自动驾驶感知技术视觉感知技术发展本报告主要介绍面向自动驾驶的视觉感知技术。
首先是对自动驾驶视觉感知发展的行业综述，介绍了自动驾驶感知技术的发展路线，以及视觉传感器在其中的作用；
其次介绍了车载图像传感器的发展，包括新型的动态图像传感器、低照度感知能力、像素密度、动态范围以及其他面向自动驾驶应用的定制化特性；
最后介绍了视觉感知算法的发展，包括像素级语义分割及目标检测、基于视觉的定位与语义地图、传感器融合、视觉计算平台等。
首先是对自动驾驶视觉感知发展的行业综述，介绍了自动驾驶感知技术的发展路线，以及视觉传感器在其中的作用；
其次介绍了车载图像传感器的发展，包括新型的动态图像传感器、低照度感知能力、像素密度、动态范围以及其他面向自动驾驶应用的定制化特性；
最后介绍了视觉感知算法的发展，包括像素级语义分割及目标检测、基于视觉的定位与语义地图、传感器融合、视觉计算平台等。
2024/12/8 20:38:43
2.17MB
1
zedboard的vivado2018工程，直接输出helloworld！可检测开发板或者用于ZYNQ的工程搭建学习。
2024/12/8 6:28:19
8.47MB
1
安卓opencv实现人脸检测，人脸识别，人脸对比，实现opencv对图像的翻转，镜像等操作。
实现多人检测
实现多人检测
2024/12/8 3:02:23
17.76MB
1
南阳陶岔作为南水北调中线工程的渠首闸所在地，掌握其水质变化情况、预防污染事件的发生至关重要。
基于环保部门的水质检测数据，选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标，通过主成份加权分析模型和BP神经网络模型，对陶岔的水质进行了有效的评价和较高精度的预测。
结果表明，陶岔水质总体较好，可达II级以上，评价准确率为81.25%；
预测的最大误差为4.75%，平均误差0.7%，预测精度较高。
基于环保部门的水质检测数据，选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标，通过主成份加权分析模型和BP神经网络模型，对陶岔的水质进行了有效的评价和较高精度的预测。
结果表明，陶岔水质总体较好，可达II级以上，评价准确率为81.25%；
预测的最大误差为4.75%，平均误差0.7%，预测精度较高。
2024/12/5 8:10:12
1.25MB
1
VS2010+opencv+libfacedetection，里面包括人脸检测、性别识别、人脸识别、人数检测等小程序，都是借鉴别人的基础上自己改的，全部可以运行。
其中人数检测是用kinect实现的，人脸识别程序可运行，但是可能由于特征选的不对，未能实现，后来不做这个了，也没深入研究。
其中人数检测是用kinect实现的，人脸识别程序可运行，但是可能由于特征选的不对，未能实现，后来不做这个了，也没深入研究。
2024/12/2 15:03:51
30.16MB
1
通过树莓派调用百度api做的人脸识别系统，两个程序，一个是django做的后台管理系统负责人员信息的输入和进门时间的查询，另一个是python调用百度api进行人脸识别并控制门禁的开关并语音播报和活体检测。
视频介绍在这里https://www.bilibili.com/video/BV1KA411p78Y/
视频介绍在这里https://www.bilibili.com/video/BV1KA411p78Y/
2024/12/2 6:40:42
29KB
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