以下我将以一个实际的硬件设计项目为例，和大家一同探讨硬件开发的基本准则和思想，同时欢迎大家积极提出自己的问题和观点。

LTC2756概述: LTC2756 是一款 18 位乘法串行输入、电流输出数模转换器。在未做任何调节的情况下，LTC2756A 在整个温度范围内提供了完整的 18 位性能 (±1LSB INL 和 DNL 最大值)。所有的性能等级均保证了 18 位单调性。另外，该器件还提供了压控偏移和增益调节功能；而且，上电复位电路和 CLR 引脚均把 DAC 输出复位至 0V，而这与输出范围无关。 基于LTC2756 18位数模转换器电路特点: 最大 18 位 INL 误差:在整个温度范围内为 ±1LSB 可通过编程或引脚搭接提供 6 种输出范围:0V 至 5V、0V 至 10V、–2.5V 至 7.5V、±2.5V、±5V、±10V 在整个温度范围内可保证单调 干扰脉冲:0.4nV•s (3V)，2nV•s (5V) 18 位稳定时间:2.1μs 2.7V 至 5.5V 单电源操作 对于所有代码基准电流保持恒定 电压控制型偏移和增益修整 具所有寄存器回读功能的串行接口 清至 0V 和上电复位至 0V (这与输出范围无关) 28 引脚 SSOP 封装 基于LTC2756 18位数模转换器电路 PCB 3D截图: 附件内容截图:

初学或很久没用altium会不知道如何调整PCB的尺寸大小，就是黑色区域，白色区域可以不用理

基于A*算法实现在2D和3D环境下的路径寻优。python实现

目标跟踪和碰撞时间估计 这是Udacity传感器融合纳米度的第二个项目。 我融合了来自KITTI数据集的相机和LiDAR测量值，以检测，跟踪3D空间中的物体并估算碰撞时间。 首先，我用YOLOv3处理图像以检测和分类对象。 下图显示了结果。 基于YOLOv3发现的边界框，我开发了一种通过关键点对应关系随时间跟踪3D对象的方法。 接下来，我使用了两种不同的方法来计算碰撞时间（TTC），分别是基于LiDAR和基于相机的TTC。 环境的结构由主要讲师Andreas Haja构建。 基于LiDAR的TTC 我通过使用齐次坐标将前车的3D LiDAR点投影到2D图像平面中。 投影如下图所示。接下来，我将3D LiDAR点分布到相应的边界框。 最后，我根据不同帧的对应边界框中最接近的3D LiDAR点计算了TTC。 基于摄像头的TTC 我使用检测器/描述符的各种组合来找到每个图像中的关键点，并在

这个是传人记买的资料，可以直接在这个基础上增加修改即可自己做软PLC，程序网络上一大把，直接移植一下就可以简单跑起来了，喜欢的可以下载学习参考一下，还是比较有参考价值的，单片机使用的是100脚的stm32f103。

RRT算法三维无人机路径规划（matlab）

上冯 UnrealEngine的3D导航插件 引擎版本：Master经过4.25测试。 至少应向后兼容4.20，请参阅先前快照的分支，但请注意，功能并未向后移植。 请查看以获取更多信息

输入电流值、温升和铜的厚度等参数，可计算出所需的导线宽度

PCB线宽和电流计算工具.xls