qq_43543515的博客

原创 UWB测距

·1、室内定位——UWB测距及定位原理我们都知道卫星信号在室内会被严重的影响，从而导致GPS或是北斗无法发定位。所以在室内定位主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系，从而实现人员、物体等在室内空间中的位置监控。除通讯网络的蜂窝定位技术外，常见的室内无线定位技术还有：Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波，今天我们来谈谈UWB-Ultra Wideband(超宽带)室内测距及定位原理。UWB是什么？超宽带技术是一种全新的、与传统通信技术有极大

原创 1G→2G→3G→4G→5G：一部波澜壮阔的通信史，

现代生活离不开移动通信，从信息的生成、传输到接收，网络通信的背后蕴含着数不清的闪光智慧。从1G到5G的演进，时代的转换一幕接一幕，其背后关于通信标准的江湖纷争也是波诡云谲、激烈异常，最终汇出了一部波澜壮阔的移动通信史。 **模拟之王——摩托罗拉** 讲到双向无线通信，就不能不提摩托罗拉 (Motorola)。如果说当年AT&T是有线通信之王，摩托罗拉就是移动通信的开创者。最初，无线通信技术主要应用于国家级的航天与国防工业，带有军方色彩，摩托罗拉的发展也是如此。摩托罗拉创立于192...

原创 树莓派发送邮件

#!/usr/bin/env python2# -*- coding: utf-8 -*-""" Created on Tue Nov 6 01:18:45 2018 * @par Copyright (C): 2010-2019, Shenzhen Yahboom Tech * @file email_face * @version V1.0 * @details * @par History @author

原创 easy_dl（2）调用API

进入网站然后点击“立即使用—图像分类点击-我的模型—服务详情—立即使用点击创建应用立即创建（以上按个人要求填写）创建完毕可查询详情返回应用列表即可查询到点击飞浆AL_studio点击AI_studio点击项目–我的项目–创建项目–进入项目下面代码讲相应的部分替换host=接口地址（在easydl我的模型里可查）client_id=API_KEYclient_secret=Secret Key图片路径也需要自己修改# encoding:utf-8i

原创 EASY_DL之API调用

APIkey等查询训练完毕后可以在左侧导航栏中找到【发布模型】，依次进行以下操作即可发布公有云API：选择模型选择部署方式「公有云部署」选择版本自定义服务名称、接口地址后缀申请发布申请发布后，通常的审核周期为T+1，即当天申请第二天可以审核完成。如果需要加急、或者遇到莫名被拒的情况，请在百度智能云控制台内提交工单反馈。发布模型界面示意：接口赋权在正式使用之前，还需要做的一项工作为接口赋权，需要登录EasyDL控制台控制台中创建一个应用，获得由一串数字组成的appid，然后就可以参考接口文

原创 matlab答案

原创 百度Easy_DL之模型训练

2、创建模型3、创建数据集上述最好用压缩包到导入完成数据总览，添加标签创建好标签后课选择最后的按标签导入全部导入后结果如下模型训练推荐高性能推荐免费点击开始训练之后设置短信提醒训练完成后模型校验、添加图片，申请上线提交后，一般1-2天内会被审核通过...

原创 随机过程练习（二）、第五章 模拟调制练习

原创 模拟调制典型列题

原创 树莓派二维码识别

1.1 二维码简介二维码(2-dimensional bar code)的黑白相间的图形记录数据符号信息的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文输入设备或光电扫码设备自动识读以实现信息自动处理技术的一些共性:每种码制有其特定的字符集同时还具有对不同行的信息自动识别功能要还是针对二维 QR Code(Quick Response Code)既然识别二维码，那么二维码是如何制作的呢。那么接下来教大家制作属于自己的二维脑采用生成二维码:采用草料二维码制作属片的顺序即可。

原创 树莓派运动追踪

对于 OpenCV 的运动检测我们有两种方法，在树莓派上，我们尝试使用简单的二帧法，即： 指定某一帧为比较帧（通常为视频的第一帧）然后将视频中的每一帧与比较帧进行比较，将发生 变化的像素识别出来，这种方法的优点是计算量小。其实，做到现在，大家也应该发现了：树莓 派的自身性能无法支持 OpenCV 以平滑的方式进行庞大数据集的处理。树莓派能够顺畅的运行这 种二帧法是我们选择它的理由。 首先我们需要先下载必要的包，终端输入：pip install imutilsch我们先上源码，对源码进行解读便于理解。 程

