搜索资源列表
三维模型与摄像头读取目标的位姿匹配
- 能实现三维模型与摄像头读取目标的位姿匹配，并使用Posit算法完成位姿校正-Able to read the target of three-dimensional model with the camera position and orientation matching, and use the Posit algorithm to complete the pose correction
adder17
- 实现17位加法，利用一个16位超前进位加法器和一个一位全加器构成的一个有进位输入和进位输出的17加法器，并且16位加法器利用的使四位超前进位加法器构成。它在booth乘法器设计中经常用到。可以使初学者对模块的调用了解更加透彻。-Adder 17 to achieve the use of a 16-bit CLA, and a one-bit full adder composed of a binary input and binary output of the adder 17, and
FaugerasHomographyDecomposition
- Homography matrix can be decomposed into Pose and plane parameters, This code implements the simple algorithm based on SVD called Faugeras algorithm
3DvisionKinectProcessingandArduino
- 欢迎视觉革命。在微软的Kinec带领下，您现在可以使用三维计算机视觉技术建立数字化三维模型，人和物体，你可以用手势和语音指令操作。这手势指导，提供所有的技术和概念的信息，你需要为Kinect建立出色应用，使用的加工编程语言和Arduino的微控制器。 无论你是学生，业余爱好者，制造商，玩家，或硬件黑客，Ｔｈｉｎｇｓ Ｓｅｅ让你与几个Kinect的项目运行，给予你用这神奇的三维计算机视觉技术建立你自己的玩意和创意项目的技能和经验。解锁你的能力，建立与Kinect的交互式应用程序。
Continuous-Head-Pose-Estimation
- Head Pose Estimation on Low Resolution Images using matlab
weizinijie
- 用于对并联机构根据位姿情况求解其结构参数- for solving the structure parameters according to circumstances pose of parallel manipulator
FLJ_web__JJXF
- 安卓非ui线程更新界面，效果不同， 基础功能(android not ui pose)
caffe_rtpose-master
- 姿态估计 该文章出自2017年的CVPR，Realtime Multi-Person 2D Pose Estimation using Part Affinity Field(We present an approach to efficiently detect the 2D pose of multiple people in an image. The approach uses a non- parametric representation, which we refer to
单目双标志点测位姿_手动 - 测试0812
- 单目 双标志点 测位姿变化 单个摄像头测试 用于opencv配置的vs(Monocular double mark point measurement of pose change)
Kalman
- 使用EKF（扩展卡尔曼滤波）解算姿态，加速度计、陀螺仪数据融合(EKF (extended Calman filtering) is used to solve the attitude, accelerometer and gyroscope data fusion)
High-Fidelity_Pose__paper
- This paper is untitled High-Fidelity Pose and Expression Normalization for Face Recognition in the Wild
convolutional-pose-machines-tensorflow-master
- 人体骨骼的关键点提取，总共十四个点，使用卷积神经网络。(The key points of human skeleton are extracted from a total of fourteen points using convolutional neural networks.)
传染病模型
- 小世界网络中的SIRS传染病模型实现。该模型将动物状态分为三个类别：易感状态（S）、传染状态（I）、移出状态（R），易感状态的动物在与感染状态的动物接触过程中会以一定概率被传染状态的动物传染而患病；传染状态的动物可以一定的概率将疾病传染给接触到的动物；传染状态的动物在经历一段时间之后得到痊愈并且不再会收到感染，也不会对其他动物造成威胁，即相当于从整体中被移出的状态；在一段时间过后，移出状态的个体会再复原成为易感状态。在初始时一定比例的动物处于感染状态，剩余动物处于易受感染状态。(Implemen