在深入分析二维高斯分布公式的基础上，通过将光斑中心整像素坐标和亚像素坐标进行分离，推导出一种无需求解广义逆矩阵的高斯曲面解析算法，该方法综合利用窗口内的所有像素灰度信息，通过解析表达式直接计算高斯分布光斑的亚像素中心位置；
并且对传统高斯曲面拟合法求解过程进行了优化，提出一种愈加高效的定参高斯拟合法。
与传统高斯曲面拟合法相比，提出的两种方法具有基本相同的稳定性和定位精度，但运行效率分别提高了278倍和78倍以上。
并且对传统高斯曲面拟合法求解过程进行了优化，提出一种愈加高效的定参高斯拟合法。
与传统高斯曲面拟合法相比，提出的两种方法具有基本相同的稳定性和定位精度，但运行效率分别提高了278倍和78倍以上。
2020/6/22 1:40:39
2MB
1
ROS视觉信息介绍该软件包定义了一组消息，以统一ROS中的计算机视觉和对象检测工作。
概述该软件包中的消息是为基于视觉的管道定义通用的向外接口。
这里的消息集旨在启用两种主要的管道类型：“纯”分类器，在给定单个传感器输入的情况下识别类概率检测器，可识别类的概率以及给定传感器输入的那些类的姿势类概率与ObjectHypothesis消息数组一起存储，该消息本质上是从整数ID到浮点得分和姿势的映射。
消息类型分别存在于2D（使用sensor_msgs/Image）和3D（使用sensor_msgs\PointCloud2）中。
为每个对象存储的元数据是特定于应用程序的，因而此程序包对元数据的约束很少。
每个可能的检测结果必须具有唯一的数字ID，以便可以在结果消息中明确，有效地识别它。
然后可以从数据库中查找对象元数据，例如名称，网格等。
唯一的其他要求是元数据数据库信息可
概述该软件包中的消息是为基于视觉的管道定义通用的向外接口。
这里的消息集旨在启用两种主要的管道类型：“纯”分类器，在给定单个传感器输入的情况下识别类概率检测器，可识别类的概率以及给定传感器输入的那些类的姿势类概率与ObjectHypothesis消息数组一起存储，该消息本质上是从整数ID到浮点得分和姿势的映射。
消息类型分别存在于2D（使用sensor_msgs/Image）和3D（使用sensor_msgs\PointCloud2）中。
为每个对象存储的元数据是特定于应用程序的，因而此程序包对元数据的约束很少。
每个可能的检测结果必须具有唯一的数字ID，以便可以在结果消息中明确，有效地识别它。
然后可以从数据库中查找对象元数据，例如名称，网格等。
唯一的其他要求是元数据数据库信息可
2019/6/26 9:50:57
17KB
1
1.该算法基于锚节点到未知节点估计距离的比值来修正跳数2.包含原始Dvhop和基于RSSI的加权Dvhop两种定位算法，并进行了对比3.正文详细
2020/1/11 10:49:50
6KB
1
1、数据集图片一共1316张，未做数据增强，标签格式有两种，分别为voc格式(xml文件)和yolo格式(txt文件)，下载后需要做数据增强的，可以私信我。
2、数据集亲身收集、爬取，亲手标注，质量还不错。
3、该数据集属于目标检测数据集，可以筛选出制作分类数据集。
备注：使用过程有问题可以私信我
2、数据集亲身收集、爬取，亲手标注，质量还不错。
3、该数据集属于目标检测数据集，可以筛选出制作分类数据集。
备注：使用过程有问题可以私信我
2016/7/20 13:09:04
110.38MB
1
1、求解非线性方程2、两种迭代法的求解精度均为0.000013、要求输出两种迭代算法的迭代初值、各次迭代值、迭代次数2、研讨迭代函数、迭代初值对函数
2020/6/19 19:43:56
196KB
1
摘要:在对图形一分析的基础之上,首先建立了问题一的非线性规划的模型.然后采用了两种方法分别对问题一求解.1问题的重述(略)2基本假设(略)3符号商定P
2021/10/15 4:13:36
198KB
1
本文采用两种改进的算法:基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSatTM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合.融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高.当应用两种方法对同一组数据进行处理时,AWP的功能参数优于HSV-WT.这两种算法相对传统小波算法,能克服对高频信息处理的缺陷,突破待融合数据的分辨率比值限制,实现分辨率之比非2n的数据融合.
2019/7/10 3:36:03
1.85MB
1
-在原始BES算法的基础上添加了两种改进策略-改进1：将原先固定的控制因子变为自顺应控制因子，从而平衡算法前期的全局搜索能力和后期的局部寻优能力-改进2：采用折射反向学习机制增加寻找到最优解的概率，提升算法的求解精度和收敛速度-仿真图中包含改进后的IBES算法与原始BES算法的比较-包含23种测试函数
2021/5/9 21:55:33
511KB
1
根据粒子群相关改进论文编辑，内部包含粒子群算法源码、改进后粒子群算法代码、测试函数集合文件改进文献来源，两种算法均已编辑为函数模式方便进行对比，亲测可用，可用作论文写作中算法对比。
2016/4/24 4:07:25
12KB
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