Realtime Planar Reflections 1.5是一款基于unity引擎做的地面反射插件，增强环境效果，让你的场景显得更加真实可靠。

IMU_dataset 使用工业机器人作为地面真相的惯性和磁传感器的各种测试的matlab数据集，由@ Escola Superior de Tecnologia eGestão的InstitutoPolitécnicode Leiria开发。 数据集和测试的注意事项 该存储库旨在提供一些融合算法评估阶段收集的数据集。 无需在市场上可以找到的参考传感器上就可以比较出融合算法在恶劣动态环境中的性能，而无需事先了解由运动引起的磁场干扰或线性加速度。 使用工业机器人进行了测试，该机器人可以获取IMU单元在15 Hz时的方向和位置，从而建立了地面真相。 所有传感器信号均以100 Hz采样，并通过两个MRF24J40 Microchip模块之间的自定义无线协议与PC相连。 两个信号在Matlab时间内同步。 使用8种不同的传感器，以6种不同的速度在4条不同的路径上进行了测试。 运行Tes

科傻地面控制系统(免狗)直接运行cosawin

使用非平稳 Kanai-Tajimi 模型模拟地面加速度记录。 非平稳地面加速度记录基于郭等人的论文中提出的例子进行模拟。 [3] 我找到了很好的解释。 但是，该方法本身较旧，参见例如 [1, 2]。 此外，目前提交的文件还包含一个 Matlab 函数，用于将非平稳 Kanai-Tajimi 模型拟合到地面加速度记录。 拟合程序 (lsqcurvefit) 需要优化工具箱。 然而，可以替代地使用其他功能。 这里通过 filtfilt 函数使用信号处理工具箱。 任何改进代码的评论、问题或建议都受到热烈欢迎。 参考 [1] Lin, YK, & Yong, Y. (1987)。 演化的 Kanai-Tajimi 地震模型。 工程力学杂志，113（8），1119-1137。 [2] Rofooei, FR, Mobarake, A., & Ahmadi, G. (2001)。 使用非平稳

地上碳储量（AGC）的定量对于可持续森林管理和缓解气候变化的政策建议很重要。 传统的地面植被调查方法已被用来提供用于估计AGC储量的数据，但是受时间不足和通常成本过高的限制。 即使没有充分利用这种机会，遥感结合少量地面收集的数据也有可能改善森林资源评估的潜力。 在这项研究中，我们通过结合从51个永久性树苗样地收集的地面调查数据与Landsat 5专题制图仪图像得出的归一化植被指数（NDVI）相结合来绘制AGC。 在监督分类的训练阶段将两个数据源进行了链接。 总体分类精度为98％，这表明可以通过组合中等分辨率的卫星图像和少量地面样本来对大面积AGC进行可靠的估算。

PCAT点云标注工具-使用手册 演示项目，请自行魔改 这是开源版本： Author: WenwenDu TEL: 18355180339 E-mail: 1455112695@qq.com 影片教学： https://v.youku.com/v_show/id_XNDYxNjY4MDExMg==.html?spm=a2h0k.11417342.soresults.dtitle https://v.youku.com/v_show/id_XNDYxNjY4MDI5Mg==.html?spm=a2hzp.8244740.0.0 一，配置使用环境及安装 配置要求：ubuntu16.04 + ROS Kinetic full 注意：请务必保证系统使用原生python2.7，在使用Anaconda2的情况下，请在~/.bashrc环境变量中临时关闭Anaconda2,避免冲突。（如果你长期使

输入是转向角（度） 输出是侧滑角 (beta) 和偏航率 (r) 参数有车辆质量、前后轮侧偏刚度、重心位置等

此函数使用 Jaccard 系数 (JC) 计算两个图像之间的相似性度量。

利用OMI NO2卫星遥感数据，分析了2006年5月至2008年8月上海市NO2对流层柱浓度，提出了由对流层柱浓度计算NO2地面浓度的方法。由上海市徐家汇区实地观测的近地面NO2浓度数据，结合全球大气化学传输模式MOZART-2，得到经过订正的近地面NO2浓度，并与柱浓度计算得到的NO2地面浓度进行了对比。结果显示，由柱浓度计算得到的NO2地面浓度与实地观测NO2地面浓度月平均数据相关性为R2=0.88，表明计算得到的NO2地面浓度与实地观测一致性较好，能够准确反映地面污染情况，由卫星遥感NO2对流层柱浓

中国标准数字地面电视中重要仿真代码 可实用化的