起因 今天打开CSDN,看到评论想要参考我的代码,以前都是回复说留下联系方式 已经好几次了 之前尝试过多次使用开源平台,没有成功 于是今天想起使用码云平台,再次尝试了一次 成功将自己的代码上传到自己的开源账号 这是成功创建后的51单片机开源链接 51单片机开源链接 第一步 使用vscode打开你想上传的文件夹 第二步 在右上角终端新建终端(左上角) 第三步 在终端页面中依次
文章目录 RISC-V处理器的设计与实现(一)—— 基本指令集_Patarw_Li的博客-CSDN博客 RISC-V处理器的设计与实现(二)—— CPU框架设计_Patarw_Li的博客-CSDN博客 RISC-V处理器的设计与实现(三)—— 上板验证_Patarw_Li的博客-CSDN博客 前面我们选好了要实现的指令集,并且了解了每个指令的功能(传送门:RISC-V处理器的设计与
本文ppt来自深蓝学院《机器人中的数值优化》 目录 1 凸集的定义 2 凸集的运算 1 凸集的定义 集合中任意两点连线形成的线段属于这个集合,这个集合是凸集。 注意:是否是凸集,集合的边界是否属于这个集合很重要 这涉及到构造最小凸包的问题。 上面列出的超平面、半空间等等都是凸集的典型代表 锥不一定是凸集,比如锥的横截面是非凸集合,那么锥也是
本文ppt来自深蓝学院《机器人中的数值优化》 目录 1 凸函数的性质 2 凸函数的性质 1 凸函数的性质 凸函数最重要的性质就是Jensen's inequality,也就是琴生不等式。 若能取到等号则是凸函数,若不能取到等号则是强凸函数,若不等号相反,则是凹函数。 上方图就是函数上方的区域,“凸函数”与“上方图是凸集”是充要条件 凸函
自动控制原理中,利用MATLAB求单位脉冲,阶跃,斜坡响应。 以夏德钤《自动控制理论》第4版中的例题为切入点: 代码如下: num = [1,0.1]; den = [1,0.6,1,1]; sys = tf(num,den); t = [0:0.1:20]; alpha = 1; ramp = alpha*t; y3 = lsim(sys,ramp,t); y2 = st
自动控制原理和信号与系统中,利用MATLAB求单位阶跃响应,并分析阻尼比和自然振荡角频率对暂态性能的影响。 以夏德钤《自动控制理论》第4版中的例题为切入点: 代码如下: w = 1; %Wn的取值 %w = 5;%Wn的另一个取值 num = [w^2]; p = [0 0.2 0.5 0.707 1.0 1.25]; %ζ的取值 den1 = [1 2*p(1)*w w^2 ]
文章目录 0.引言 1.准备数据 2.三维离散点参数设置并绘图 3.拟合曲面参数设置并绘图 0.引言 在数据统计分析中,有时希望知道一个因变量在两个自变量变化情况下的变化情况,这时可以绘制散点图,观察基础情况,进一步可以拟合散点,得到拟合曲面,分析数据的变化趋势。本文对绘制三维离散点并拟合曲面方法进行总结并记录。 1.准备数据 (1)原始数据(存储于Ex
文章目录 0.引言 1.准备数据 2.频数分布参数设置并绘图 3.拟合曲线参数设置并绘图 0.引言 笔者研究的方向关于点云数据采集和建模算法,在对一个平面进行数据采集并建模后,需要实验结果进行精度分析,为了知道建模结果的点云集中于平面的程度,将建模结果与实际的平面的位置按水平方向进行作差,得到一系列误差点数据,对该数据进行频数统计,并进行曲线拟合,可以得到该数据
GTK渲染摄像头图像数据 1.GDK简介 绘图工具集(GDK,Graphics Drawing Kit)是在GTK+ 和特定操作系统的应用编程接口(API,Application Program Interface)之间的低级绘图制层—— Linux的API是Xlib。由于GTK和机器的API之间没有直接接口,移植GTK+就成为移植GLIB和GDK的问题。GDK提供像元的绘制能力以及低层的
古月居老师给的安装指令为 sudo apt-get install python 会出现如下情况,软件包python没有可安装候选 说明Ubuntu的版本相对较高,应该下载python3的解析器 sudo apt-get install python3 在终端输入,就可以成功
