这是目前Unity可用的最完整的本地化系统。 支持 Unity UI、Unity 2D、TextMesh Pro、NGUI、2D ToolKit、SVG导入程序、标准组件 本地化 图像、文本、声音、字体、精灵、地图、前缀、文本网格、下拉列表等。 -------------------------------------------------------------- This is currently the most complete localization system available for Unity. Supports Unity UI, Unity 2D, TextMesh Pro, NGUI, 2D ToolKit, SVG Importer, Standard Components Localizes Image, Text, Sounds, Fonts, Sprites, Atlases, Prefabs, TextMeshes, Dropdowns and more.
2022-10-09 09:06:23 1.89MB unity3d I2 I2Localization 本地化
1
dw1000-定位
2022-09-15 16:53:54 1.84MB raspberry-pi arduino localization positioning
1
ADS-B飞行本地化 该项目将指导您从数据检查和预处理开始,一直到根据众包的空中交通管制通信数据为飞机本地化设计端到端应用程序。 该数据集是由OpenSky Network和Cyber​​-Defence Campus-armasuisse Science and Technology推动的飞机本地化竞赛的一部分。 它包含由大型传感器网络收集的ADS-B传输,并带来以下挑战: 卷-对内存中不适合的数据执行数据预处理和ML模型训练, 速度-实时数据预处理,预测和可视化, 准确性-接收器不同步,传感器的定位不正确, 价值-执行数据预处理和预测分析以获取见解-预测飞机当前坐标和高度, 品种-从嵌套在表内的JSON数组中提取数据。 为了确保我们的应用程序满足可伸缩性和性能要求,我们将必须使用适当的技术。 以下是将要使用的工具: 使用Apache Spark和Modin进行分布式数据预
2022-09-06 19:34:21 73.84MB JupyterNotebook
1
该项目的目的是开发和测试新颖的路径规划算法,该算法使用云和边缘计算资源的容量进行控制,满足时间和安全性约束。 该实验旨在揭示对本地和远程计算之间权衡的见解,并将导致新的决策机制接近最优,快速且节能。
2022-08-17 17:18:13 319KB raspberry-pi opencv localization path-planning
1
格文斯 GVINS:紧密耦合的GNSS-视觉-惯性融合,用于平稳一致的状态估计。 GVINS是一个基于非线性优化的系统,该系统将GNSS原始测量结果与视觉和惯性信息紧密融合在一起,可进行实时和无漂移状态估计。 通过合并GNSS伪距和多普勒频移测量,GVINS能够在复杂环境中提供平稳且一致的6自由度全局定位。 系统框架和VIO部分改编自 。 我们的系统包含以下功能: ECEF帧中的全局6自由度估计; 多星座支持(GPS,GLONASS,Galileo,北斗); 在线本地-ENU帧对齐; GNSS不友好甚至是GNSS被拒绝的地区的全球姿态恢复。 1.先决条件 1.1 C ++ 11编译器 该软件包需要C ++ 11的某些功能。 1.2活性氧 该程序包是在环境下开发的。 1.3本征 我们的代码使用进行矩阵处理。 1.4立方米 我们使用 1.12.0来解决非线性优化问题。 1.5 gns
2022-08-02 16:23:17 2.9MB localization gnss slam sensor-fusion
1
I2 Localization 2.8.9 f1(u5.4.3).unitypackage Unity3D的本地化工具。可用于海外版本的翻译工具
2022-07-18 17:08:59 1.21MB I2 Localization Unity3D
1
Introduction to tdoa localization
2022-07-18 14:01:15 229KB tdoa localization
全网最低分供下载,供学习
2022-07-16 21:04:57 1.8MB I2Localization unity本地化 unity多语言
1
一个深入的分步教程,用于使用来自robot_localization 的扩展卡尔曼滤波器节点实现传感器融合!这里解释了协方差和卡尔曼滤波器等基本概念! 本教程特别有用,因为还没有一个完整的端到端实现教程,用于使用 robots_localization 包进行传感器融合。 您可以在示例实现文件夹中找到实现! 为什么要融合传感器数据 很多时候,机器人应用程序中的单个导航堆栈组件可能会经常失败,但它们一起形成了一个更强大的整体。 一种方法是使用robots_localization包中的扩展卡尔曼滤波器。该软件包具有一个相对简单的 ROS 界面,可帮助您融合和配置传感器,这就是我们将要使用的! 更多详情、使用方法,请下载后阅读README.md文件
2022-07-13 18:08:20 7.9MB 设计 文档 教程
Extended Kalman Filter for robot localization, mapping, SLAM. Matlab 仿真机器人应用扩展卡尔曼滤波器localization, ma
2022-07-12 09:14:03 19KB 仿真机器人 Matlab 卡尔曼滤波器