https://blog.csdn.net/Ocean111best/article/details/103323216#comments_12821959 对应的实验数据

SPECCPU 2017 整型测试程序的命令行，从代码中抠出，用于单独运行benchmark进行实验

读取JSON Lines文件单独读取每个对象为字典，合并形成数组后保存为JSON文件

Volumetric Lines 3.1.0

networkMap V1.0 访问https://blog.csdn.net/qq_32442967/article/details/93712083 查看详细使用方法及拓扑图样式 监听点击事件，触发函数，可直接访问后端接口，支持自适应

车道线检测 --- 项目概况 1.1目标 该项目的目标是使用OPENCV（计算机视觉）和Python开发一种算法，该算法可以检测和跟踪视频中的车道边界。该管道是为以下情况而设计的： 查找道路上的线以获得静态图像 在道路上找到视频线 填补道路标记中的任何空隙 用颜色填充线之间的空间 1.2依赖关系 Python 3.x NumPy Matplotlib（用于图表绘制和可视化图像） OpenCV 2.管道 管道中涉及的步骤如下： 2.1格雷＆坎尼 将图像转换为灰色 使用Canny获取线条的边缘 2.2作物 使用多边形裁剪图像以获取图像中的道路 2.3添加行 进行霍夫变换 通过计算直线的斜率并取平均值来绘制填充间隙的直线 填补线之间的空白 2.4输出 3.当前管道的潜在缺陷 该算法无法处理尖锐的曲线 该算法不适合处理不良的道路标记和遗漏线 道路眩光不是车道线的一部分会混淆

检测汽车 该项目是一篇硕士论文，包括对使用Python和OpenCV API检测汽车和公路线的调查。 该代码可供任何希望使用和修改的人免费使用。 ## UTPL ###教授： 罗德里戈·巴尔巴（Rodrigo Barba） ＃＃＃学生们： 马塞洛·布拉沃（Marcelo Bravo） Galo Celly 尼古拉斯·厄利（Nicholas Earley） 系统要求 i3或更好的处理器。 速度越快越好，尤其是在高视频分辨率下。 2 GB或更多RAM。 至少100 MB可用磁盘空间 Windows 7或更高版本，OS X 10.8或更高版本（仅在10.9上经过测试），Linux 3.0+ 安装 首先，应该安装以下库： 版本2.4.10+ 2.7.9（或任何更高版本的Python 2.x）（） 1.9.2+ 0.15.1+ 现在，使用以下选项之一下载并解压缩此存储

7th-gen-core-family-mobile-u-y-processor-lines-i-o-datasheet-vol-2.pdf

HALCON算子函數Chapter 8： Lines

Particle Lines v2.0.2