51单片机交通灯

【实例简介】本资源主要分为三部分： （一）PDF文件：主要阐述摄像机标定的基本原理、标定方法的分类、以及传统摄像机标定方法、主动视觉摄像机标定方法、摄像机自标定方法这三类标定方法的应用背景、理论原理、算法实现和各自的优缺点。 1：对于传统摄像机标定方法，主要介绍了DLT、RAC、张正友的平面标定方法、孟胡的平面标定方法、以及吴毅红的平行圆标定方法。 2：对于主动视觉摄像机标定方法，主要介绍了胡占义的主动视觉标定算法。 3：对于摄像机自标定方法，主要介绍了基于Kruppa方程的自标定方法、基于决定二次曲面、无穷远平面的自标定方法 （二）PPT文件：详细介绍摄像机成像模型、各坐标系（世界坐标系、图像坐标系、摄像机坐标系）之间的转换、射影几何学 （三）相机标定相关论文：《相机标定与三维重建技术研究_李云翔》、《一种新的基于主动视觉系统的摄像机自标定方法》《一种双目立体视觉相机标定方法_李春艳》、《一种基于主动视觉的摄像机内参数自定标方法》、《计算机视觉中的相机标定相关问题研究与应用_周东生》

axure后台管理系统原型rp，https://blog.csdn.net/ymmygtl/article/details/81358339

Jsp+Servlet+Echarts实现动态数据可视化，对应讲解博文：https://blog.csdn.net/ITBigGod/article/details/81023802

《Ray Tracing in One Weekend》Peter Shirley 的书2016版，非常好的光线追踪入门教材，包括 pdf 文件以及两份 c++源码

代码包含基于差分算法的多聚焦图像融合算法的源代码以及不同图像块清晰度判定方法的源代码。有空间频率，边缘检测，灰度差等方法。

对于微分方程平衡点稳定性的分析，有助于对混沌系统微分方程组的平衡点的判断。保山学院学报2010第2期接法需要求出系统的解析解,对于一些简单方程阵为:/(0-2|,p=4,g=4,故P00是系统的可能很容易求出,而对于一些复杂的方程(比如例稳定的平衡点2),我们是借助了数学软件求出的方程的通解;而在点21,0)处,系统的线性近似方程的系数矩直接法不用求方程的解就可以讨论平衡点的稳定性。我们在数学建模的过程中,有些系统不用求解阵为(0-2|,p=4,q=4,故P21,0是系统的方程,只需要研究平衡点的稳定状态所以用直接稳定的平衡点;法分析平衡点的稳定性是非常有用的。在点P处,系统的线性近似方程的系数矩10阵为A302|10=19=2,故P(2,是系统参考文:[冯杰,黄力伟等.数学建模原理与案例M北京科学的不稳定的平衡点;出版社,2007,1[2]张锦炎,冯贝叶.常微分方程几何理论与分支问题M3.结论北京:北京大学出版社,2005,8从上面的分析和例子可以看出,平衡点的稳3]阳明盛. Mathematic基础及数学软件M大连:大连理定性的讨论方法主要有间接法和直接法两种,间工大学出版社,2009Analyze of Differential Equation Balance Point StabilityWang Jingyan; Yang Yanli(Math Dept. Baoshan College, Baoshan, Yunnan, 678000)Abstract: This paper mainly discusses a step and the second-order differential equation balance pointhe stability, which plays the major role to its research of mathematics model stabilityKey words: autonomous system; balance point; stability微分方程的平衡点及稳定性分析旧WANFANG DATA文献链接作者:王景艳,杨艳丽, Wang Jingyan, Yang Yanl作者单位:保山学院,数学系,云南,保山,678000刊名:保山学院学报英文刊名:JOURNAL OF BAOSHAN TEACHERS COLLEGE年,卷(期):2010,29(2)参考文献(3条)1.阳明盛 Mathemat ica基础及数学软件20062.张锦炎;冯贝叶常微分方程几何理论与分支问题20053.冯杰;黄力伟数学建模原理与案例2007本文链接http://d.g.wanfangdata.comcn/periodiCalbsszxb201002014.aspx

模式识别mini project-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计mini project，主要功能要求如下： 一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为129 94像素大小。 对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。在签名图像进行特征提取时，提取6 个ET1和6 个DT12轮廓特征。每一个人的手写签名特征假设为48维特征空间的多维高斯分布。用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。分别计算close test和open

为了方便快速地进行车速测量，提出一种用于测量视频图像中车辆速度的方法。该方法取运动角点为特征量，通过选择灰度相关函数为特征匹配函数，实现了车辆在一定帧差内移动距离的测量。与传统方法相比，该方法不仅对设备的限制更小，而且运算速度更快。 该程序主要实现以上功能。

自适应多目标粒子群优化器The Adaptive Multi-Objective Particle Swarm Optimizer (AMOPSO）.

粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 [1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优