OpenLIDAR 足够简单的扫描激光测距仪。 基于三角剖分的方法。 使用了STM32F303 + ELIS-1024传感器。 关于它的俄语文章： : 阅读Wiki了解更多信息。 视频-安装在Roomba的激光雷达： ： 4vZgepiK1K4 我还有另一个更简单的激光雷达项目： ： 另请参阅我的TOF Lidar项目： ：

概述 Triangler是使用生成低多边形图像的工具。 目录 样本 执照 安装 下载Windows Binary 您可以下载Windows二进制文件。 请注意，Windows二进制文件比从源代码运行的速度慢。 下载页面 注意：二进制发行版通常较旧，需要重建。 有关用法，请参见#usage部分。 从源头运行 您需要Python 3.6或更高版本。 我强烈建议使用Anaconda虚拟环境。 您可以在此处下载Anaconda 。 请按照下面的手册使用Anaconda为Triangler创建python虚拟环境。 $ conda create -n triangler python=3.8 $ activate triangler (triangler)$ git clone https://github.com/tdh8316/triangler.git (triangler)

德劳内三角剖分 用于三角剖分的Javascript模块。 关于Delaunay三角剖分 平面中一组P点的Delaunay三角剖分是DT（P）的三角剖分，因此P中的任何点都不在DT（P）中任何三角形的之内。 在上获取更多信息。 现场演示 安装 npm install delaunay-triangulation --save 基本用法示例 var Delaunay = require ( 'delaunay-triangulation' ) ; var vertices = [ new Delaunay . Point ( 10 , 14 ) , new Delaunay . Point ( 1 , 15 ) , new Delaunay . Point ( 18 , 10 ) , new Delaunay . Point ( 8 , 10 ) , new Delaunay

一个任意点构三角的计算库，小demo查看基本效果，后期可以提供源码和编译好的库文件

eppz！ Geometry 一部分 :triangular_ruler: Unity的2D几何。 适用于日常的多边形麻烦。 多边形裁剪，多边形缠绕方向，多边形区域，多边形质心，多个多边形的质心，线相交，点线距离，线段相交，多边形点包含，多边形三角剖分，多边形Voronoi图，多边形偏移，多边形轮廓，多边形缓冲区，多边形并集，多边形减法，多边形布尔运算等。 该库正在生产中使用。 但是，它附带了的免责声明和保证。 例子 如果您希望立即阅读示例代码，则可以在“ 文件夹中找到示例场景。 模型类 基本上是一个Vector2点，但知道它所驻留的多边形上下文（邻居，线段，边，多边形，等分线，法线）。 两个Vector2点的线

通常情况下，超声波传感器用于测量目标范围，该项目可以在二维范围内定位目标。

matlab lm算法代码多视图三角剖分和非线性优化 描述 在此代码中，实现了使用多视图三角剖分来重建合成多维数据集（由56个点组成）的方法。 多视图三角剖分是2视图三角剖分的直接扩展，您已经在中进行了编码。 与2视图三角剖分类似，使用所有8个视图的投影矩阵并设置Ax = b形式的最小二乘系统，然后使用SVD对其求解。 例如3D点X3必须满足以下约束P1 X3 = x13，P2 X3 = x23，...，P8 * X3 = x83，其中x13表示图像1中X3的2D投影，x23表示图中X3的2D投影图像2，...，x83表示图像8中X3的2D投影。 合成多维数据集的图像以8×2×56（numOfViews×2×56）张量的形式提供给您，命名为cube_imgs.mat。 相应的投影矩阵以名为projMatrices.mat的8×1（numOf V×1）的MATLAB单元数组提供； 两者都存储在MatFilesQues1文件夹中。 非线性最小二乘的Levenberg-Marquardt（LM）算法用于解决非线性最小二乘问题。 结果显示在Report.pdf中

C＃Delaunay三角剖分+ Voronoi图 AC＃实现。 结果是对一组随机生成的点进行。 在Delaunay三角剖分之后，构造了双重。 5000点的Delaunay三角剖分和Voronoi图的屏幕截图。 为什么要使用C＃？ 看起来很好。 另外，下面列出的有关过程内容和地图生成的博客文章引起了我的注意。 由于我打算将算法移植到以用于将来的项目，因此我决定坚持使用C＃，因为它是Unity的首选脚本语言。 执照 此项目已获得MIT许可证的许可-有关详细信息，请参阅文件 致谢

jigsaw-matlab：JIGSAW的MATLAB绑定：基于Delaunay的非结构化网格生成器

基于地图的视觉本地化 基于地图的视觉本地化的通用框架。 它包含了 支持传统功能或深度学习功能的地图生成。 视觉（点或线）地图中的Hierarchical-Localizationvisual。 具有IMU，车轮Odom和GPS传感器的融合框架。 我将发布一些相关论文，并在基于地图的视觉本地化中介绍工作。 我想介绍会先用中文写。 因此，快来了，让我们开始吧。 随缘持续更新中!! 2020.09.19添加了微小贡献的github repo链接 2020.09.19添加了第五章的部分内容 2020.09.04添加文章结构 [目录] 基于地图的视觉定位 根据已知地图的视觉定位是一个比较大的问题，基本上会涉及到slam系统，重定位，图像检索，特征点提取及匹配，多传感器融合领域。 0.写在前面 作者：钟心亮 在写本文之前，我想先简单的总结一下历年用的比较多的slam系统，另外会提出一些开