Geo.Library-.NET的2D地理空间库 Geo 2D库可读取/写入wkt / wkb / geojson并进行交集，并集，差等计算。 支持点，多点，多边形，多面体。 努吉特 Install-Package GeoLibrary -Version 1.1.0 支持几何类型 观点 多点 LineString 多边形 多多边形 特征 WKT支持 从WKT字符串读取 写入WKT字符串 GeoJson支持 从GeoJson字符串读取 写入GeoJson字符串 WKB支持 从WKB十六进制字符串读取 写入WKB十六进位字串 几何运算 交叉口检查 点与点 点和多点 多点和多点 点和多边形（点是否在多边形内） MultiPoint＆Polygon（是否任何点在多边形内） 相交 点与点 点和多点 多点和多点 联盟 点与点 点和多点 多点和多点 点特殊功能 IsBetweenLinear：

配置点到点N×64kbit/s业务 项目描述 两个网元NE1和NE2之间有4个64kbit/s的业务需要传送，接口协议采用V.35 协议。 点对点N×64kbit/s业务组网配置如图1所示。 图1 点对点N×64kbit/s业务  数据规划 N×64kbit/sDDN业务通过DM12接口板的DDN串口接入，在DX1支路板对DDN业务进行汇聚和处理，通过SDH侧网络进行透明传输，从而实现与远端节点交互。 NE1和NE2网元分别需要4×64kbit/s时隙传输DDN业务,64kbit/s时隙分配如表1所示。 表1 64kbit/s时隙分配 网元 单板 源E1 源时隙范围 宿E1 宿时隙范围 NE1 5-N1DX1 DDN9 1-4 2M-1 1-4 NE2 5-N1DX1 DDN9 1-4 2M-1 1-4 按照4×64kbit/sDDN业务需求，在传输时可以进行下列配置： 在SDH网络侧进行传输时占用NE1和NE2网元间SDH链路上1号VC-4的1号VC-12时隙（VC4-1:VC12-1）。 在PDH接口侧进行传输时占用SDH_TU-65通道。 在设置时钟跟踪源时采用本地2M系统时钟

一张张图片复制到幻灯再手动缩小太麻烦了，做了一个快速制作检查整改幻灯模板，点插入-相册-编辑相册，点文件/磁盘选择图片，点更新，点菜单栏视图-宏，运行adjust，图片自动缩小到边框，然后压缩图片，写上备注，文字框可以从最下面的一张幻灯复制上来再编辑，删掉不用的首页末页，保存成pptx完工。

移动通信领域-Android系统-通信埋点-埋点规划框架设计

map-applet 微信小程序开发实战项目 实现的功能点： 调用微信内置api获取当前经纬度坐标； 通过经纬度坐标，使用讯位置服务逆解析成详细地址； 地图marker标注； marker多点定位； 仿滴滴可拖动marker点； 搜索列表、搜索历史记录、搜索地点定位； 定位移动复位到当前位置； 实时显示定位详细地址信息； 登录、登出功能； 打卡功能； 个人中心； ...继续更新中... 开发步骤 1.利用微信内置地图api获取并显示当前位置经纬度坐标； 2.通过坐标，使用第三方地图api--腾讯位置服务逆解析成详细地址； 3.搜索框，可搜索地点、公交、地铁等； 4.搜索列表的展示； 5.搜索目标定位； 6.左下角悬浮标，点击可使定位移动到当前位置（悬浮按钮：当地图中心点偏离当前位置的时候，可以设置按钮，使当前位置为地图中心点）； 7.多点定位（多个marker点标记）； 8.打卡功能 9.

计算一组或两组点的距离矩阵。 （返回所有点对之间的点对点距离，类似于统计工具箱中的 PDIST，对于那些没有它的人） 描述：计算点之间的成对距离矩阵A 和 B，使用 {euclidean,cityblock,chessboard} 方法之一输入： A -（必需）MxD 矩阵，其中 M 是 D 维中的点数B - （可选）NxD ​​矩阵，其中 N 是 D 维中的点数如果未提供，默认情况下 B 设置为 A METHOD -（可选）字符串，指定以下距离方法之一： 'euclidean' 欧几里得距离（默认） 'taxicab','manhattan','cityblock' 曼哈顿距离“ chebyshev”，“ chessboard”，“ chess” Chebyshev距离'grid','diag' 对角网格距离输出： DMAT - A 和 B 中点之间成对距离的 MxN 矩阵用法： dma

随着支持SIP 的客户端软件和智能多媒体终端会越来越多。本文档按照一个实用电话的模拟设计思路, 实现了一个基于SIP 协议的IP 电话的软件模型。软件的开发环境为Window s 2000 平台, 开发工具采用Visual C+ + 6

针对无任何预知信息下的散乱点云数据配准问题，提出了一种基于点云法向量信息的自动配准算法。根据点云局部法向量的变化提取特征点，通过比较特征点的直方图特征向量获得初始匹配点对；使用随机抽样一致性（RANSAC）算法，根据刚性距离约束条件得到精确匹配点对；利用四元素法计算得到初始配准参数，采用改进的最近点迭代（ICP）算法对点云精确配准。实验结果表明了此方法的有效可行性。

高级计算机网络的各种知识点及题库，郑州大学李向丽版高级计算机网络所用

通过配置OpenCV，在VC6.0下实现双目立体匹配，包括基于稀疏点、密集点的匹配及其重建。