基于DEM数据和ETM+遥感影像,在ArcScene环境下实现太原市三维地表实景的可视化。对比不同波段彩色合成图像的可视化效果,表明标准假彩色合成影像的三维地表实景效果良好。二维地形模型和三维实景模拟结果可为区域城市规划、经济发展、土地利用、工程施工、灾害防御等提供参考。

solidworks格式，包含75个零件文件和装配体文件，完整的爬墙机器人模型，可修改参数，可二次开发

三维模型的显示和浏览

基于MATLAB的刚度法三维桁架矩阵分析[J]. 您可以获得位移、反作用力和成员力。

本作品搭建了基于stm32f4的三维旋转显示平台，它的显示原理属于三维显示中的体三维显示一类。

本文提出了一种改进三维网格分割算法性能的新方法。我们的方法以一个三维网格对象和一个分割算法作为输入。我们的方法使用马尔可夫随机场(MRF)估计，对于每个网格顶点，顶点位于分割边界的可能性。这是通过重复一个过程来完成的，在这个过程中，我们扰动3D网格数据，并使用提供的算法重新分割表面，然后分析所提供的分割边界的变化。我们的MRF使用这些分割作为数据来估计每个顶点是分割边界成员的可能性。在MRF中加入先验，鼓励解满足平滑条件。结合似然和先验来生成位于分割边界上的网格顶点的后验分布。然后将改进后的分割作为最大化一个后验分布的顶点集合，称为MAP-MRF估计。给出了2种不同输入算法和3种不同输入面的分割结果，并给出了分割改进的定量措施。该方法可以应用于许多分割算法，以改善结果，否则可能遭受分割过或欠分割。 ———————————————— 版权声明：本文为CSDN博主「佩佩想做程序猿」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_46559411/article/details/124349928

点云三维坐标点 旋转矩阵 推导流程

matlab三维张量分解代码DTF：预测抗癌药物协同作用的深层张量分解 这些是代码和数据，主要用于该项目，该项目使用深张量因子分解来预测抗tic子药的协同作用。 我在这里使用的唯一数据集是38种药物和39种细胞系的药物协同作用数据，这些数据是根据ONeil等人的研究得出的。 为了实现DTF模型，首先，我使用R预处理原始数据以构建张量，然后将其用于Python和MATLAB 。 对于某些特定的细胞系，对相同的药物对进行了多次实验。 为了构建三维（3D）药物-细胞-细胞系张量，我们对相同药物-药物对的这些分数取平均值。 结果张量在data_sets文件夹中提供。 为了在matlab中分解张量，我使用和。 张量分解的结果以因子矩阵的形式提供。 python代码主要涉及如何根据Matlab的输出生成特征，并给出了构建最终DTF模型以对缺失药物组合进行预测的代码。 注意，为了方便编程，将每种药物组合编码为一个索引。 具体来说，我使用公式：drug_A_index + drug_B_index * 38 + cell_line_index * 38 * 38来编码药物组合。 因此，我可以解码索引以

英国 Renishaw公司三维激光扫描仪 Merlin 介绍PPT，适合无人船，智能化测量，水上水下一体化地形地貌探测仪

双目立体视觉中的核心部分，利用AD-census算法实现立体匹配