matlab的slam代码davis_tracker 关于这个项目 该程序使用来自“事件相机”（例如 DAVIS [1]）的事件来跟踪功能。 首先从原始图像中提取特征。 该项目实施了本文 [2]，并进行了一些修改。 结果 数据集 使用提供的数据集对代码进行了测试以下结果是通过 [3] 中的shape_6dof数据集获得的。 追踪 在此动画中，以平均约 3 个像素的精度跟踪在数据集第一帧中提取的 10 个特征。 目前，出现以下两个问题： 未正确跟踪三角形边缘的 1/10 特征。 另一个特征沿着中间右侧的六边形缓慢移动。 请注意，它们将使用进一步工作中提到的修改进行修复。 活动报名 [2] 这显示了 [2] 中描述的注册序列。 在此动画中，异常值已被移除且未绘制。 传说： -红星-模型点集-蓝色圆圈 - 数据点集-蓝十字-特征位置 地块 跟踪时获得的典型图如下所示。 执行时间处理时间 目前，绘图函数至少占总处理时间的 43%，其中包括优化和删除的子图 2（边缘图）和 3（贴片的近距离视图）。 下图是使用Matlab 配置文件查看器获得的，显示了程序的执行时间。 进一步的工作 添加 [4]

matlab中存档算法代码BIM跟踪器 这是我们的论文“ BIM-Tracker：使用3D建筑模型进行室内定位的基于模型的视觉跟踪方法”的MATLAB实现。 所提供的代码处于测试阶段，有关改进和优化的任何建议均受到欢迎。 如果您使用该代码，请引用我们的论文。 @article{ACHARYA2019157, title = "BIM-Tracker: A model-based visual tracking approach for indoor localisation using a 3D building model", journal = "ISPRS Journal of Photogrammetry and Remote Sensing", volume = "150", pages = "157 - 171", year = "2019", issn = "0924-2716", doi = "https://doi.org/10.1016/j.isprsjprs.2019.02.014", url = "http://www.sciencedirect.com/sci

Pyramidal_Implementation_ Lucas_Kanade_Feature_Tracker_Description_of_the_algorithm

在Unity3D中使用HTC Vive Tracker设备具有以下优点： 直接使用OpenVR API以获得最佳性能 小型图书馆，易于集成到任何项目中 完整的测试场景以了解库的使用 一些来设置Unity3D，SteamVR和Windows，以从您的Vive Tracker获得最佳质量的输出 系统要求 使用Unity3D 2017.4.35f1（也应与较新版本一起使用）为Windows目标平台开发。

PyEyetracker Tobii眼动仪的python界面 用法 将.dll和.pyd文件下载到您的项目python文件夹中 from EyeTracker import init, getBuffer 看一下example.py 要求 Windows 10 Python3.7 32位 Visual Studio 2019 Tobii本机流引擎 开发更多 我只使用了一小部分Tobii提供的SDK。 如果要开发更多功能，此部分可能会有所帮助。 我按照[1]和[2]的代码开发此API。 我的经验是：在Visual Studio中使用Nuget下载Tobii Native Stream Engine。 然后按照[1]的设置进行操作。 参考

检查三角形的类型：等腰、等边、不等边形 在这里试试

Matomo Java追踪器 代码状态 官方Java实现

OHIF医学影像查看器 OHIF Viewer是由提供的零占用空间医学图像查看器。 它是一个可配置和可扩展的渐进式Web应用程序，对支持图像存档具有即用的支持。 | | 关于 OHIF医学影像查看器用于查看医学影像。 它可以从大多数来源和格式中检索和加载图像； 以2D，3D和重建表示形式渲染集； 允许对观察值进行操作，注释和序列化； 支持国际化，OpenID Connect，脱机使用，热键以及许多其他功能。 几乎所有内容都提供了一定程度的自定义和配置。 如果它不支持您需要的东西，我们会接受请求并拥有不断完善的扩展系统。 为什么选择我们 社区与经验 OHIF Viewer是协作的成果，已成为许多现役，生产和FDA Cleared医学成像查看器的基础。 它得益于我们广泛的社区的集体经验，以及个人，研究小组和商业组织的赞助。 专为适应 与许多公司和组织进行了5年以上的整合之后，OHIF Viewer从头开始进行了重建，以更好地满足其许多用户不断变化的工作流程和配置需求。 Viewer的所有核心功能都是使用其自己的扩展系统构建的。 相同的可扩展性使我们能够提供： 2D和3D医学图像查看

实时对象跟踪： 定期获取网络摄像头提要 将 RGB 图像帧转换为 HSV 图像帧 过滤、侵蚀和扩张输入流 对于所有过滤的对象，查找轮廓 近似多边形的轮廓并绘制边界框 使用对象中心和边界框，跟踪对象 棕色钱包： 纸杯蛋糕盒： 绿色李施德林 PocketMist： 蓝绿色瓶盖： 白色火警： 白色贴纸：

OpenCV追踪器 从头开始实现对象跟踪器