实现粒子滤波视觉目标跟踪(PF)、卡尔曼粒子滤波视觉目标跟踪(KPF)、无迹粒子滤波视觉目标跟踪(UPF)。它们是本人这两年来编写的核心代码，用于实现鲁棒的视觉目标跟踪，其鲁棒性远远超越MeanShift(均值转移)和Camshift之类。用于实现视觉目标跟踪的KPF和UPF都是本人花费精力完成，大家在网上是找不到相关代码的。这些代码虽然只做了部分代码优化，但其优化版本已经成功应用于我们研究组研发的主动视觉目标跟踪

p5js-gravity-simu 牛顿定律模拟器，默认为太阳系

ParticleDesigner的windows版

Unity3d游戏特效 卡通效果 Confetti Particle Systems1 免费更新.

MATLAB模拟粒子散射代码带有硬件加速图形输出的二维矢量化等离子体细胞内模拟代码 已经开发出了C / C ++中的二维等离子单元内粒子模拟代码，并将其矢量化到具有硬件加速图形输出的图形处理单元（GPU）中。 该仿真可以交互运行，在实时模式下，使用OpenGL渲染可显示仿真当前状态的实时图形；在批处理模式下，可以计算大量平均数据并将其输出到文本文件中，以导入到应用程序（例如Matlab）中。 此外，可以在运行结束时转储保存模拟当前状态的数据文件，并可以选择在以后的模拟开始时读取这些文件，以选择上一个模拟停止的位置。 此功能在批处理和交互模式下均可用，因此用户可以灵活地以批处理模式运行仿真，直到感兴趣的时间点，然后以图形模式从该状态重新启动以进行实时动态观察。 指示 一世。 要求 Windows操作系统（最好是Windows 10） 图形处理单元（GPU）。 Visual Studio 2019 在GPU上运行OpenCL的能力。 该代码已在以下系统上经过测试。 具有以下GPU的Windows 10：名\u79f0='NVIDIA\nCUDA'供应\u5546='NVIDIA\nCorporation'版本='

Gmapping SLAM原始论文《Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters》，大家可以详细阅读，有需要的可以下载。同时可以参照博客https://blog.csdn.net/i_robots/article/details/108308676

粒子图像测速技术的新发展和最新应用，PIV领域的权威著作

Multi-Objective Particle Swarm Optimization (MOPSO)多目标的粒子群算法，包括完整的matlab程序以及实验结果。

粒子过滤器 粒子滤波器的预测和更新步骤以定位差速驱动模型车辆 文件描述main.py 初始化地图 每个时间戳将编码器和激光雷达数据同步到FOG数据 从Particle_filter.py运行prediction（） 从particle_filter.py运行update（） 从map_update.py运行update_map（） particle_filter_prediction.py particle_filter_prediction（）-粒子过滤器预测步骤的功能 particle_filter_update.py particle_filter_update（）-用于粒子过滤器更新步骤的函数 map_update.py update_map（）-更新地图的功能 resample_particles.py resample_particles（）-用于重新采样粒子过

Unity3d特效 消散挥发特效包 Hayate Particle Turbulence1.3a