2.1 基基基本本本原原原理理理 因为R是一种编程语言，一些对编程不太熟悉的人可能会望而却步。这种 障碍其实是完全没有必要，首先，R是一种解释型语言，而不是编译语言，也 就意味着输入的命令能够直接被执行，而不需要像一些语言要首先构成一个 完整的程序形式(如C，Fortan, Pascal, . . . )。 第二，R的语法非常之简单和直观。例如，线性回归的命令lm(y ~ x) 表 示“以x为自变量，y为反应量来拟合一个线性模型”。合法的R函数总是带有 圆括号的形式，即使括号内没有内容(如,ls())。如果直接输入函数名而不输 入圆括号，R则会自动显示该函数的一些具体内容。在本手册中除在部分文字 已作出清楚的说明外，所有的函数后都接有圆括号以区别于对象(object)。 当R运行时，所有变量，数据，函数及结果都以对象(objects)的形式存 在计算机的活动内存中，并冠有相应的名字代号。我们可以通过用一些运算 符(如算术，逻辑，比较等)和一些函数(其本身也是对象)来对这些对象进行操 作。运算操作非常简单，其细节将留在下章讨论(p. 26). 关于R中的函数可用 下面的图例来形象的描述： arguments −→ options −→ function ↑ default arguments =⇒result 上图中的参量(argument)可能是一些对象(如数据，方程，算式. . . )。有 些参量在函数里被预设为缺省值，用户则可按需对其作个别的修改。所以运 行一个R函数可能不需要设定任何参量，原因是所有的参量都可以被默认为缺 3

作为计算机视觉中的重要主题之一，移动车辆分割引起了研究人员的极大关注。 但是，动态场景中的干扰运动对象阻碍了鲁棒的检测。 在本文中，我们解决了动态场景中移动车辆分割的问题。 基于动态背景和运动车辆的独特运动特性，我们提出了一种用于运动车辆分割的自适应运动直方图。 所提出的算法包括两个过程：自适应背景更新和基于运动直方图的车辆分割。 在自适应背景更新过程中，我们利用了场景的光照变化，并提出了一种新的背景演化方法。 在基于运动直方图的车辆分割过程中，根据场景中的运动信息来维护和更新自适应运动直方图，然后根据所保持的运动直方图来检测运动中的车辆。 典型场景的实验结果证明了该方法的鲁棒性。 定量评估和与现有方法的比较表明，该方法提供了很多改进的结果。

计算机视觉三维场景重建源代码，包含sift算子影像匹配，RANSAC算法，光束法平差等经典算法

leapmotion手势交互控制安装包,面向win10系统 安装包名称：leap_motion_installer_release_public_win_x86_1.0.7_7648_ah744

针对入室盗窃、非法入侵等违法犯罪行为的预防和调查取证，提出了一种基于Motion算法移动图像监控系统。该系统通过USB图像采集模块采集图像，开源的Motion算法实现了对采集到的图像进行比较，当相邻图像差异超过设定的阈值则判定为移动图像，RT5350处理中心将移动图像进行存储同时通过串口向STM32发送开启报警命令来开启报警，当超过设定时间间隔未检测到移动图像则通过串口向STM32发送关闭报警命令来关闭报警，Web客户端通过基于HTTP协议的Lighttpd服务器查看RT5350处理中心存储的图像。经多次测试系统运行稳定并且采集到移动图像时能开启报警，同时能通过Web客户端查看存储的移动图像，当超过设定的时间间隔未检测到移动图像时能关闭报警。

弹性波领域开创性的经典教材之一，可以结合Achenbach和Rose等的教材一起看，可以增加对固体中的弹性波学习效果，对弹性波理论研究，利用弹性波进行无损检测等都具有很好的帮助，希望对你有用。

使用数值方法求解机器人运动计划，以解决最佳控制问题。 规划可以采用运动学约束（例如位置、速度、加速度、加加速度边界）、动力学约束（例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制，甚至扭矩变化率限制），以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物：“机器人运动规划的高效轨迹优化”，Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka，ICARCV 2018。 有关可用演示的列表，请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包：chebfun、CasADi。 包中包含的其他依赖项（STLRead 和 STLWrite）

A Spatio-temporal Transformer for 3D Human Motion Prediction

SAGE算法代码matlab 运动补偿 CL Chen、L. Hermans、MC Viswanathan、D. Fortun、M. Unser、A. Cammarato、MH Dickinson 和P.拉姆迪亚。 该代码仅供科学或个人使用。 如何安装 安装MIJ库（）：复制MATLAB的java文件夹下的ij.jar和mij.jar文件（应该是/path/to/MATLAB/java/jar/ ，例如： /usr/local/MATLAB/R2018a/java/jar/ ）。 请注意，它需要 MATLAB Compiler 和 Parallel Computing Toolbox（都可以通过 MATLAB 安装程序安装） 克隆存储库： git clone https://github.com/NeLy-EPFL/motion_compensation 输入： cd motion_compensation 使用目录中的以下命令编译深度匹配代码： cd code/external/deepmatching_1.2.2_c++_mac/或cd code/external/deepmatc

Depth from Camera Motion and Objection Detection 算法和数据理论部分翻译