nipplejs是一开源的

调用opencv的库可以将x,y坐标直接标记在数组中，然后将数组转换成opencv的mat图片就可以将轨迹非常快的画出来非常方便。#include#include#include#include#include#include#include#include#include"sensor_model.h"#include"occ_grid.h"#include#includeusingnamesp…

opoenCv中的Mat的数据类型是可以通过指针以ptr的形式来索引或者遍历的。第一种方法  cv::Matimage=cv::Mat(400,600,CV_8UC1);//宽400，长600  uchar*data00=image.ptr(0);上边表示的第一行第1个像素的指针。uchar*data10=image.ptr(1);上边表示第2行第1个像素指…

圆的的中心为（x0,y0）,半径为R.圆的方程，，当坐标满足sqrt((x-x0)^2 + (y - y0)^2 )遍历点的时候不能都遍历整个图像。而应该遍历以长度也就是边长为2R的正方形的所有像素这样更节省时间。

根据左右轮子的编码数转换成轨迹，然后在opencv的图片上将轨迹traj描出来。data.txt部分如下第3和第4为左右轮子的编码数。0,0,128,54,105,60,60,469,4960,0,130,170,103,60,60,469,4960,0,132,555,555,60,60,470,4960,0,134,555,555,60,60,469,4960,0,135,169,555,60…

输入：接收控制指令速度V和角速度W（v,w）--单位m/srad/s必要时反馈当前机器人速度CV和角速度CW通常我们把机器人的旋转中心的坐标系叫做机器人坐标系，机器人相对于上电时刻（0,0,0）原点的位姿叫做里程计坐标系。我们的主要问题是如何获得机器人的里程计数据，即机器人相对运动的轨迹（x,y,th）。然后我们看坐标(x,y)，这个要抽象点，分三步：第二步：将此增量转换成里程计坐标系下的&nbs…

本章介绍如何使用正态分布的概率完成mapping正态分布的参数定义正态分布表达式中有两个参数，即期望（均数）μ和标准差σ，σ2为方差。正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N(μ,σ2)。μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值…

opencv3.2提供贝叶斯的api比较简单，不像svm那么多。贝叶斯只有三行就可以PtrnBayes=NormalBayesClassifier::create();cout

这是一个细分的识别，打算通过svm和结合HOG特征将五类花卉进行识别，花卉分别是daisy小兰花，dandelion蒲公英，roses玫瑰花，sunflowers向日葵，tulips郁金香。意在尝试通过改变setc值和gamma值查看其准确率。名称种类标签值中文名称daisy1兰花2.dandelion2蒲公英3.roses3玫瑰花4.sunflowers4向日葵5.tulips5郁金香通过&nb…

之前练习了svmhog分类ministi数字集，效果不是很好，先记录一篇有帮助的文章。1：KNN最近邻算法简单理解：从数据集中找到距离当前样本最近的k个样本，投票决定当前样本类别，这里k一般为奇数。不好的地方就是每次预测都要用整个数据集来进行距离计算，慢并且存储大，假设有10亿样本的话，就自己脑补吧。knn=cv.ml.KNearest_create()knn.train(train,cv.ml.…