原创 opencv 分类器的训练（生成.xml, CascadeClassifier）

检测的物体是否为绝对刚性的物体，也就是检测的目标是一个固定物体，没有变化（如特定公司的商标），这样的物体只要提供一份样本就可以进行训练。但绝大数时候我们想进行训练的目标是非绝对刚性的物体，如对人的检测，包括人脸识别、手势识别。分类器的训练以分为以下三部进行：1、 样本的创建(正样本和负样本)2、 训练分类器（生成.xml）3、 利用训练好的分类器进行目标检测正样本：所谓正样本就是只包含检测目标的图片1、要求尺寸必须相同，例如40x302、进行灰度处理负样本：不包含检测目标的任何图片（背景图片

原创 学习cv2.CascadeClassifier()函数

学习cv2.CascadeClassifier()函数CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。并且既可以使用Haar，也可以使用LBP特征。Haar特征是一种反映图像的灰度变化的，像素分模块求差值的一种特征。它分为三类：边缘特征、线性特征、中心特征和对角线特征。用黑白两种矩形框组合成特征模板，在特征模板内用 黑色矩形像素和 减去 白色矩形像素和来表示这个模版的特征值。例如：脸部的一些特征能由矩形模块差值特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁

原创 FileZilla的下载与安装与使用

1.为什么要使用FileZilla进行文件互传呢？当我们使用一台主机的时候，既有Linux系统又有Windows系统的时候，我们可以拖拽，复制粘贴等多种方式，那如果是两台不同的主机呢？我们该如何进行文件的互传呢？这时候我们就可以使用FileZilla了2.下载百度网盘：https://pan.baidu.com/s/1cHJkKUxEa69TJCtckxhehA提取码：krl9s://blog.csdn.net/weixin_48080013/article/details/109631969*

原创 Ubuntu16.04安装

##准备工作下载VMware Tools1、文件----新建虚拟机2.然后需要选择一个类型的配置，选择【自定义】，下一步之后，会进入虚拟机兼容性选择，直接点击【下一步】，如下图示。2.这个时候，会让我们选择光盘所在的位置，选择第三项**【稍后安装操作系统】**，之后点击【下一步】。3.然后选择linux，根据电脑的具体情况选择32还是64位4.为虚拟机取名字，选择安装位置。5.处理器选项，我选择了1个处理器和4核，虚拟机的核心数建议不要超过实际线程数目的2/3。【补充】（1）处理器

原创 opencv练习18椭圆、直线拟合

使用的函数为 cv2.ellipse()，返回值其实就是旋转边界矩形的内切圆。ellipse = cv2.fitEllipse(cnt)im = cv2.ellipse(im,ellipse,(0,255,0),2)直线拟合我们可以根据一组点拟合出一条直线，同样我们也可以为图像中的白色点拟合出一条直线。rows,cols = img.shape[:2]#cv2.fitLine(points, distType, param, reps, aeps[, line ]) → line#poin

原创 opencv练习17边界矩形

直边界矩形 一个直矩形（就是没有旋转的矩形）。它不会考虑对象是否旋转。所以边界矩形的面积不是最小的。可以使用函数 cv2.boundingRect() 查找得到。（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。x,y,w,h = cv2.boundingRect(cnt)img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),旋转的边界矩形 这个边界矩形是面积最小的，因为它考虑了对象的旋转。用到的函数为 **cv2.minAreaRect()。**

原创 opencv练习16 轮廓特征

目标• 查找轮廓的不同特征，例如面积，周长，重心，边界框等。• 你会学到很多轮廓相关函数.2.1 矩 图像的矩可以帮助我们计算图像的质心，面积等。详细信息请查看维基百科Image Moments。函数 cv2.moments() 会将计算得到的矩以一个字典的形式返回。如下：# -*- coding: utf-8 -*-"""@author: """import cv2import numpy as npimg = cv2.imread('star.jpg',0)ret,thresh