诸葛大神的透视变换教程原理的论文 首先分析图像，得到每一行上赛道边线或中线的坐标，如此得到一列离散点列 每一个点有一个横纵坐标，单位为像素，根据感光阵列的大小（若干毫米）将坐标变换到实际摄像头上，单位变为米,根据每个点的X、Y坐标计算出Z（深度）将每个点的坐标代入逆透视变换公式中得到实际坐标系下的坐标.

基于深度学习的图像识别，介绍了目前行业最新的深度学习算法，R-CNN等，分析的很全面

由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.

是一篇关于机器人双目立体视觉测距技术研究与实现，对于做双目立体视觉的同学有帮助，希望对大家有用

最新完整英文版IEEE Std 802.15.4z-2020IEEE Standard for Low-Rate Wireless Networks--Amendment 1: Enhanced Ultra Wideband (UWB) Physical Layers (PHYs) and Associated Ranging Techniques（IEEE低速率无线网络标准-修订1：增强型超宽带（UWB）物理层（PHY）和相关的测距技术）。 该修正案增强了HRP和LRP UWB PHY以及相关的测距技术。 增强领域包括附加的编码和前导选项，对现有调制的改进以增加测距测量的完整性和准确性，以及附加的信息元素定义以促进测距信息交换。 该修正案定义了MAC更改以支持这些PHY增强功能。 传输距离的典型范围可达100米。

MATLAB的单目视觉车辆测距技术研究