VRML技术的使用展示棋盘的运动，各个棋子均可移动，方便课程的利用。

gobangAI AI大作业，实现了棋盘检测，博弈树AI，遗传算法AI，强化学习AI，结果一般

#十六进制 ##什么是十六进制？ Hex 是一种在六边形网格上玩的策略棋盘游戏，理论上具有任何大小和几种可能的形状，但传统上为 11×11 菱形。 ##为什么是十六进制？ 这是大学课程的最终分配项目，重点是面向对象的设计。 我花了大约 8 周的时间。 我的解决方案从所需的项目中得到了许多改进，最显着的变化发生在 GUI 类中； 不过，我们使用了swing 来制作图形，所以这里不能改进太多。 ##How 播放 包含一个 jar 文件。 这应该按如下方式运行： GUI: java -jar Hex.jar gui CLI: java -jar Hex.jar cli ##Cool Things A* AI：该 AI 实施 A* 搜索算法来确定最佳可能路径。 每次调用 getMove() 时，它都会确定该路径是否仍然是最佳路径（意味着其他玩家没有阻止它）。 如果路径被阻塞

棋子 棋盘的 OCR 应用程序 此应用程序的目标是读取图像，检测其中的棋盘并使用 FEN 符号 ( ) 导出它们。 设置东西 virtualenv env source env/bin/activate pip install -r requirements.txt python src/main.py 路线图 完毕 电路板检测 从文件中读取图像 将图像转换为灰度。 考虑到平均图像亮度，转换为黑白。 使用 cv2.findContours 查找轮廓 过滤不相关的轮廓： 面积太小或太大。 高宽比不接近 1。 电路板提取/透视校正 在单独的黑色缓冲区中绘制每个轮廓。 使用标准霍夫变换查找线。 这是迭代完成的，逐渐减小累加器阈值参数，直到恰好有 2 条水平线和 2 条垂直线（具有一定的自由度）。 彼此太近的线将被忽略 使用

Py棋盘放米OJ的题目和答案。 问题描述 相传古代印度国王舍罕要褒赏他的聪明能干的宰相达依尔 （国际象棋发明者）， 问他需要什么，达依尔回答说：“国王只要在国际象棋的棋盘第一个格子里放一粒麦子， 第二个格子里放两粒，第三个格子里放四粒，按此比例以后每一格加一倍，一直放到64格 （国际象棋棋盘是8×8=64格），我就感恩不尽，其他的我什么也不要了，” 国王想：“这有多少，还不容易！”让人扛来一袋小麦，但不到一会儿全用没了， 再来一袋很快又没有了，结果全印度的粮食全部用完还不够，国王纳闷，怎样也算不清这笔账， 请你帮国王计算一下，共需多少粒麦子，写出程序。

连接4 这个小项目实现了。 它有一个人类播放器和一个计算机播放器实现。 使用的实现计算机播放器。 这也是我的第一个 Scala 项目。 我主要是通过的人阅读学习 Scala，我想有一个小项目来尝试我所读的内容并感受一下该语言、IDE 支持、测试……这就是 Connect4 的诞生方式。 随着我的进步，我将更改代码并在 Scala 上变得更聪明。 该项目使用 。 因此，如果您安装了 sbt，您应该能够执行： sbt compile ：编译应用程序。 sbt test:compile ：编译测试。 sbt test : 执行测试。 sbt run : 执行应用程序。 sbt eclipse ：创建 Eclipse 项目文件。 sbt gen-idea ：创建 IntelliJ IDEA 项目文件。

ctf解题脚本-polybius棋盘密码.py

本Demo使用Qt开发，获取分辨率大小，自适应测试整个屏幕，支持64阶灰阶、64阶棋盘、渐变背景颜色切换。

基于OpenCV的张正有标定法（代码+棋盘图）

精确标定能够发挥出聚焦型光场相机在场景重建和非接触测量等方面的作用。而标定精度提升的关键之一在于精确的特征提取算法。为了提升特征检测的精度和效率,提出一种基于原始图的棋盘格角点检测算法。利用稳健的角点检测算子对原始图角点进行检测,并利用二维角点与三维光场圆域特征的对应关系进行角点筛选。然后,利用图像一致性对角点进行亚像素优化。进行了仿真角点检测实验和仿真标定实验,并基于R29聚焦型光场相机得到的重建角点进行了距离测量实验。实验结果表明,所提角点检测算法的精度高于现有算法,并证明了基于所提角点检测方法的标定算法能够得到更加精准的结果。