学习，得到冗余字典，最后对测试样本进行重构，根据马氏距离判断测试样本属性。
通过与传统方法的试验比较，实验结果表明，该算法实时性好、检测准确率高，可以很好地对CCTV视频监控的船体进行检测与跟踪，解决CCTV人工值守、非自动化问题，节省大量人力资源。
2023/6/2 2:24:15
3.66MB
1
某公司有6个建筑工地要开工，每个工地的位置（用平面坐标系表示，距离单位：千米）及水泥日用量(吨)由下表给出。
目前有两个临时料场位于A(5,1)，B(2,7)，日储量各有20吨。
假设从料场到工地之间均有直线道路相连。
问题（1）：试制定每天的供应计划，即从A，B两料场分别向各工地运送多少吨水泥，使总的吨千米数最小；
问题（2）：为了进一步减少吨千米数，打算舍弃两个临时料场，改建两个新的，日储量各为20吨，问应建在何处，节省的吨千米数有多大？
目前有两个临时料场位于A(5,1)，B(2,7)，日储量各有20吨。
假设从料场到工地之间均有直线道路相连。
问题（1）：试制定每天的供应计划，即从A，B两料场分别向各工地运送多少吨水泥，使总的吨千米数最小；
问题（2）：为了进一步减少吨千米数，打算舍弃两个临时料场，改建两个新的，日储量各为20吨，问应建在何处，节省的吨千米数有多大？
2023/5/30 13:48:49
72KB
1
基于MATLAB的d2d功率控制仿真，简单的解决了资源分配的问题，现在假设有3个可用信道，一个蜂窝用户只允许一个d2d对用户复用资源（复用方式是复用距离最远的蜂窝用户信道，暂时没有考虑干扰问题），那么这3个信道最多可以容纳6个用户（3个蜂窝用户，3对d2d用户）同时进行正常通信，其中蜂窝用户以60%的概率生成，d2d用户以40%的概率生成，且都服从指数分布。
2023/5/29 21:49:37
6KB
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