opencv 红绿灯识别 运动物体识别

【实例简介】鉴于SPH 和LS-PREPOST 方面的资料比较少，最近在学习SPH，结合教材和软件LS-PREPOST，自己做了一个教程，希望能对LS-DYNA 的初学者有所帮助。

三菱FX系列PLC直线圆弧插补SFC梯形图程序。用逐点比较法做的直线圆弧插补程序，1,2,3,4象限直线插补。圆弧插补：1,2,3,4，单象限顺逆圆弧，跨1象限，跨2象限，跨3象限，跨4象限顺逆圆弧，顺逆正圆等程序。自己动手原创能用，实际运用稍作修改即可。

esn作者在官网的简单版代码，给英文不好的同学拿过来，免得再去找地方下载

MATLAB程序，背景建模，高斯模型，等等

实现了快速相机标定，方法是利用了RAC标定

一个关于对图像相似度计算处理的python程序

电磁环岛的.c和.h文件，外加详解文档，用两个电感检测环岛，测试方案很稳定，可以参考

主要内容:(1)将里面的实验用Proteus仿真!!!!包括C语言的和汇编的!!! (2)加了注释(本人也是刚学的,可能有些错误,望提出!) 还加了部分与该实验有关的资料!!(3)将本人发现的原版中的问题加以改正.(里面还有小部分问题,目前仍然不明) 1.闪烁灯2.模拟开关灯3.多路开关状态指示4. 广告灯的左移右移5.广告灯（利用取表方式）6.报警产生器 声音有问题——估计是LM386的问题，去掉可以正常仿真。7. I-O并行口直接驱动LED显示8.按键识别方法之9.一键多功能按键识别技术10. 00－99计

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

利用matlab中的函数[K,P,E]=lqr(A,B,Q,R)就可以得到线性二次型最优控制问题的解。其中输出变量中的K是最优反馈增益矩阵，P是黎卡提矩阵方程的对称正定解矩阵，E是最优闭环系统的极点。