【路径规划】基于蚁群的三维路径规划matlab源码
2023-03-08 19:31:53 7KB
1
平面设计实习报告全文共12页,当前为第1页。平面设计实习报告全文共12页,当前为第1页。 平面设计实习报告全文共12页,当前为第1页。 平面设计实习报告全文共12页,当前为第1页。 平面设计实习报告   (1)在版面的文字的排列方面:从文字的大小;字体的外形变化,字体笔行变化;字体外行的变化,排列的变化慢慢改进。通过改变字体外部结构特征,笔形的特征;字体笔画间的疏密关系;或对部分笔画进行放大缩小以及改变字的中心,使字体显得新颖别致,在排列上打破常规的字体排列顺序,使字体从而具有更强烈的视觉冲击力。   (2)在广告的色彩运用方面:依据广告对象属性的用色原则,对不同的消费者做出不同的色彩视觉信号,比如:公司设计的"爱国者MP3  (3)场地域特征的用色原则,针对不同国家和地区的广告设计,还有民族习俗的关系,在图形的设计和色彩的运用上也有所考虑。为了有效的突出设计主题和广告的表现力,在安排图色与底色上,注意了调整图案和底色的色彩关系,将纯度,明度,色度的颜色用于品牌的文字、标识、图形等主体要素中。在整体统一局部活泼的用色原则上,在广告版面的设计中,注意广告的主体色调和局部的色相对比的关系
2023-03-08 17:58:53 47KB 文档资料
1
由于测距原理不同,相位式地面三维激光扫描仪相较于脉冲式具有测量精度高、测程短的特点。文中以Z+F IMAGER 5010C相位式地面三维激光扫描仪为试验对象,从距离入手,对其内、外符合精度进行了计算分析,并研究了此扫描仪用于变形监测的适用条件。结果表明:Z+F IMAGER 5010C扫描仪的测量精度随着距离的增加而降低;内符合精度要优于外符合精度;内符合精度分析结果表明,在设置靶标用于扫描数据配准的作业方式下同时开展高程、水平方向的监测,扫描仪距离扫描对象控制在30 m之内,可进行三级变形监测;外符合精度分析结果表明,借助全站仪测量靶标中心点坐标用于扫描数据配准的作业方式下同时开展高程、水平方向的监测,扫描仪距离扫描对象的距离控制在20 m之内,亦可进行三级变形监测。
1
基于张正友平面标定法的摄像机标定及GUI实现,魏巍,刘绕龙,本文首先对标定的概念以及相关基础知识做了阐述,分析了实验所用CCD摄像机的硬件配置和相关参数,然后介绍了几种常用的摄像机标定
2023-03-04 11:09:07 341KB 摄像机标定
1
一种改进三维模型检索系统界面的方法,刘旋,李文生,三维模型检索系统的出现为三维模型的复用提供了方便,但是目前的三维模型检索系统的界面还存在输入方式较为复杂以及查看结果的方
2023-03-03 21:31:26 461KB 三维模型检索系统
1
1引言1.1 编写目的本文档是结构光三维重建软件 V1.0 针对用户所进行的用户手册,在本文档中我们通过对结构光三维重建系统(包含硬件设施与软件两个部分)的需求
2023-03-03 10:29:36 1.58MB 软件/插件
1
1. 编写一个平面绘图板程序,程序运行时主框架上有“文件”、 “绘图”、“绘图设置”、和“帮助”四个菜单。“文件”菜单中包含创建位图、打开位图文件、存储和退出选项;“绘图”菜单中包含直线、圆形、矩形、三角形等菜单选项;“绘图设置”菜单中包含画笔颜色选择、画笔宽度选择选项;“帮助”菜单中包含帮助和关于选项。“创建位图”在用户窗口内创建一个新的位图;“打开位图文件”在用户窗口内打开一个已存在的位图;“存储”可以把编辑后的位图保存在磁盘文件中。“绘图”菜单用以在打开的位图中绘制图形,单击直线时,可以用鼠标左键在窗口内任意选取两个位置,然后用直线相连;单击“圆形”、“矩形”和“三角形”菜单项时,系统在“画图”菜单后建立一个相应的动态菜单,菜单中包括“绘制图形”、“移动图形”、“放大”、“缩小”、“重绘”等选项。当单击“绘制图形”时,利用“右箭头”键可以将图形长度增大;单击“左箭头”键时可以将图形长度减小;单击“下箭头”键时,可以将图形的高度增大;单击“上箭头”键时,可以将图形的高度减小。当选择“移动图形”时,单击箭头键,可以将图形向相应方向移动。单击“放大”、“缩小”选项时,可以将图形放大或缩小。单击“重绘”菜单选项时,重新开始绘制图形。“绘图设置”菜单用来改变绘图时画笔的颜色和线宽。帮助菜单的帮助选项提供在线帮助(主要是各菜单项的说明);关于选项则打开一个对话框显示如下文本: 软件开发技术(2012)期末作业
2023-03-01 20:11:32 46KB 平面绘图板
1
基于ArcGIS的地下管线三维虚拟仿真研究与实现
2023-03-01 17:29:51 2.22MB ArcGIS 地下管线 三维虚拟
1
为了在函数空间内将多个三维模型进行关联,并在整个模型簇上进行协同分割,提出了一种基于点云稀疏编码的三维模型簇协同分割方法。首先,提取点云数据特征,将三维信息转换至特征空间;其次,用深度学习网络将特征向量分解成基向量,并构建字典矩阵及稀疏向量;最后,对测试数据进行稀疏表示,并确定点云模型中每个点所属的类别,将同类点划分到同一区域以得到协同分割结果。实验结果表明,算法在ShapeNet Parts数据集上的分割准确率达到了85.7%。所构建的协同分割算法能够有效地计算模型簇的关联结构,与当前主流分割算法相比,分割效果和准确率均得到提升。
2023-02-28 17:32:59 3.98MB 机器视觉 协同分割 模型簇 稀疏编码
1