地理加权回归（GWR）matlab代码

【实例简介】MATLAB高效编程技巧与应用：25个案例分析书中源码。很全！

JAVA指纹识别（uaru4000B指纹仪）采集与 验证功能放在tomcat下就可以实现access数据库

QT中利用QCustomPlot类画曲线图，程序中画了四条曲线，x，y轴自己赋值（若要接收外部数据需要扩展），每条曲线可以设置颜色和粗细以及不同的点标记，每条曲线可以有说明。

逆变器侧电流反馈的LCL并网逆变器电网电压前馈控制策略

【实例简介】java 毕业设计 论文 项目java 毕业设计 论文 项目java 毕业设计 论文 项目java 毕业设计 论文 项目

银行家算法c++源代码

有关matlab预处理近红外的代码，并附上相关的介绍，复制粘贴到matlab中即可

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

为了提高无人驾驶车辆的轨迹跟随性精度和实时性，针对无人驾驶车辆规避障碍物的路径规划问题，本文提出了一种基于轨迹重规划的无人车避障模型预测控制算法。利用车载传感器获得障碍物和参考路径信息，通过轨迹重规划控制器规划出规避障碍物的期望路径， 并将重规划的期望路径信息输入到模型预测控制器，控制输出前轮转角，通过方向盘主动转向实现避障的同时，实现对参考路径的跟踪；最后，利用 CarSim 和 Simulink 建立轨迹重规划和轨迹跟踪的闭环控制系统仿真平台，并以双移线工况为例，进行了仿真验证。结果表明该方法能够在不同车速下实现对障碍物可靠规避的同时，实现对参考路径的稳定跟踪。

profibus协议中文版profibus多种主从站模拟器简单测试从站调试状态（包含一种Profibus Master V1.2中国南京）win7超级终端.rarXp自带终端但win7系统没有便于大家调试使用