NULL 博文链接：https://jxdwuao.iteye.com/blog/510349

行业资料-交通装置-一种判断列车在行进中丢失车辆的方法及装置.zip

第十六届全国大学生智能车竞赛总决赛获奖证书-全向行进

多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.

智能车圆环入口识别摄像头代码！

钢铁行业周报：商品曲线式行进.pdf

纯matlab 快速行进法用于路径规划，运行之前先运行mex 成功之后运行main

Matlab版的电磁波传播，2020新版电磁场实验源码，.m文件，能直接出结果。简单直观，是非常不错的一个范例。学习电磁场的时候最困难的就是无法理解电磁场空间分布状态，这个程序能帮助我们更好地理解电磁波的传播特性。

快速行进算法（fast marching）完整的运行部分和函数输入变量的说明。采用了三种Fast Marching方法，包括传统的一阶fast marching方法、二阶msfm方法、和matlab工具箱方法。文档说明可参考博客：https://blog.csdn.net/lusongno1/article/details/88409735。

不仅可以看到电磁波行进的具体过程，还可以分别观测电场分量和磁场分量