-
在室內(nèi)環(huán)境中可結(jié)合式子母機器人系統(tǒng)，子機為一多功能平臺，可放置各種家庭所需之設(shè)備，而母機為一輪式機器人，經(jīng)由兩者的結(jié)合，可提供高機動性與多功能的服務(wù)。在結(jié)合的技術(shù)面，傳統(tǒng)的吸塵器機器人與充電站之間的導(dǎo)航系統(tǒng)使用紅外線感測作為依據(jù)，當兩者間有障礙物阻擋時，紅外線感測器導(dǎo)航系統(tǒng)將會失效。因此本系統(tǒng)利用聲源方向做為機器人決定移動方向的依據(jù)，由於聲波傳遞的特性，即使在有障礙物的情況下，依然可以有效地偵測。此外，在移動的過程中，本系統(tǒng)利用光流偵測法判斷是否遭遇障礙物或是利用Support Vector Machine分類判斷與聲源之間為是否有障礙物的阻隔；若發(fā)現(xiàn)前方有障礙物，則啟動避障策略，用有效的方式繼續(xù)往目標移動。最後，當母機接近子機時，可根據(jù)多種紅外線感測器資訊進行子母機器人的結(jié)合，結(jié)合成功後，母機將可搭載子機成為一自由行動之機器人。
標簽：
系統(tǒng)
上傳時間：
2013-12-19
上傳用戶：mhp0114
-
矩陣中的每一個元素稱為像元、像素或圖像元素。而g(i, j)代表(i, j)點的灰度值，即亮度值。
由于g (i, j)代表該點圖像的光強度（亮度），而光是能量的一種形式，故g (i, j)必須大于零，且為有限值，即： 0＜=g (i, j)＜2n。
用g (i, j)的數(shù)值來表示(i, j)位置點上灰度級值的大小，即只反映了黑白灰度的關(guān)系。
數(shù)字化采樣一般是按正方形點陣取樣的，
標簽：
元素
矩陣
像素
圖像
上傳時間：
2013-12-22
上傳用戶：lunshaomo
-
void Knight(int i , int j)
{
// printf("％d ％dn",i,j)
if (board[i][j] != 0 || i < 0 || i >= Size || j < 0 || j >= Size )
{
return
}
step++
board[i][j]=step
if (step == Size*Size)
{
showboard()
system("PAUSE")
return
}
//DFS
Knight(i-2,j-1) //left
Knight(i-2,j+1)
Knight(i+2,j-1) //right
Knight(i+2,j+1)
Knight(i-1,j-2) //up
Knight(i+1,j-2)
Knight(i+1,j+2) //down
Knight(i-1,j+2)
//
board[i][j]=0
step--
}
標簽：
int
Knight
printf
board
上傳時間：
2014-01-17
上傳用戶：cxl274287265
-
NSA2860是一顆高集成度的用于阻式或者電壓型傳感器例如阻式壓力傳感器，熱電偶，RTD等傳感器信號調(diào)理和變送輸出的專用芯片。由于NSA2860集成度較高，應(yīng)用場合多樣性，本文將詳細介紹其硬件外圍電路，使用戶能夠有針對性的了解各種典型應(yīng)用。
標簽：
nsa2860
上傳時間：
2021-11-22
上傳用戶：
-
AT89C2051驅(qū)動步進電機的電路和源碼:AT89C2051驅(qū)動步進電機的電路和源碼 程序:stepper.c stepper.hex/* * STEPPER.C * sweeping stepper's rotor cw and cww 400 steps * Copyright (c) 1999 by W.Sirichote */＃i nclude c:\mc5151io.h /* include i/o header file */ ＃i nclude c:\mc5151reg.hregister unsigned char j,flag1,temp; register unsigned int cw_n,ccw_n;unsigned char step[8]={0x80,0xc0,0x40,0x60,0x20,0x30,0x10,0x90} #define n 400/* flag1 mask byte 0x01 run cw() 0x02 run ccw() */main(){ flag1=0; serinit(9600); disable(); /* no need timer interrupt */ cw_n = n; /* initial step number for cw */ flag1 |=0x01; /* initial enable cw() */while(1){ { tick_wait(); /* wait for 10ms elapsed */energize(); /* round-robin execution the following tasks every 10ms */ cw(); ccw(); } }}cw(){ if((flag1&0x01)!