本工程包含两部分，前台的jsp页面内容是获取数据库内的坐标数据并显示到前台，每两点之间绘制直线，页面加载1分钟后开始每隔10秒扫描一次数据库，如果有新的坐标数据，则动态显示到页面上。
后台内容则是安卓端获取GPS数据后上传到数据库的对应服务端代码，次要是把数据存入数据库和从数据库读取数据。

本程序采用牛拉法编写，采用直角坐标方式，先形成导纳矩阵，再形成雅可比矩阵进行迭代，最后计算各支路及平衡节点的功率

待转换xyz坐标xyz_neu.txt中，设定的站心坐标系NEU原点的XYZ坐标和经L纬B度在AxyzBL.txt中，按格式把你的数据改下文件名替换文本就行。
实际上就是调用eigen做了个矩阵运算的架子，里面写了点从文件到矩阵和矩阵到文件的File类，函数模仿matlab很好调用，两头运算查eigen用法就行，非常简单，可以做各类矩阵算法，这个xyz到neu转换就用了个七参数转换，如果只做xyz转neu没必要下！！！！eigen调用参考网上文档就行。
用qt和vs都编译了一下。
。
。
（我也是够无聊）

极坐标的牛顿法潮流计较通用程序，迭代精度较高，可以通用

用于坐标转换的批处理操纵，支持xyz到enu的坐标转换

byconmajia这是一个简单的GDI+的例子。
讲的是怎样从无到有绘制一个极坐标系，以及在此基础上绘制数据图。
按照类似的思路，你可以画出直角坐标系、对数直角系、外太空银河系……没有版权，但仍希望使用者能够反馈conmajia@gmail.com

matlab开发-gps坐标转换。
操作GPS地位数据的实用程序

百度地图上全国的地铁经纬度,坐标,地铁线路,各个城市的地铁线,以前很老的东西,敬请体谅

第一章绪论1.1天体力学的发展简史与研究内容；
1.2现代天体力学的主要研究领域第二章二体问题2.1任意外形天体的引力势；
2.2二体运动方程与经典积分；
2.3二体运动轨道类型；
2.4空间与质心系中二体运动轨道；
2.5椭圆展开与平均值；
2.6椭圆运动的正则根数第三章限制性三体问题3.1N体问题地经典积分与特解；
3.2N体运动的Jacobi坐标；
3.3限制性三体问题；
3.4圆型限制性三体问题；
3.5平动点的线性稳定性；
3.6限制性三体问题中的混沌运动第四章受摄二体问题4.1Gauss型受摄运动方程；
4.2正则受摄运动方程；
4.3第三体摄动的摄动函数展开；
4.4线性长期摄动理论；
4.5主天体外形摄动；
4.6太阳系中主要耗散力第五章天体运动中的共振现象5.1轨道共振的基本模型；
5.2低阶轨道共振的相空间结构；
5.3小行星带的3:1Kirkwood共振；
5.4长期共振；
5.5自转－轨道共振；
5.6潮汐演化第六章保守系统中的有序与混沌运动6.1Hamilton系统相流的特点及奇点稳定性；
6.2可积Hamilton系统；
6.3有心力势场下质点的运动；
6.4近可积Hmailton系统6.5标准映射

在中国安防产业中视频监控作为最重要的信息获取手段之一，能对目标有效的提取是重要而基础的问题，因此本文在此背景下，围绕对监控视频的前景目标有效的提取问题，研究了关于1）静态背景、动态背景的前景目标提取，能在背景复杂化的条件下，将运动的目标；
2）带抖动视频；
3）静态背景下多摄像头对多目标提取；
4）出现异常事件视频的判断等问题。
给出了在不同情况下的前景目标提取方案。
问题一是针对静态背景且摄像头稳定的情况下，如何对前景目标提取的问题。
在题目要求的基础上，通过对附件2中几组视频的分析，我们发现所有前景目标的运动短暂且光线明暗变化不明显。
由于传统的Vibe算法能抑制鬼影但是运行效果不理想，因此采用建立在帧差法上改进的Vibe算法模型求解问题。
并和传统的Vibe算法做对比，结果显示改进的Vibe算法明显优于传统的算法。
而且对我们的算法模型做了效果评价。
详细数据参考正文与附录。
问题二是在背景为动态（如有水波的产生）的情况下，对前景目标的提取问题。
在此问题中，由于动态背景存在使得提取出的图像帧具有大量的干扰噪声，对前景目标的识别和提取造成干扰，因此我们提出一种基于全局外观一致型的运动目标检测法。
在用Vibe算法对场景预检测的基础上，建立混合高斯模型分别对前景和背景进行全局外观建模，将运动目标检测出来，再引入超像素去噪，进一步优化结果。
详细结果参考正文与附录。
问题三是在问题一、二基础上的进一步深化。
问题一及问题二是建立在摄像机自身稳定的基础上，而问题三则是在摄像机抖动的情况下。
由于摄像机抖动一般具有旋转和平移，因此我们建立了坐标变换模型，以仿射变换作为模型基础，结合改进的高精度鲁棒的RANSAC算法提取前景目标，并对比灰度投影法，比较两种模型效果。
具体效果见正文与附录。
问题四是对前三个问题的综合应用。
运用基于混合高斯模型背景建模Vibe算法，对前景目标进行提取；
选出具有显著前景目标的参考帧，计算参考帧中显著前景目标所占的面积，并将此面积设定为阈值T，遍历所有的视频帧，计算其前景目标所占的面积，通过相减对比，判定显著前景目标。
若判定为显著前景目标则输出其所在视频帧中的帧号，并将显著前景出现的总帧数增加1。
问题五是针对多摄像头多目标的协同跟踪问题。
在问题二的混合高斯模型基础上我们建立了动态背景提取法，对不断变化的背景进行实时更新。
再利用单应性约束法对多目标发生重叠现象进行投影将重叠目标区分开来，对目标进行定位。
由于目标的不断运动，我们采用粒子滤波法对前景目标进行实时跟踪，通过多摄像头的协同通信完成对多前景目标的检测。
问题六是针对监控视频中前景目标出现异常情况时判断能否有异常事件的问题。
在基于稀疏表示的模型上，引入混合高斯模型用于学习不同类型的运动特征规律，然后通过各个单高斯模型中的均值建立一个相似矩阵作为字典。
以测试阶段生成的核矢量为基础，用该局部特征的核矢量计算基于稀疏表示的重构误差，并将其与已设定的阈值进行比较，如果重构误差大于阈值，则判为异常。

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。