该文件包括效果展示视频和训练生成的xml文件由于该方法要求负样本与场景相关，因此建议自己采集视频进行样本获取及后续处理，直接使用xml文件在其他场景的效果并不一定好。
本实验也有许多问题，①比如远处的检测框会较早的消失，这个原因应该是抽帧截取正样本时，远处的车辆样本选取的较少，建议新实验中每个位置上的正样本都要考虑到。
②偶尔会出现检测框消失的现象，这个没法避免的..建议使用卡尔曼滤波对消失的检测框进行预测然后校正！关于样本集会在后面半个月放出，最近事比较多，等开学会有点时间...本演示视频只对单一方向的车辆样本进行训练，并且包含了晴天多云雨天等场景的样本共同训练，正样本数量为4300多份。
如果想尝试双向车道的训练，建议正样本数量达到1w左右的量级，负样本为正样本的2-5倍，关于xml文件的训练参考文章XXX，也可以换成其他特征进行训练，如LBP特征（听说训练花费时间大大降低，精度差不多，并没有进行试验），有兴味的可以试一试，多多交流！
本实验也有许多问题，①比如远处的检测框会较早的消失，这个原因应该是抽帧截取正样本时，远处的车辆样本选取的较少，建议新实验中每个位置上的正样本都要考虑到。
②偶尔会出现检测框消失的现象，这个没法避免的..建议使用卡尔曼滤波对消失的检测框进行预测然后校正！关于样本集会在后面半个月放出，最近事比较多，等开学会有点时间...本演示视频只对单一方向的车辆样本进行训练，并且包含了晴天多云雨天等场景的样本共同训练，正样本数量为4300多份。
如果想尝试双向车道的训练，建议正样本数量达到1w左右的量级，负样本为正样本的2-5倍，关于xml文件的训练参考文章XXX，也可以换成其他特征进行训练，如LBP特征（听说训练花费时间大大降低，精度差不多，并没有进行试验），有兴味的可以试一试，多多交流！
2019/2/6 19:12:18
2.83MB
1
利用广播星历进行计算GLONASS卫星地位，精度达到0.5m。
利用matlab编写的，有详细说明。
利用matlab编写的，有详细说明。
2019/2/10 15:15:35
3KB
1
一个小工具，将TS流文件发送到以太网络上。
支持使用UDP或者RTP协议。
根据TS流的PCR值跟踪时间同步发送。
我用的GetTickCount进行发送时间同步，线程按照10毫秒进行轮回，按照Win32系统普通线程切换时间，应该可以保证到10毫秒左右的同步精度。
但听人提过使用GetTickCount进行时间同步，长时间会有时间漂移现象，而且误差会逐渐累加，直到客户端缓冲溢出。
对方提出的处理方案是使用GPS卫星时间同步...个人以为GetTickCount是使用Win32底层的某个高精度时间结果。
在微观上不是很精确，但是宏观上应该是很精确。
我实际曾经使用这个工具，发送过同一个文件三天三夜，客户端使用VideoLan进行在线播放，缓冲设置300ms，没有发现VideoLan缓冲有溢出的情况。
如果这种同步方式，长时间发送，确实有精度问题，希望有同志给出例证和处理方案(除了使用GPS卫星时间以外的方案...)。
以便我改进。
demo中根据以太网通常的MTU值直接按7个TS包进行封装：SetGetTsPacketDataCB(GetTsPacketData,NULL,TS_PACKET_SIZE_MIN*7);如果是其他网络类型，需要根据网络的MTU值调整TS包数量。
支持使用UDP或者RTP协议。
根据TS流的PCR值跟踪时间同步发送。
我用的GetTickCount进行发送时间同步，线程按照10毫秒进行轮回，按照Win32系统普通线程切换时间，应该可以保证到10毫秒左右的同步精度。
但听人提过使用GetTickCount进行时间同步，长时间会有时间漂移现象，而且误差会逐渐累加，直到客户端缓冲溢出。
对方提出的处理方案是使用GPS卫星时间同步...个人以为GetTickCount是使用Win32底层的某个高精度时间结果。
在微观上不是很精确，但是宏观上应该是很精确。
我实际曾经使用这个工具，发送过同一个文件三天三夜，客户端使用VideoLan进行在线播放，缓冲设置300ms，没有发现VideoLan缓冲有溢出的情况。
如果这种同步方式，长时间发送，确实有精度问题，希望有同志给出例证和处理方案(除了使用GPS卫星时间以外的方案...)。
以便我改进。
demo中根据以太网通常的MTU值直接按7个TS包进行封装：SetGetTsPacketDataCB(GetTsPacketData,NULL,TS_PACKET_SIZE_MIN*7);如果是其他网络类型，需要根据网络的MTU值调整TS包数量。
2018/5/3 18:47:12
18KB
1
今天差不多所有的材fh只需工件厚度在10毫米以内，都能用CO2激光器切割。
同其它切割方法相比，激光束切割的主要优点是割缝窄、热影响小和工作速度快。
同其它切割方法相比，激光束切割的主要优点是割缝窄、热影响小和工作速度快。
2017/2/21 22:55:53
1.3MB
1
光纤传感器作为一中新型的传感器，具有精度高，抗干扰性强和单点成本低的优点，逐步广泛应用于人们的生活当中。
该书描绘了各种光纤传感器和及相应的技术，使读者能够迅速的了解和掌握光纤传感器。
该书描绘了各种光纤传感器和及相应的技术，使读者能够迅速的了解和掌握光纤传感器。
2019/6/26 9:50:56
32MB
1
针对多输入多输出（MIMO）复杂过程控制中控制功能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。
对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。
研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。
对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。
研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。
2022/9/24 18:48:30
1MB
1
本文主要研究基于里程计和单目视觉传感器的地面车辆定位与地图构建问题。
为了提高地面车辆视觉估计的精度，研究人员利用了近似平面运动的约束，并且通常将其作为SE（3）姿势的随机约束来实现。
本文提出了一种在se（2）上直接参数化地面车辆姿势的简单算法。
该方法不忽略se（2）运动扰动，而是将其引入一个新的se（2）-xyz约束的综合噪声项中，通过图像特征测量将se（2）姿势和3d地标关联起来。
对于里程测量处理，我们还提出了一种有效的se（2）预积分算法。
利用这些约束条件，以一种常用的图优化结构，开发了一个完整的视觉里程定位与映射系统。
在工业室内环境下的实际实验验证了该方法在精度和鲁棒性方面的优越性。
为了提高地面车辆视觉估计的精度，研究人员利用了近似平面运动的约束，并且通常将其作为SE（3）姿势的随机约束来实现。
本文提出了一种在se（2）上直接参数化地面车辆姿势的简单算法。
该方法不忽略se（2）运动扰动，而是将其引入一个新的se（2）-xyz约束的综合噪声项中，通过图像特征测量将se（2）姿势和3d地标关联起来。
对于里程测量处理，我们还提出了一种有效的se（2）预积分算法。
利用这些约束条件，以一种常用的图优化结构，开发了一个完整的视觉里程定位与映射系统。
在工业室内环境下的实际实验验证了该方法在精度和鲁棒性方面的优越性。
2017/5/24 16:35:29
1.81MB
1
该文件包含工具的源代码^-^水平有限仅供参考将热敏电阻表中的阻值以txt文件的方式保存在软件目录，然后运行，按照指示输入参考电压，分压电阻，ADC精度等参数，然后会在当前目录下生成一个txt文件，该文件就是阻值对应的ADC值，如有不明白可以私聊。
2020/2/15 8:29:56
60KB
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