为提高哈特曼夏克波前传感器（HS-WFS）的光斑质心探测精度以实现光学系统的高精度波前检测，提出了一种有效的质心探测方法。该方法利用非线性滤波和窗口法对整幅光斑图像进行全局处理后，结合中值滤波、三次样条插值和自适应Otsu阈值法对单个光斑进行局部处理。分析了三次样条灰度插值点个数不同，探测精度和计算时间的变化规律。采用该方法探测了含有噪声的光斑图像，其质心探测误差仅为0.0442 pixel，比传统的非线性滤波、Otsu阈值法和探测窗口法探测精度分别提高了91.86%、87.97%和31.79%。对已知波像差的光学系统进行了仿真检测，得到的波前检测精度峰谷(P-V)值为0.0098 λ，精度均方根(RMS)值达到0.0027 λ。结果表明该方法能够提高质心探测精度，可用于高精度光学系统的检测。

针对RSS（接收信号强度）时变性以及不同终端信号接收能力的差异性，导致WLAN位置指纹定位不稳定的问题，基于RSS空间线性相关性提出一种新颖的位置指纹定位算法。在每个参考点分别采集多组RSS样本形成特征矩阵，并构建离线位置指纹数据库。定位时，通过计算实时RSS矩阵与指纹库参考点相关性，得到最相关的k个参考点，利用二次加权质心算法计算用户的最终位置。为了有效降低信号时变性的影响，采样时进行了滤波、排序等处理，构建离线指纹数据库时尽量增加采样次数，但需要对样本进行聚合处理以适应定位相关性计算。实验结果表明，该算法在保证较高定位准确度的同时，针对不同终端有更好的定位稳定性。

基于caffe框架用于识别人脸，质心法实现跟踪，支持多人脸跟踪，包含配置文件deploy.prototxt和res10_300x300_ssd_iter_140000_fp16.caffemodel

给定一个质心列表，它计算 2D/3D voronoi 图并从原始图像中提取每个 Voronoi 单元。 voronoi 图是根据 3D 空间中的欧几里得距离计算的。 质心 = [x1 y1 z1] 体素 = [x2 y2 z2] 对于每个体素欧几里得距离 = sqrt((x2-x1)^2+(y2-y1)^2+(z2-z1)^2) 结尾％ 输入： % 质心 - N x 3 矩阵% imageFilename - 图像堆栈的文件名

采用canny边缘检测，将图片二值化，然后求出物体的质心。采用canny边缘检测，将图片二值化，然后求出物体的质心

函数将一张图片作为参数（适当地应该只包含一个要获取其质心的对象）并返回其质心的 x 和 y 坐标。

针对有向传感器网络中存在覆盖重叠区和盲区这一问题，引入重叠质心和有效质心的概念，提出了一种基于虚拟势场的有向传感器网络覆盖优化算法PCAFD。该算法通过重叠质心和有效质心相互作用，使节点因受虚拟斥力而改变感知方向，并针对边界情况和网络优化过程中的节点往复运动现象进行改进。算法快速地提高了网络覆盖率，一系列仿真验证了该算法的有效性。

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

在研究无线传感器网路节点定位技术的过程中,针对搭建硬件实验平台不易实现的问题,使用OPNET MODELER对节点定位技术进行仿真建模.在分析无线传感器网络特点的基础上,合理选择无线链路的管道阶段,构建接近真实的无线网络环境,给出了仿真模型,精确刻画了质心定位算法在网络节点定位中的具体应用过程.结果表明,通过建立节点、进程、链路、协议模型和模拟网络流量传输,可以获得可靠的网络设计和优化所需要的网络性能数据.

激光大气传输会发生波前畸变，为了探测波前，采用哈特曼夏克(H-S)传感器来获取波前信息，采用算法对成像光斑进行质心定位，进而可以达到波前检测的目的。通过质心法对哈特曼夏克波前传感器得到的光斑图像进行处理，进而确定出其质心的位置和算法所需的时间。采用改进的象限法，通过检测光斑的边缘位置，进而确定出一个能将光斑圈住的矩形的大小和位置。根据几何学关系，针对不同位置的光斑采用不同的方法确定质心，进而可以得到质心的位置。通过与质心法对比仿真，结果显示两种算法的质心位置坐标很接近，算法的速度也很接近。