这个主要介绍了匹配追踪算法，同时有着对匹配追踪复杂度分析

毫米波（mmWave）通信已成为第五代（5G）通信系统中有希望的关键技术，并引起了广泛的关注。 在本文中，我们通过光线跟踪方法检查了室内办公室环境中的60 GHz毫米波通道。 基于几何光学（GO）和统一衍射理论（UTD），光线跟踪方法使用计算机仿真来近似无线电波传播。 非常详细的三维（3-D）环境模型和适当的材料电磁参数可确保基于光线跟踪的仿真的准确性。 将包括功率延迟曲线（PDP）和归一化功率角谱（PAS）的仿真结果与通过空间交替广义期望最大化（SAGE）估计算法处理的信道测量数据进行比较。 在视距（LOS）和非视距（NLOS）场景中，都可以在主要路径的模拟属性和测量属性之间取得良好的一致性。 比较结果表明，光线追踪可以是表征60 GHz信道特性的有用且可靠的方法。

一种利用MATLAB实现的射线追踪算法，估计各种无线系统参数。

Optix SDK 下载 4.1 . 1 Optix 4 现在 自由 使用 在 任何 应用 ， 包括 商业 和 教育 应用 。 为 下载 你 必须 NVIDIA 这些 显影剂 - 。 通过 点击 "Agree & Download"按钮 ， 确认 您 已 阅读 并 同意 遵守 软件 开发者 套件 、 采样 工具 和 许可 协议 用于 封装 的 SDK 使用 。 下载 将 开始 后 立即 点击 "Agree & Download"按钮 下方 。 Windows 7 和 更 高 、 64 位 同意 & 下载 Linux 接受 & 下载 Mac OSX 10.9 或 更 高 接受 & 下载 版本 说明 （ 615kB ， PDF ） 版本 说明 Optix NVIDIA ® ™ 4.1 . 1 ( 2017 年 8 月 ) 欢迎 来到 的 第一个 重大 更新 的 Optix 4 SDK 。 Optix 4 是 发展 中 的 一个 重要 里程碑 Optix ， 完全 重新 实现 的 核心 组件 ， 包括 一个 全新 的 基于 LLVM 编译 流水线 。 重新 设计 内部 已经 酝酿 了 几年 ， 人们 对 更好 的 总体 性能 、 多 GPU 缩放 ， 调试 和 配置 、 以及 其他 特性 。 4 版本 保持 向 后 兼容 现有 的 Optix 应用 提供 的 API ， 易于 使用 Optix 是 已知 的 。 Optix 4 现在 自由 使用 在 任何 应用 中 ， 它 是 私人 或 商业 性质 ， 而 无需 任何 额外 许可 或 批文 。 4.1 版本 是 一个 维护 版本 ， 提供 性能 和 鲁棒性 的 改进 以及 最近 支持 CUDA 和 Visual Studio 版本 。 改进 4.1 . 1 主机 存储器 使用量 减少 场景 的 几何 形状 的 大量 实例 。 固定 一 臭虫 , 其 原始 索引 偏移 被 忽略 ， 如果 一个 仅 包含 单个 geometrygroup geometryinstance 。 把 一 臭虫 固定 在 有 Optix 素数 的 最小 有效 位 的 浮点数 可以 命中 距离 确定性 的 三角形 中 的 一些 场景 ， 根据 其 位置 在 BVH 中 。 所有 样品 使用 Optix CUDA SDK 主要 通过 默认 上下文 。 固定 的 场景 时 许多 材料 共享 geometryinstances 。 固定 内存 泄漏 在 GL Interop 破坏 缓冲器 修正 当 CUDA 计算 高速缓存 有时 没有 踢 中 ， 导致 长 的 编译 时间 。 架构 更新 安装程序 以 在 安装 时 避免 安全 问题 的 SDK 。 改进 到 4.1 . 0 支持 CUDA 8.0 支持 Visual Studio 2015 年 建立 自己 的 SDK 各种 错误 修复 ， 包括 更 坚固 的 节点 处理 复杂 图形 的 变化 在 某些 情况 下 ， 内核 性能 更好 Optix 头 现在 nvrtc 兼容 ， 与 运输 带 运行 时 编译 库 （ CUDA 阅读 更 多 ) 改进 4.0 . 2 新 的 EULA ， 现在 允许 不 受约束 的 在 商业 应用 中 使用 Optix &bra; 黄金 &ket; Optix 和 几个 固定 的 问题 ， 导致 使用 时 故障 trbvh 大 场面 修正 了 一个 问题 ， 可能 导致 不必要 的 呼叫 重建 或 BVH 时 rtcontextsetentrypointcount rtcontextsetraytypecount 但 不 改变 表达式 的 值 修正 了 一个 问题 ， 可能 会 导致 编译 错误 时 使用 的 不同 原子 类型 的 单个 节目 降低 的 存储器 要求 trbvh 当 使用 多个 改进 鲁棒性 Optix 上下文 &bra; 黄金 &ket; 修正 了 一些 在 内存不足 的 情况 下 RT _ 返回 ERROR _ UNKNOWN _ ERROR 代替 RTP 存储器 分配 失败 _ _ _ 改进 4.0 . 1 固定 “ 无效 设备 ” 错误 ， 当 运行 在 某些 情况 下 ， 在 GPU 帕斯卡 修正 了 某些 修改 可以 触发 断言 节点 图 修正 了 CPU 回退 的 trbvh 修正 了 一个 问题 ， 可能 导致 损坏 输出 当 使用 3D 展开 当 使用 固定 的 性能 问题 的 实例 主要 对 Windows Optix 改进 编译 时 启用 Optix 例外 各种 改进 错误 消息 格式 的 半 添加 处理 rtugetsizeforrtfo

关于无人车追踪轨迹，目前的主流方法分为两类：基于几何追踪的方法和基于模型预测的方法，其中几何追踪方法主要包含纯跟踪和Stanley两种方法，纯跟踪方法已经广泛应用于移动机器人的路径跟踪中，网上也有很多详细的介绍，本文主要介绍斯坦福大学无人车使用的Stanley方法。Stanley方法是一种基于横向跟踪误差（cross-trackerror：eee为前轴中心到最近路径点(px,py)的距离）的非线性反馈函数，并且能实现横向跟踪误差指数收敛于0。根据车辆位姿与给定路径的相对几何关系可以直观的获得控制车辆方向盘转角的控制变量，其中包含横向偏差e和航向偏差θe。在不考虑横向跟踪误差的情况下，前轮偏角和

基于dm642的颜色检测法的实时运动人脸跟踪技术

通过kinect ,有关kinect的骨骼追踪代码 分享

这是毕设的程序,包括大津阈值分割,SCHARR滤波器边缘检测,ROI设置,车道检测中用HOUGH进行直线检测,多段折线模拟弯道,以及偏离点检测,及这三部分的跟踪,车辆检测为基于特征检测,采用KALMAN进行跟踪

1-D信号压缩传感的实现(正交匹配追踪法Orthogonal Matching Pursuit)

知网查重率0.6%，技术选型为Linux（树莓派） + 占空比（舵机） + Python（UDP传输 编解码 函数式编程） + Py库 （openCv RPi.GPIO time scoket）