投影仪散焦技术克服了实时光栅投影三维测量中的投影仪非线性问题，但散焦产生的高次谐波会大大降低散焦光栅的正弦性，带来明显的测量误差。提出了采用“S”形扫描Sierra Lite抖动算法生成二值抖动光栅，较大地改善了散焦后光栅的正弦性，将该抖动技术生成的散焦光栅用于传统的相移算法，基于投影仪散焦投影，得到用于三维测量的绝对相位信息。仿真结果验证了该方法的有效性，改善了散焦光栅的正弦性，提高了相位质量。实际测量实验与仿真结果相一致。与已有的Bayer有序抖动和Floyd-Steinberg抖动生成的光栅相比，所提算法运算速度快，生成光栅正弦性较好，更加适用于散焦投影测量。

gsl-lite ：适用于C ++ 98，C ++ 11的准则支持库 元数据 建造 套餐 在线尝试 gsl-lite是最初基于的的实现。 内容 依存关系 安装及使用 版本语义 在库中使用gsl-lite 配置选项 特征 弃用 报告与 建立测试 其他GSL实施 注释和参考 附录 用法示例 # include < gsl> int * use ( gsl::not_null< int> p ) { // use p knowing it's not nullptr, NULL or 0. return p; } struct Widget { Widget () : owned_ptr_( new int ( 42 ) ) {} ~Widget () { delete owned_ptr_; } void w

x-lite 最新版,直接安装就可以,设置简单,非常适合开发使用.

Elastic-job-lite-console-2.1.4 下载完成后，解压到当前目录，打开bin目录，在linux执行shart.sh，在windows下执行start.bat，就可以访问http://localhost:8899 打开Elastic-job的管理端，默认用户名密码root/root 或者guest/guest，需要配置zk地址，和命名空间后才能继续使用。

本标准重拾双栈模式并介绍双栈精简版(Dual-Stack Lite)技术，该技术较好地平衡了在服务提供商网络中部署IPv6的成本和收益。通过结合两个熟知的技术：IP in IP(IPv4-in-IPv6)和NAT(Network Address Translation)，Dual-Stack Lite使宽带服务提供商能够在用户间共享IPv4地址。 目录 第1章 序言 第2章 关键词使用 第3章 术语 第4章 部署方案 4-1 接入模式 4-2 用户驻地设备 4-3 直接连接的设备 第5章 B4单元 5-1 定义 5-2 封装 5-3 分段和重组 5-4 AFTR发现 5-5 DNS 5-6 接口初始化 5-7 熟知的IPv4地址 第6章 AFTR单元 6-1 定义 6-2 封装 6-3 分段和重组 6-4 DNS 6-5 熟知的IPv4地址 6-6 扩展的绑定表 第7章 网络考虑 7-1 隧道化 7-2 多播考虑 第8章 NAT考虑 8-1 NAT池 8-2 NAT 一致性 8-3 应用层网关 8-4 共享全球IPv4地址 8-5 端口转发/保持流量 第9章 致谢 第10章 IANA考虑 第11章 安全考虑 第12章 参考文献 12-1 标准类参考文献 12-2 信息类参考文献 附录A 部署考虑 A-1 AFTR服务分发和横向扩展 A-2 横向扩展 A-3 高可用性 A-4 记录 附录B 举例 B-1 基于网关的架构 B-1-1 举例中的消息流 B-1-2 转换细节 B-2 基于主机的架构 B-2-1 举例中的消息流 B-2-2 转换细节

Android和树莓派上的TensorFlow-Lite对象检测 展示如何训练TensorFlow Lite对象检测模型并在Android，Raspberry Pi等上运行它们的指南！ 介绍 TensorFlow Lite是用于在资源受限的边缘设备上部署轻量级深度学习模型的优化框架。 TensorFlow Lite模型具有更快的推理时间和更少的处理能力，因此可用于在实时应用程序中获得更快的性能。 本指南提供分步说明，说明如何训练自定义TensorFlow对象检测模型，如何将其转换为TensorFlow Lite可以使用的优化格式以及如何在Android手机或Raspberry Pi上运行它。 该指南分为三个主要部分。 每个部分在此存储库中都有其自己的专用README文件。 如何在Windows 10上训练，转换和运行自定义TensorFlow Lite对象检测模型<---您在这里！

设计定制的AXI从属外设 使用Xilinx Vivado工具创建自定义AXI-lite从属外围设备的指南 这是一份针对希望在Xilinx嵌入式处理器系统中设计自己的AXI4-lite从属外设的用户的应用笔记。 该版本的应用笔记是使用为。 此信息同样适用于使用AXI4互连的其他Xilinx板和体系结构。 提供的示例代码是为编写的。 会费 提供了代码示例供您使用，但是请随时通过拉请求以通常的方式将自己的代码贡献回该存储库。 请从此存储库中派生，然后在您的派生中创建一个适当命名的分支，然后再提交回此存储库。 请不要从您的“主”分支提交拉取请求。 代码的每个新添加项都应属于其自己的已提交分支。 谢谢。

官网下载太慢，好不容易下载下来的分享给大家，以后会持续更新树莓派官网最新轻量版系统。如果需要桌面版的或者其他版本的欢迎留言，我会提供

一个很好用的虚拟光驱软件 daemon4304-lite

OcrLiteAndroidNcnn Project下载 有整合好源码和依赖库的完整工程项目，文件比较大，可到Q群共享内下载，找以Project开头的压缩包文件 如果想自己折腾，则请继续阅读本说明 Demo APK下载 编译好的demo文件可以到Q群共享内下载 或者 介绍 Chineseocr Lite Android Ncnn Demo，超轻量级中文OCR Android Demo，支持ncnn推理 (DBNet+AngleNet+CRNN) 把onnx模型格式转为ncnn格式，并使用ncnn推理框架进行OCR识别。 代码和模型均源自chineseocr lite的onnx分支 详情请查看 采用ncnn神经网络前向计算框架 说明 封装为独立的Library。 Native层以C++编写。 demo app以Kotlin-JVM编写。 Android版与其它版本不同，包含了几个应用场景，