=0) { cw_n--; /* decrement cw step number */ if (cw_n !=0) j++; /* if not zero increment index j */ else {flag1&=~0x01; /* disable cw() execution */ ccw_n = n; /* reload step number to ccw counter */ flag1 |=0x02; /* enable cww() execution */ } }
標簽：
C2051
2051
89C
AT
上傳時間：
2013-11-21
上傳用戶：boyaboy
-
算法介紹
矩陣求逆在程序中很常見，主要應(yīng)用于求Billboard矩陣。按照定義的計算方法乘法運算，嚴重影響了性能。在需要大量Billboard矩陣運算時，矩陣求逆的優(yōu)化能極大提高性能。這里要介紹的矩陣求逆算法稱為全選主元高斯-約旦法。
高斯-約旦法（全選主元）求逆的步驟如下：
首先，對于 k 從 0 到 n - 1 作如下幾步：
從第 k 行、第 k 列開始的右下角子陣中選取絕對值最大的元素，并記住次元素所在的行號和列號，在通過行交換和列交換將它交換到主元素位置上。這一步稱為全選主元。
m(k, k) = 1 / m(k, k)
m(k, j) = m(k, j) * m(k, k)，j = 0, 1, ..., n-1；j != k
m(i, j) = m(i, j) - m(i, k) * m(k, j)，i, j = 0, 1, ..., n-1；i, j != k
m(i, k) = -m(i, k) * m(k, k)，i = 0, 1, ..., n-1；i != k
最后，根據(jù)在全選主元過程中所記錄的行、列交換的信息進行恢復(fù)，恢復(fù)的原則如下：在全選主元過程中，先交換的行（列）后進行恢復(fù)；原來的行（列）交換用列（行）交換來恢復(fù)。
標簽：
算法
矩陣求逆
程序
上傳時間：
2015-04-09
上傳用戶：wang5829
-
有N個城市，編號為0、1…N-1，每個城市之間的路徑長度保存在二位數(shù)組a中，如a[i][j]表示城市i與城市j的路徑長度。求某個城市到其余城市的最短路徑。
標簽：
城市
上傳時間：
2014-01-05
上傳用戶：徐孺
-
HMM(Hidden Markov Model)，狀態(tài)數(shù)目N=3，觀察符號數(shù)目M=2，時間長度T=3。
(a) Probability Evaluation: 給定狀態(tài)轉(zhuǎn)換機率A、狀態(tài)符號觀察機率B、和起始機率 ，求觀察序列 出現(xiàn)的機率。
(b) Optimal State Sequence: 給定狀態(tài)轉(zhuǎn)換機率A、狀態(tài)符號觀察機率B、起始機率 、和觀察序列 ，求一個狀態(tài)序列 使得O出現(xiàn)的機率最大。
(c) Parameter Estimation: 給定狀態(tài)轉(zhuǎn)換機率A、狀態(tài)符號觀察機率B、起始機率 、和觀察序列 ，求新的A、B、 ，使得O出現(xiàn)的機率最大。
標簽：
Hidden
Markov
Model
HMM
上傳時間：
2014-08-28
上傳用戶：heart520beat
-
車牌定位－－－VC++源代碼程序
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。
4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。
5.用自定義模板進行中值濾波
區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區(qū)域裁剪,截取車牌圖像。
標簽：
1.24
256
圖像
閾值
上傳時間：
2013-11-26
上傳用戶：懶龍1988
-
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。
4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。
5.用自定義模板進行中值濾波
區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區(qū)域裁剪,截取車牌圖像。
標簽：
Gmax-G
1.24
Gmax
閾值
上傳時間：
2014-01-08
上傳用戶：songrui
