PID自适应的灯光调节控制代码，包括控制灯光的亮度、色温，采用PID增量算法

银光 :light_bulb: 屏幕截图 仪表盘 灯具编辑器 在频道模式之间选择 完全配置您的用户界面 提供高级设置 支援的介面 它是什么？ AGLight是用于控制DMX灯光的直观软件。 您可以通过拖放添加不同的小部件来自己构建用户界面。 带有物理推子和显示屏的控制台的构建说明即将发布。 Electron Angular App将通过dmx Universe发送到不同的设备。 这是使用出色的库完成的。 您可以在此处查看所有受支持的设备。 特征 通过拖放创建自定义UI 使用强大的OpenFixtureLibrary 使用3D可视化工具预览场景（开发中） 支持以下USB接口： 所有artnet设备，例如EnttecODE BeagleBone-DMX 所有DMX4ALL设备，例如“ NanoDMX USB接口” 所有带有“ Enttec USB DMX Pro芯片”的设备，例如“ DMXKi

Unity light probes are an important part of every scene. It provide the transmission of direct, indirect and reflected light from light sources in mixed and baked modes to dynamic objects. The accuracy of lighting dynamic objects on the scene largely depends on how correctly the light probes are placed. Magic Light Probes is an editor extension that is designed to help you arrange your light probes in the automatic mode as quickly and correctly as possible. The main goal of the tool is to automatically install the probes exactly where they are needed – shadows borders, sharp changes in the color of textures, transitions from well-lit areas to dimly lit, corners and intersections of geometry, edges of geometry, ledges, breaks, sharp descents, two-sided geometry (to prevent leaks through walls, floors and ceilings). In addition, the modes of uniform filling of the entire volume and vertical duplication for particularly difficult cases are supported. This tool can guarantee that: – No probes will be located inside the geometry, no matter how complex it is, convex or concave. This is very important, because even in the simplest case of manually arranging probes by simple duplication, you will inevitably encounter probes within the geometry. – With high accuracy, light probes will be installed at corners and intersections of the geometry. In corners, as a rule, the light intensity is lower, therefore, in order to properly illuminate a dynamic object when approaching such places, it is necessary to install probes there. – Depending on the settings, the system will try to place the probes in the most contrasting places (errors are not excluded) It is guaranteed to be pretty fast in most cases.In addition to email and the forum, the Discord channel is available to you, where you can receive answers to any questions in real time. Features: – Automatically check for updates – Workflow selection Simple (quick and easy); Advanced (slower and more accurate) – Quick editing o

关键传输技术（5）——非正交多址接入技术 1G 2G 3G 4G 正交多址接入技术 已有通信标准都采用正交接入技术 SNR1=20dB（强用户）, SNR2=0dB（弱用户） 正交接入方案一般来说是次优的，仅在C点达到和容量最大，但是在该点，用户2(弱用户)获得的速率很小，因此对弱用户而言不公平。 最优容量区域 正交方案可达速率区域 利用正交多址无法保证容量最优和用户公平

交通灯分类器 这个仓库是一个简单的模块（仅取决于OpenCV软件包），用于识别交通信号灯（红色，黄色或绿色）。 大多数代码来自 ，修改内容在“ Traffic_Light_Classifier.py”中列出。 相依性 Python3 OpenCV 安装 要准备环境，它需要安装上面列出的相关程序包。 我们使用创建一个示例： conda create --name traffic_light python=3.5 -y conda activate traffic_light pip install opencv-python 快速开始 在所需的python环境中，克隆存储库，然后运行“ demo.py”。 git clone https://github.com/WangLiwen1994/traffic_light.git cd traffic_light python demo.p

交通信号灯的检测和分类模型 训练 为了开始训练，您可以启动bash脚本或直接使用trainer.py 模型 用于训练的模型是来自Torchvision的Faster RCNN模型。 该模型预测边界框，然后进行分类。 因此，该模型仅获得用于评估的图像。 该分数用于评估为mAP。 数据 我使用了来自数据。 借助脚本utils/create_balanced_dataset.py 。 我试图获得一个平衡的data_set，因为只有很少的图像带有包围交通灯的关闭框或黄色。 因此，我首先在每个图像上添加了这样的边界框，然后添加了剩余图像。 但是，每个交通信号灯类别最多出现1000次，因此类别之间的平衡是稳定的，而不会增加用于训练过程的图像。 可能的调整 对于前兆的有意义的置信度度量或通常包括不同的预测分数。 我只使用了pytorch模型中的默认掠夺分数，以便评估模型的性能 添加用于注释图像的脚本，以

Light Scattering by Particles in Water.pdf

BH1750: Arduino库，用于包含BH1750FVI IC的数字光传感器分接板

用STM32F103C8T6控制的光照度测量（BH1750），直接串口输出光照度

红绿灯交通学习 需要做的事情： 安装FLOW框架-https: 安装SUMO- //sumo.dlr.de/docs/Downloads.php或遵循FLOW安装 然后，将custom_traffic_light_env.py放入envs文件夹（/ flow / flow / envs）下的FLOW文件夹中。 通过添加以下内容来修改envs文件夹的init.py： 从flow.envs.custom_traffic_light_env导入CustomTrafficLightEnv， CustomTrafficLightPOEnv，CustomTrafficLightTestEnv，CustomTrafficLightBenchmarkEnv 全\u90e8='CustomTrafficLightEnv'，'CustomTrafficLightPOEnv'，'CustomTrafficLig