利用计算机断层扫描技术获取了泡沫镍的重建结构，将蒙特卡罗法与八叉树算法结合进行泡沫镍孔尺度辐射传递建模，分析了八叉树算法对辐射传递计算的加速作用。
结果表明，采用八叉树算法的辐射特性计算值与未采用时相比，最大相对误差小于1‰。
在最优空间深度范围内，空间深度越大和模型面元越多，计算的加速效果越明显。
结果表明，采用八叉树算法的辐射特性计算值与未采用时相比，最大相对误差小于1‰。
在最优空间深度范围内，空间深度越大和模型面元越多，计算的加速效果越明显。
2024/7/17 9:05:22
6.19MB
1
把多幅BMP图片生成GIF，快慢可控制。
支持带调色板的位图（如16色、256色等），也支持真彩色位图（16位、24位、32位）。
采用8叉树算法为真彩色位图生成调色板，效果较好。
生成GIF的算法是我自己写的。
支持带调色板的位图（如16色、256色等），也支持真彩色位图（16位、24位、32位）。
采用8叉树算法为真彩色位图生成调色板，效果较好。
生成GIF的算法是我自己写的。
2024/6/24 19:26:38
41KB
1
实现八叉树的创建等相关内容，数据需要有法向量才能进行，基于八叉树进行三维数据的重建，八叉树，一个立方体等分为八份，并可以持续的细分下去，虽然每个节点都能分出八个叉，但形象，且等分空间，简单容易理解。
2024/5/12 22:53:30
746KB
1
该代码实现了点云读取，点云重心计算，八叉树，邻域搜索等基本功能，通过opengl实现点云可视化，对于初学者来说是一个较为基础的参考
2023/7/7 0:31:45
6.08MB
1
稀疏八度一种基于指针的稀疏八叉树数据结构。
有关线性实现，请参见。
··安装该库需求对等依赖关系。
npminstallmath-dssparse-octree用法点数import{Vector3}from"math-ds";import{PointOctree}from"sparse-octree";constmin=newVector3(-1,-1,-1);constmax=newVector3(1,1,1);constoctree=newPointOctree(min,max);constmyData={};constp1=newVector3(0,0,0);constp2=newVector3(0,0,0.5);octree.insert(p1,myData);octree.move(p1,p2);octree.get(p2);//
有关线性实现，请参见。
··安装该库需求对等依赖关系。
npminstallmath-dssparse-octree用法点数import{Vector3}from"math-ds";import{PointOctree}from"sparse-octree";constmin=newVector3(-1,-1,-1);constmax=newVector3(1,1,1);constoctree=newPointOctree(min,max);constmyData={};constp1=newVector3(0,0,0);constp2=newVector3(0,0,0.5);octree.insert(p1,myData);octree.move(p1,p2);octree.get(p2);//
2015/1/12 13:40:28
1.05MB
1
大量的点云数据是通过三维激光扫描得到的，而点云数据的显示快慢遭到了数据索引的直接影响，这是一个基础性问题。
经过研究，八叉树与叶节点ＫＤ树相结合的混合空间索引结构以及ＬＯＤ构建的层次细节模型是用来解决点云数据管理与可视化效率不高的问题的有效方法。
在局部，通过在叶子节点中构建的ＫＤ树实现高效的查询和显示；
在全局，为了实现快速检索与调度使用了八叉树模型。
采用这种混合数据模型进行点云组织，建立空间索引，并对点云数据进行ＬＯＤ构建，实现了点云数据的高效检索以及可视化。
经过研究，八叉树与叶节点ＫＤ树相结合的混合空间索引结构以及ＬＯＤ构建的层次细节模型是用来解决点云数据管理与可视化效率不高的问题的有效方法。
在局部，通过在叶子节点中构建的ＫＤ树实现高效的查询和显示；
在全局，为了实现快速检索与调度使用了八叉树模型。
采用这种混合数据模型进行点云组织，建立空间索引，并对点云数据进行ＬＯＤ构建，实现了点云数据的高效检索以及可视化。
2020/6/26 15:48:55
292KB
1
使用vc2005，先读入三维点云数据，然后进行八叉树划分，可以设定每个节点的大小，最初用OpenGL将每个节点的数据用三角形连接起来。
2021/5/10 21:55:34
66KB
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