matlab三维动态心形代码 奇怪的吸引子 在P. Ramsden博士的指导下，开发了MATLAB代码以在伦敦帝国学院进行计算动力系统的本科研究项目。 （2017年夏季）。 Project尝试并成功找到了准周期驱动Duffing振荡器中存在非混沌，奇异吸引子的证据。 能力总结 解决准周期驱动的Duffing振荡器（实际上可以适应几乎任何相似的ODE） 查找振荡器解决方案的频谱 通过Lyapunov指数确定具有特定参数集的系统是否混乱 通过在2维和3维（2个空间和1个颞侧）中进行Poincare切片来创建（估计）吸引子 用3种不同且有用的方法来计算此类吸引子的分形维数。 要求和安装 Matlab 2017a或更高版本（较旧的版本可能会起作用，请检查其有关“唯一”之类的功能的文档，尤其是有关逻辑数组的文档） 只需通过Mathworks安装Matlab 将所有.m文件分叉并将​​其克隆到您的MATLAB工作目录中，甚至更好地克隆到您的Matlab中 或者，您可以通过Internet浏览器使用，这不是理想的但可用的。 在这种情况下，必须使用Matlab驱动器 （注意：Matlab不是开源的，因

这是北卡的Pollefeys教授的两篇经典文章，文章介绍了基于图像序列重建三维物体的基本思想，对研究三维重建的朋友很有帮助

读取文件根据三维坐标显示点云数据并可进行放大、缩小、旋转一定等简单的交互操作

OpenSceneGraph三维 渲染引擎设计与实践-高清版本-带完整书签-免费下载

Astar三维,astar官网,matlab源码.zip

david lowe的三维识别算法，模块化程序实例讲解sift三维物体识别。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：MATLAB 三维点云重建 程序源码.zip 资源类型：程序源代码 源码说明： 基于MATLAB编程实现三维点云的重建（sfm），包含完整代码和注释，非常适合借鉴学习 适合人群：新手及有一定经验的开发人员

We develop a system for 3D object retrieval based on sketched fea- ture lines as input. For objective evaluation, we collect a large number of query sketches from human users that are related to an existing data base of objects. The sketches turn out to be gener- ally quite abstract with large local and global deviations from the original shape. Based on this observation, we decide to use a bag- of-features approach over computer generated line drawings of the objects. We develop a targeted feature transform based on Gabor fil- ters for this system. We can show objectively that this transform is better suited than other approaches from the literature developed for similar tasks. Moreover, we demonstrate how to optimize the pa- rameters of our, as well as other approaches, based on the gathered sketches. In the resulting comparison, our approach is significantly better than any other system described so far.

在MFC环境下调用3D模型,并通过键盘或者鼠标的控制在三维空间中运动.

三维旋转拼接matlab代码该任务的目标是实施稳健的单应性和基本矩阵估计 记录通过2D或3D投影变换分隔的图像对。 1对图像拼接 第一步是编写代码以将一对图像拼接在一起。 对于这一部分，您将继续工作 与以下一对（单击图像以下载高分辨率版本）： 1.加载两个图像，将其转换为两倍和灰度。 2.在两个图像中检测特征点。 您可以使用哈里斯拐角检测器代码harris.m 提供或您作为HW 2的一部分开发的Blob检测器。 3.提取两个图像中每个关键点周围的局部邻域，然后简单地通过以下方式形成描述符 将每个邻域中的像素值“展平”为一维向量。 试用dif- 不同的邻域大小，以查看哪种方法效果最好。 如果您使用的是拉普拉斯探测器，请使用 检测到的特征比例尺来定义邻域比例尺。 4.计算一个图像中每个描述符和另一图像中每个描述符之间的距离。 你 可以使用为快速计算欧几里得距离提供的dist2.m。 或者，进行实验 计算归一化相关性，或将所有描述符归一化后的欧几里得距离 零均值和单位标准偏差。 （可选）随时尝试使用SIFT描述符。 我们提供的脚本sift.m包含一些用于计算SIFT描述符的基本代码 圆形区域