根据相机旋转矩阵求解三个轴的旋转角/欧拉角/姿态角 或 旋转矩阵与欧拉角(Euler Angles)之间的相互转换,以及python和C++代码实现 1 旋转矩阵转换为欧拉角(Euler Angles) 2 欧拉角转换为旋转矩阵 相机标定过程中,我们会得到一个3x3的旋转矩阵,下面是我们把旋转矩阵与欧拉角之间的相互转换: 1 旋转矩阵转换为欧拉角(Euler Angles) 1、
文章目录 0.引言 1.算法原理 2.算法实现 0.引言 在点云建模过程中,有时需要对扫描建模的点云进行标定,在实际使用中往往以地面做为参照平面,需要将扫描的三维空间点云进行拟合平面,以便纠正扫描结果。本文对三维空间离散点拟合平面算法进行总结,并给出几种编程语言下的算法实现代码。 1.算法原理 (1)最小二乘法 (2)平面方程拟合
记录一下对扩展卡尔曼滤波(Extended Kalman Filter, EKF)的理解。 参考《概率机器人》、《卡尔曼滤波原理及应用-MATLAB仿真》此篇之前所衔接的博客是《卡尔曼滤波》:https://www.guyuehome.com/43705 一、背景、原理 1.1 线性到非线性扩展 观测结果是状态的线性函数,并且下一状态是以前状态的线性函数,这两个假设对KF算法的正确性非常重
记录一下对卡尔曼滤波的理解。卡尔曼滤波(Kalman Filter),以下简称KF,是由Swerling(1958)和Kalman(1960)作为线性高斯系统(linear Gaussian system)中的预测和滤波技术而发明的,是用矩阵来定义的。KF实现了连续状态的置信度计算。它不适用于离散或混合状态空间。 参考《概率机器人》、《卡尔曼滤波原理及应用-MATLAB仿真》卡尔曼滤波属于是基于
文章目录 CaDDN代码调试-我的电脑 1、环境配置: 2、数据集准备 3、训练一个模型 CaDDN代码调试-云环境 1、数据集打包上传 2、环境配置 3、错误信息 成功运行 Tensorboard日志信息 可视化demo CaDDN代码调试之 docker环境的安装 CaDDN代码调试-我的电脑 CaDDN这一篇我给翻译了,
最近有人问了我一个C语言中使用指针时遇到的问题。下面是一个简化后的代码示例。 #include <stdio.h> int fix_var = 90; void update_ptr(int *a) { int* temp = a; a = &fix_var; printf("adress of temp: %d \n", tem
1.概述 所谓排序, 就是使一串记录, 按照其中的某个或某些关键字的大小, 递增或递减的排列起来的操作。 排序算法, 就是如何使得记录按照要求排列的方法。排序算法在很多领域得到相当地重视, 尤其是在大量数据的处理方面。 一个优秀的算法可以节省大量的资源。 在各个领域中考虑到数据的各种限制和规范,要得到一个符合实际的优秀算法, 得经过大量的推理和分析。 排序算法稳定性: 假定在待排序的记录序
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——广播机制》 文章目录 一、np与math库比较 二、与单一元素进行运算 三、循环与向量运算比较 一、np与math库比较 使用过
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通—— Numpy运算符|批处理》 在前面几次分享中,我们学习了Numpy的矩阵生成,数据读存、获取、广播机制等,这一次我们进一步学习Numpy的算数运算符以及批处理!
我的课程设计学习——动态LED动态显示屏设计 我的课程设计学习——动态LED动态显示屏设计 最近在做课程设计,选题为动态LED动态显示屏设计,要求使用logisim平台实现一开始本来啥都不会的,可是咱不会可以学呀,年轻最不缺的就是学习能力写这篇文章算是对自己学习的记录,后续的同学如果遇到相同的问题,也可以参考学习加油加油! 要求: (1)汉字编码、汉字字库 (2)图像
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信