本代码对应着我发布的文章。 代码语言：python 开发环境：pycharm 实验数据：船舶AIS数据

Heading estimation algorithm based on region partition particle filter for pedestrian navigation

介绍 这是提交论文的一种实现： Desai，SV，Balasubramanian，VN，Fukatsu，T.，Ninomiya，S.，and Guo，W.（2019年）。 使用深度学习自动估算水稻的抽穗期。 植物方法，15（1），76. 为了计划收割水稻的最佳时间，我们检测并定量了水稻的开花。 这项工作中使用的水稻作物图像数据集取自[1]。 方法 该方法的基本概述如下。 我们使用带有滑动窗口的SVM分类器来检测图像中的开花圆锥花序。 为了生成要作为输入提供给SVM分类器的特征，我们使用两种特征提取方法并对它们的性能进行比较。 使用SIFT描述符进行特征提取 使用深度神经网络（VGG-16 [2]）进行特征提取 使用从Kinmaze数据集的21张图像中采样的补丁进行训练。 对来自Kinmaze数据集的完整5184x3456图像进行了测试。 [1]。 怎么跑 为了获得训练的准确性：

由于项目需要用到cesium的飞行漫游功能，但是找遍了网络也没找到合适的，没办法，自己动手丰衣足食。在例子中实现了可以自己添加漫游的经纬度，自主定义每两个点之间的飞行高度和飞行时间，另外可以在两个地点的方向转换，实现了原地转换，放置了直接切换相机视角的突然感觉