基于点云数据的人体尺寸自动提取是三维人体非接触测量的难点问题，提出一种基于点云数据的人体尺寸自动提取方法。其步骤为：对人体点云去噪并建立标准测量坐标系；给出一种自动分割算法将人体分为6部分；将人体测点分为极值点、局部极限点和一般点3类，在模型分割的基础上给出每类测点的识别算法；最后给出人体测量项目的计算方法。研究结果表明：与传统方法相比，本方法具有全自动、速度快、操作便捷的特点；所提出的测点识别算法和测量项目的计算方法是有效的，在准确率上满足GB/T 23698―2009的要求。

伞齿轮设计参数计算，伞齿轮安装。强度设计。

尺寸链公差叠加分析 尺寸链公差叠加分析 尺寸链公差叠加分析 尺寸链公差叠加分析

利用OpenCV,Face_recognition实现证件照自动人脸扶正、裁剪尺寸、背景更换

批量修改jpg文件尺寸大小，保证不修改jpg文件格式，c#技术将图片按照比例缩放，并且重新绘制图片，并且以jpg格式存储

PCI Express接口卡物理结构图，标准的金手指的尺寸

涡旋视觉 利用计算机视觉自动进行物体检测和尺寸测量。 介绍 该存储库包含main.py，它运行以下任务- 物体检测和测量尺寸。 使用外部校准方法测量物体的尺寸。 安装 $ pip install -r requirements.txt or $ pip install opencv-python $ pip install numpy 执行 设置用于拍摄视频的摄像机，确保其垂直于表面对齐，以便获得非常精确的测量结果。 现在，您应该具有对比鲜明的背景和充足的光线，以便计算机视觉可以更准确地区分对象和背景。 要找出要使用的摄像机ID号，请输入以下命令： $ ls -hal /dev 现在搜索视频“ num”，一旦获得摄像机ID，就可以开始使用了。 开始 在终端中，转到已保存项目的目标目录，然后- $ python3 main.py " camera_id "

用于质量分析的预测模型成为不断提高激光焊接工艺的可靠性，效率和安全性的最关键要求之一。 进行无损质量评估的准确有效模型是该评估的重要组成部分。 本文提出了一种结构化方法，旨在设计一种有效的基于人工神经网络的模型，以预测低碳镀锌钢激光搭接焊中焊缝的尺寸特征。 该建模方法是基于对激光焊接参数（例如激光功率，焊接速度，激光束直径和间隙）对焊缝尺寸特征（例如熔深，顶部表面宽度和界面宽度）的直接影响和相互作用影响进行分析的。 该分析中使用的数据来自根据Taguchi方法进行的结构化实验研究以及基于3D建模和仿真工作的详尽FEM。 使用析因设计，开发，实施和评估了不同的基于神经网络的预测模型。 使用实验数据对模型进行了训练和测试，并辅以3D仿真生成的数据。 结合各种统计工具的保持测试和k倍交叉验证被用于评估激光焊接参数对模型性能的影响。 结果表明，所提出的方法成功地产生了一个一致的模型，该模型提供了可变焊接条件下焊缝尺寸特征的准确和可靠的预测。 最佳模型的三种焊接质量特征的预测误差均低于7％。

完整英文版 IEC 60811-203：2012 Electric and optical fibre cables - Test methods for non-metallic materials -Part 203：General tests - Measurement of overall dimensions（电缆和光缆 - 非金属材料的试验方法 - 第 203 部分：一般试验 - 总尺寸的测量）。IEC 60811-203:2012 给出了测量外形尺寸的方法，适用于所有类型的电缆，圆形和扁平电缆。IEC 60811-203:2012 取消并替代 IEC 60811-1-1:1993 中的 8.3，已被撤销。IEC 60811-100:2012 的附录 A 中显示了替换的完整细节。

纯弹性碰撞。