GMS：基于网格的运动统计信息，可实现快速，超鲁棒的功能对应
Bian等人C ++实现。
基于网格的运动统计是一种通过运动平滑封装来改善特征匹配质量的方法。 基于ORB特征匹配，平滑度约束表示为每个单元格匹配频率的统计似然性。 结果显示了实时和非常强大的功能对应。
ORB特征点（2000）
GMS之后
ORB特征点（2000）
GMS之后
跑步
此实现需要
mkdir build && make
./GMS
2021-12-26 11:26:28
23.06MB
1
动态手势识别作为人机交互的一个重要方向，在各个领域具有广泛的需求。相较于静态手势，动态手势的变化更为复杂，对其特征的充分提取与描述是准确识别动态手势的关键。为了解决对动态手势特征描述不充分的问题，利用高精度的Leap Motion传感器对手部三维坐标信息进行采集，提出了一种包含手指姿势和手掌位移的特征在内的、能够充分描述复杂动态手势的特征序列，并结合长短期记忆网络模型进行动态手势识别。实验结果表明，提出的方法在包含16种动态手势的数据集上的识别准确率为98.50%；与其他特征序列的对比实验表明，提出的特征序列，能更充分准确地描述动态手势特征。
2021-12-25 22:11:53
721KB
1
局部RRT路径规划matlab代码运动计划
Python
用于几种路径规划算法的Python代码位于文件夹中。
让我们来看几个例子。
为了熟悉人工势能场（APF）算法，请执行以下操作：
jupyter-notebook
python_src/adaptive_formation/GradientBasedPlanning.ipynb
基于实时势场的具有动态或静态障碍物的机器人编队避障方法。
python
python_src/adaptive_formation/gradient_interactive.py
快速探索随机树（RRT）算法的路线图和路径构建：
python
python_src/rrts/main_rrt2D.py
在3D环境中：
python
python_src/rrts/3D/rrt3D.py
这里的RRT节点和边缘用蓝色表示，从树中检索到的路径是绿色，而橙色曲线是缩短的轨迹。
分层计划器（RRT
+
APF）
以RRT作为全局路径构造器和APF的分层计划器的示例负责局部轨迹的创建。
该算法不仅提供给自我车辆，而且还提供给一组机器人。
用于基于RRT
+
APF算
2021-12-25 22:04:37
99.12MB
1
需要输入： 1) 时间段（模拟发生的时间段） 2) 粒子数
该程序在给定的时间段内跟踪微小粒子的运动。
2021-12-24 03:15:59
1KB
1
Brownian Motion Fluctuations, Dynamics, and Applications
2021-12-24 03:12:24
25.21MB
1
最新的SDK开发包，leap motion 3.2.0，可用于开发虚拟现实、深度图开发等多个领域，该SDK支持多种语言，可根据开发需求自选
2021-12-23 19:13:32
36.96MB
1
#ofxLeapGestures
这是一个正在进行中的附加程序，用于使用Leap Motion控制器和手势识别工具包（GRT）训练和识别手势。
我们在动画系统上所做的工作促进了它的发展。
将来，它可能会成为GRT的通用包装，并支持许多其他设备！
要求
您需要安装 。
不用担心获得GRT，它与该插件捆绑在一起！
2021-12-21 10:09:53
1.24MB
1