“AR+GPS定位”包带来了定位3D物体的能力现实世界的地理位置通过他们的GPS坐标使用Unity和增强现实。
它同时支持Unity的“AR基础”和“Vuforia”。
最新版本已经测试使用。

主要模拟Unity开发VR手柄发射射线拖拽物体时候的曲线效果。
BezierCurve的应用，也作为VR瞬移时候抛物线的实现参考。

三维重建，将不同视角的多张图片处理成物体三维信息的方法，简明易懂。
。
。

实现效果：http://v.youku.com/v_show/id_XMTU2Mzk0NjU3Ng==.html如何在你的电脑上运行这个程序？1，它需要cvblobslib这一个opencv的扩展库来实现检测物体与给物体画框的功能，具体安装信息请见：http://dsynflo.blogspot.com/2010/02/cvblobskib-with-opencv-installation.html，当你配置好cvblobslib之后，你可以用这一的程序进行测试：http://dl.dropbox.com/u/110310945/Blobs%20test.rar2，视频中两个摄像头之间的距离是6cm，你可以根据你摄像头的型号，来选择合适的距离来达到最好的效果。
3，在进行测距之前，首先需要对摄像头进行标定，那么如何标定呢？在stdafx.h中把"#defineCALIBRATION0"改成“#defineCALIBRATION1”表示进行标定，标定之后，你就可以在工程目录下的"CalibFile"文件夹中得到标定信息的文件。
如果标定效果还不错，你就可以吧"#defineCALIBRATION"改成0，以后就不需要再标定，直接使用上一次的标定信息。
你还需要把"#defineANALYSIS_MODE1"这行代码放到stdafx.h中。
4，视频中使用的是10*7的棋牌格，共摄录40帧来计算摄像头的各种参数，如果你像使用其他棋盘格，可以在"StereoFunctions.cpp"文件中修改相应参数。
5，如果你无法打开摄像头，可以在"StereoGrabber.cpp"文件中修改代码“cvCaptureFromCAM(index)”中index的值。
6，Aboutcomputingdistance:itinterpolatestherelationshipbetweendepth-valueandreal-distancetothirddegreepolynomial.Soiusedexcelfile"interpolation"forinterpolationtofindk1tok4,youshouldfindyourownvalueoftheseparameters.7，你可以通过调整控制窗口中各个参数的滑块，从而来得到更好的视差图。
8，在目录下的”distance“文件夹中，有计算距离信息的matlab代码。
9，如果你想了解基本的理论，可以看一下这个文档和代码（视频里的代码其实就是根据这个代码改的）：http://scholar.lib.vt.edu/theses/available/etd-12232009-222118/unrestricted/Short_NJ_T_2009.pdf视频中环境：vs2008，opencv2.1

本文提出谱衍射干涉的计算模拟方法.着重讨论了谱为几何图案时的干涉现象,得到干涉场强正比于物体沿图案路径的线积分.根据实验观察用二次位相函数来近似模拟酒精灯火焰的位相延迟,相应计算了几种特殊谱分布的衍射干涉强度分布,得到与实验相一致的结果.本文还讨论了几种特殊谱衍射干涉的特点,得到了一些结论.

探索城市和热门景点的卫星地图。
虚拟旅行环绕地球。
在扩展的弹出窗口上,你会发现热门景点的列表。
当您单击此列表上的位置时,您将获得鸟瞰互动地图。
鸟瞰图是从上面对物体的提升视图,其视角就像观看者是一只鸟。
它看起来像一个城市的3D模型。
您可以放大和缩小,旋转90度并四处移动。
使用搜索框查找地球上的位置。
单击"打开较大的地图"按钮时,地图将在外部网站上打开。
我们创建了这个扩展,以规划您的下一个假期在流行的城市和地球上的地方。

