经典开源A星算法（含完整运行程序）

用于鱼眼摄像头的一个环视参考文档很不错，自己最开始做这个相关的项目就是参考这个文档，发现写的很是不错，非常值得参考特别有用的，哈哈哈哈哈哈哈哈哈哈赵三峰,谢明,陈玉明:基于逆向投影的全景泊车系统设计与实现其中,(x,y)表示校正图像的坐标,(x,y)表示鱼眼图像的坐标此算法的效果如图所示。1------图校正前后图像俯视变换clay.OB图离散化后的路面本文采用直接线性变换()来找到俯视变换的投影矩阵,这种方法的优点在于不需要知道摄像头视RR角等参数,只需要在图像坐标系下标定对特征点就可R以计算出个未知的参数,从而得到单应性矩阵,并利R用单应性矩阼完成俯视变换。其中,M表示合成图像的宽度,单位:像素;No表示直接线性变换的公式如下合成图像的高度,单位:像素;R表示合成区域的宽Coxi i+Coli+Cu22i +Cu3)度,单位:;R1表示合成区域的长度,单位(iam,0)表示图像的坐标,单位:像素;x,y表示合成区C102+(ny2+C12x;+CrC20x:+C21y+C2231+1)域路面的坐标,单位:。下面判断路面上的点被哪个摄像头拍到,因此将路其中,(2v)表示图像坐标,(xy2)为物体空间坐标,面分成八个区域,如图所示Co,co1,…,C2为未知参数。但是本文的物体选择的是路面特征点,因此公式的z=0,简化后的二维公式为:(左前前)(右前)IX). Ti t Coli+CUsC0x;+C21y;+1(左)汽车v C1o x, +C11)2+C13C20x:+C21y1+1如果川矩阵的形式表示,如下(左后)(后)(右后)ROT=C1C1 CI图路而的八个区域图中,Il、ⅣV、V和ⅤI四个区域只能被前,左,RO表示路面坐标到图像左边的变换矩阵,则ROn右,后四个摄像头看到。I、I、VI和VI为两个摄像表示图像到路面的投影矩阵头的交叉区域,可能被两个摄像头看到,因此需要判断图像合成交叉区域被哪个摄像头采集到,四个交叉区域的判别方本文的创新点就在于跳出了传统图像拼接的想维,法相同,因此以区域1为例描述如下采用一种更加简单有效的算法来实现无缝拼接全景。)取区域I内任意一点(jo),计算其路面坐标假设路面合成区域的大小为长R1,宽为Rw,单假定该点可以被前摄像头采集到,通过与前摄位:。R的宽度方向平均分成M等份,R1的高像头的投影矩阵ROlo相乘,便可以得到该点在前摄度方向平均分成N等份,其中任意一点坐标用(mm)像头的像素坐标av),如果0≤

经过编译，可以直接用，能实现hmm模型的训练，以及识别功能。

Lyapunov指数是衡量系统动力学特性的一个重要定量指标,它表征了系统在相空间中相邻轨道间收敛或发散的平均指数率。对于系统是否存在动力学混沌, 可以从最大Lyapunov指数是否大于零非常直观的判断出来: 一个正的Lyapunov指数,意味着在系统相空间中,无论初始两条轨线的间距多么小,其差别都会随着时间的演化而成指数率的增加以致达到无法预测,这就是混沌现象。

贝叶斯网络的matlab实现。可以创建贝叶斯网络、训练模型，以及实现统计推理。

纯C语言实现的支持向量机程序，很不错的参考程序

完整的车牌识别源码，实用化的程序，很好的算法，对搞车牌识别的研究很有帮助。

详细列出了所有独立外设的各种初始化操作和基本配置

是在mathworks广泛论坛上下载的，作者发表过多篇相关论文

包含以下几种表情: 0 anger 生气 1 disgust 厌恶 2 fear 恐惧 3 happy 开心 4 sad 伤心 5 surprised 惊讶 6 normal 中性里面有原.csv文件还有处理好的.npy文件，其中名称带data的为图片的ndarray数据，带labels的为其对应的标签。使用时只需要用 np.load("train_data.npy")语句读取即可

需要的朋友下载吧，整个柴油发电机的建模，需要的朋友可以看一下