搜索资源列表
wireless
- 无线传感器自组织成簇的基本思想是通过簇首对簇内节点间的相关信息融合及转发机制减少数据的传输量和距离，从而降低通信能量，达到网络节能的目的。
下一代互联网2020(word)
- 和世界其他地区一样，欧洲意识到互联网在驱动社会经济发展中的作用越来越大。在过去短短的几年时间里，互联网已经使欧洲各方面发生了巨大改变。到了2009年，没有业务能在缺乏网络的情况下有效进行。许多欧洲企业在运用互联网方面走的更远，他们从根本上改变了自己做生意的方式，充分利用在线渠道来生产产品。个人生活方面，每个欧洲人，不管是年轻的还是年长的，都充分享受到社交网络带来的机遇和乐趣。我们通过网络工作，通过网络购物，通过网络学习，通过网络娱乐，甚至在网络中创建社区。而且这其中的一些服务已经搬到了移动设备上
ImageRegistration.rar
- 基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、
mpu-6050
- MPU-6000（6050）为全球首例整合性6轴运动处理组件，相较于多组件方案，免除了组合陀螺仪与加速器时之轴间差的问题，减少了大量的包装空间。MPU-6000（6050）整合了3轴陀螺仪、3轴加速器，并含可藉由第二个I2C端口连接其他厂牌之加速器、磁力传感器、或其他传感器的数位运动处理(DMP: Digital Motion Processor)硬件加速引擎，由主要I2C端口以单一数据流的形式，向应用端输出完整的9轴融合演算技术-MPU-6000 (6050) is the world'
matlab-4
- 图像融合的目的把来自多传感器的数据互补信息合并成一幅新的图像,以改善图像的质量。图像融合最简单的理解就是两个（或多个）图像间的相加运算。这一技术广泛应用于多频谱图像理解和医学图像处理等领域。主要分为空域和频域相加。-The purpose of image fusion from multiple sensor data to complement the information merged into a new image to improve image quality. The simp
QIM
- 无理想图像的情况下，通过几幅传感器图像的数据，给出检测融合效果指标。-The case of non-ideal image, the image sensor through the pieces of data, given the detection of fusion targets.
An-autonomous-intelligent-gateway
- 描述了一种全自动的智能网关用于葡萄业的种植。传感器采集葡萄种植园的温湿度等上传于网关，网关经过简单的数据处理和融合通过无线网络上传到远程监控中心。-Describes a fully automatic intelligent gateway for the cultivation of the grape industry. The sensors collect temperature and humidity of the vineyard upload gateway, gateway
MPU-6000 and MPU-6050
- MPU-6000（6050）整合了3轴陀螺仪、3轴加速器，并含可藉由第二个I2C端口连接其他厂牌之加速器、磁力传感器、或其他传感器的数位运动处理(DMP: Digital Motion Processor)硬件加速引擎，由主要I2C端口以单一数据流的形式，向应用端输出完整的9轴融合演算技术InvenSense的运动处理资料库，可处理运动感测的复杂数据，降低了运动处理运算对操作系统的负荷，并为应用开发提供架构化的API。
D-S-matlab
- 融合多个传感器多个周期的数据，最终做出决策 matlab实现DS信息融合-Integration of multiple sensors multiple cycles of data,and make the final decision at last
iNemo_M1_Applications
- iNemo_M1_Applications，这款ST公司的九轴传感器，数据读取，姿态结算，融合。很全的一个工程，刚刚测试通过。-iNemo_M1_Applications, this ST s nine-axis sensor, data read, posture settlement, integration. It is full of a project, just test.
optical-flow-navigation
- 针对小型无人机在无卫星导航信号条件下的导航问题, 结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法. 文章使用补偿角速率的光流微分法计算帧间像素点小位移, 并用前后误差算法提取精度较高的点, 避免像素点跟踪错误, 提高了光流测速的精度 对得到的光流场用均值漂移算法进行寻优, 得到光流场直方图峰值, 以此计算光流速度. 本文提出了无累积误差的连续地标定位算法, 实时测量无人机位置. 通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计. 在
代码
- 图像配准的过程中两种或两种以上的图像重叠了在不同的同一个场景倍,从不同的观点和/或不同传感器。这两images-the区域的几何参考和感觉到图像。目前图像之间的差异,介绍了因不同成像条件。图像配准的一个决定性的步骤所有图像分析任务在最后的信息结合了各种各样的数据能源,如在图像融合、变化检测和多通道形象得到恢复。通常,必须注册在多光谱遥感分类、环境监测,变化检测图像拼接、天气预报、创造超分辨率图像、整合信息到地理信息系统(GIS)),结合医学计算机断层扫描(CT)、核磁共振数据获得更完善的信息,如