SIFT算法目前在军事、工业和民用方面都得到了不同程度的应用，其应用已经渗透了很多领域，典型的应用有物体识别、机器人定位与导航、图像拼接、三维建模、手势识别、视频跟踪、笔记鉴定、指纹与人脸识别、犯罪现场特征提取等。
PPT对SIFT算法进行详细地描述。

matlab中通过腐蚀与膨胀提取物体边缘，可直接下载使用。

在遥感领域，数据集是研究和开发的关键资源，它们为模型训练、验证和测试提供了必要的数据。
"高光谱和LiDAR多模态遥感图像分类数据集"是这样一种专门针对遥感图像处理的宝贵资源，它结合了两种不同类型的数据——高光谱图像和LiDAR（LightDetectionandRanging）数据，以实现更精确的图像分类。
高光谱图像，也称为光谱成像，是一种捕捉和记录物体反射或发射的光谱信息的技术。
这种技术能够提供数百个连续的光谱波段，每个波段对应一个窄的电磁谱段。
通过分析这些波段，我们可以获取物体的详细化学和物理特性，例如植被健康、土壤类型、水体污染等，这对环境监测、城市规划、农业管理等有着重要的应用。
LiDAR则是一种主动遥感技术，它通过向地面发射激光脉冲并测量回波时间来计算目标的距离。
LiDAR数据可以生成高精度的地形模型，包括地表特征如建筑物、树木和地形起伏。
此外，LiDAR还能穿透植被，揭示地表覆盖下的特征，如地基和地下结构。
这个数据集包含了三个不同的地区：Houston2013、Trento和MUUFL。
每个地区可能对应不同的地理环境和应用场景，这为研究者提供了多样性的数据，以便他们在不同条件和场景下测试和比较分类算法的效果。
数据集的分类任务通常涉及识别图像中的各种地物类别，如建筑、水体、植被、道路等。
多模态数据结合可以显著提升分类的准确性，因为高光谱数据提供了丰富的光谱信息，而LiDAR数据则提供了高度精确的空间信息。
将这两者结合起来，可以形成一个强大的特征空间，帮助区分相似的地物类别，减少分类错误。
在实际应用中，这个数据集可以用于训练深度学习或机器学习模型，比如卷积神经网络(CNN)。
通过在这样的多模态数据上训练，模型能够学习到如何综合解析光谱和空间信息，从而提高对遥感图像的分类能力。
对于研究人员和开发者来说，这个数据集提供了理想的平台，用于开发新的图像分析技术，改进现有算法，并推动遥感图像处理领域的创新。
"高光谱和LiDAR多模态遥感图像分类数据集"是一个涵盖了多种地理环境和两种互补遥感技术的宝贵资源，对于理解地物特性、提升遥感图像分类精度以及推动遥感技术的发展具有重大价值。
通过深入研究和利用这个数据集，我们可以期待在未来实现更加智能化和精确化的地球表面监测。

用于制作游戏人物模型的由日本开发的MMD模型制作软件（已汉化）PmxEditor是用来给MMD的模型进行绑骨和物理演算的软件，因为这个都是日文，很多人看这个可能会有些茫然，很难辨认，不过这并没有很大的问题，我们只需要了解其中的一部分选项有什么功能，就可以来进行简单的绑骨了　　1、打开PE,其中左边的“选尺”是用来选择要编辑的物体类型(按顺序看就是：顶点，面，骨骼，刚体，链接体);　　“表”是用来调整背景颜色，顶点颜色一类的，在某些时候可以方便我们观察模型，进行一些细致的操作;　　2、“绞”经常需要用，主要是用来确定模型需要编辑的范围　　3、选择到材质这一项，就可以选择特定的部件用来单独编辑　　4、选择材质0是白色馒头型物体，材质4是卷毛君的一个红晕，像这样，分别选用不同的材质，就可以分别编辑不同的区域了　　5、如果有需要删除的部分，也可以使用这个面板，比如说，卷毛君的材质6是头上那根毛　　6、勾选材质6，卷毛变黑了，点击这个“选尺材质の什么削除”　　7、选择“是”，确认消除　　8、卷毛的毛就拔掉了=　　9、关于那个“涂”，则是用来刷权重用的　　所谓刷权重，就是将骨骼与模型的顶点建立联系，让模型可以跟随骨骼来移动，也就是我们通常所说的绑骨　　10、当然，PmxEditor的功能远不止这些，其它用得比较少的控件也有很多，大家可以在网上自行学习

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。