残差的正态概率分布图，应在一条直线上

【资源说明】 YOLOv8部署瑞芯微RK3588板端c++源码(含使用说明).zipYOLOv8部署瑞芯微RK3588板端c++源码(含使用说明).zip ## 编译和运行 1）编译 ``` cd examples/rknn_yolov8_demo_open bash build-linux_RK3588.sh ``` 2）运行 ``` cd install/rknn_yolov8_demo_Linux ./rknn_yolov8_demo ``` 注意：修改模型、测试图像、保存图像的路径，修改文件为src下的main.cc ``` 测试效果 冒号“:”前的数子是coco的80类对应的类别，后面的浮点数是目标得分。（类别:得分）  （注：图片来源coco128） 说明：推理测试预处理没有考虑等比率缩放，激活函数 SiLU 用 Relu 进行了替换。由于使用的是coco128的128张图片数据进行训练的，且迭代的次数不多，效果并不是很好，仅供测试流程用。换其他图片测试检测不到属于正常现象，最好选择coco128中的图像进行测试。 把板端模型推理和后处理时耗也附上，供参考，使用的芯片rk3588。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！

【3D Systems Touch在20.04 Ubuntu（Noetic）环境下的配置与使用】 在Ubuntu 20.04 LTS（Focal Fossa）上配置和使用3D Systems Touch设备，需要安装特定的驱动程序和支持软件。Ubuntu Noetic是ROS（Robot Operating System）的一个版本，它通常用于机器人系统的开发，而3D Systems Touch（前身为 Phantom Omni）是一款高级的力反馈设备，广泛应用于虚拟现实、机器人控制和医疗模拟等领域。 确保系统满足基本的硬件和软件需求。3D Systems Touch需要USB 2.0或更高版本的接口，并且你的Ubuntu系统应该已经安装了最新更新和必要的库。同时，确保你的系统已经配置了ROS Noetic，因为这将是我们集成Touch设备的关键。 接下来，我们将下载并安装OpenHaptics套件，这是3D Systems Touch的官方驱动程序。在提供的压缩包`openhaptics_3.4-0-developer-edition-amd64`中，包含了安装所需的文件。解压该文件后，你可以找到安装脚本或者DEB包。如果是DEB包，使用`dpkg -i`命令进行安装；如果是安装脚本，遵循其内的说明进行操作。安装过程中可能需要管理员权限。 安装完成后，我们需要配置OpenHaptics SDK。打开终端，进入解压后的目录，找到并运行配置脚本（例如：`./setup.sh`）。这个脚本会设置环境变量，使得系统能够识别和使用3D Systems Touch设备。 接着，我们需要创建一个ROS节点来与3D Systems Touch交互。这通常涉及到编写一个简单的C++或Python ROS节点，使用OpenHaptics库来获取设备的力反馈和位置数据。ROS提供了方便的数据发布和订阅机制，使得这些数据可以被其他ROS节点处理和利用。 创建ROS节点时，你需要导入OpenHaptics相关的头文件，并初始化设备。例如： ```cpp #include #include int main(int argc, char** argv) { ros::init(argc, argv, "touch_node"); HSDeviceManager* devMgr = new HSDeviceManager(); if (!devMgr->open(0)) { ROS_ERROR("Failed to open device manager."); return 1; } HSDevice* device = devMgr->getFirstDevice(); if (!device) { ROS_ERROR("No device found."); return 1; } // ...处理设备数据的代码... } ``` 然后，编译并运行这个ROS节点。确保你的ROS工作空间已经配置好，并通过`catkin_make`或`colcon build`来构建项目。之后，使用`rosrun`命令启动节点。 为了测试设备功能，你可以编写一个简单的应用，例如显示设备的位置和力反馈信息。当一切正常工作时，你可以在ROS环境中与其他节点进行交互，比如将3D Systems Touch的数据用于机器人控制或者虚拟现实应用。 请注意，3D Systems Touch的设备驱动可能需要与特定的USB端口关联，如果设备无法正常识别，尝试更换USB插口或检查设备的USB线是否损坏。此外，确保系统没有其他冲突的USB驱动，特别是其他力反馈设备的驱动。 配置3D Systems Touch在Ubuntu 20.04 Noetic环境中的过程涉及安装驱动，设置环境，创建ROS节点以及进行设备交互。正确配置后，这个高精度的力反馈设备可以为你的ROS项目带来更加真实和直观的体验。

【微信小程序-毕设期末大作业】排队取号，map组件使用微信小程序源码 微信小程序是一种轻量级的应用开发平台，由腾讯公司推出，它允许开发者在微信内创建原生体验的应用，无需通过浏览器，用户可以快速打开并使用。本项目是一个基于微信小程序的排队取号系统，主要运用了map组件来实现地图定位与导航功能，适用于各种服务场所的排队管理。 1. 微信小程序开发基础 微信小程序开发需要用到微信开发者工具，该工具提供了调试、预览、发布等功能。开发者需要掌握WXML（微信小程序标记语言）和WXSS（微信小程序样式语言），它们分别类似于HTML和CSS，用于构建页面结构和样式。此外，JavaScript是微信小程序的主要编程语言，用于处理逻辑和数据。 2. Map组件 Map组件是微信小程序中用于展示地图的关键组件，它可以实现实时地图显示、定位、导航等功能。在本项目中，Map组件被用来让用户查看当前的位置，并且可以获取周边的地理信息，比如商家、服务点等。通过设置`longitude`和`latitude`属性，可以指定地图中心点；通过`scale`属性调整地图的缩放级别；`markers`属性则用于在地图上添加标注点。 3. 排队取号功能实现 排队取号功能通常包括以下部分： - 取号：用户进入小程序后，可以选择服务类型，然后点击“取号”按钮获取一个号码。 - 显示队列：后台系统将所有取号信息存储，小程序实时更新队列状态，展示当前的等待人数和预计等待时间。 - 通知：当号码即将到达时，小程序可以发送通知提醒用户，这可能通过微信的推送服务实现。 - 动态更新：用户可以随时查看自己的排队位置，以及队列的变化情况。 4. 地图交互功能 - 定位：利用微信小程序的Geolocation API获取用户的当前位置，并在Map组件上显示。 - 导航：如果需要提供路线指引，可以通过Map组件的`getDirections`接口获取路线信息，展示从用户当前位置到目标地点的导航路径。 5. 数据管理 微信小程序的全局数据管理采用基于Vuex模式的State管理，通过定义全局的store模块，统一管理应用的状态。队列数据、用户位置信息等关键数据都将保存在store中，确保数据的一致性和共享性。 6. 用户界面设计 UI设计需要符合微信小程序的设计规范，注重用户体验，清晰易用。在本项目中，可能包含取号界面、队列显示界面、地图界面等多个页面，每个页面都需要合理布局，提供明确的操作指引。 7. 性能优化 对于大型地图或者大量数据的渲染，微信小程序提供了一些性能优化策略，如虚拟DOM、按需加载、缓存复用等。开发者需要根据实际需求合理应用这些技术，确保小程序运行流畅。 通过以上介绍，我们可以了解到这个微信小程序项目涉及到了微信小程序的基础开发、地图组件的高级应用、数据管理和用户交互设计等多个方面的知识。对于学习和实践微信小程序开发的同学来说，这是一个很好的实战案例。

中的知识点主要涉及到的是计算机视觉（Computer Vision）领域的一种高级应用——以文搜图（Image Retrieval）。在这个过程中，我们使用了OpenCV库，一个广泛用于图像处理和计算机视觉任务的开源库，以及ONNXRuntime，这是一个跨平台、高性能的机器学习推理框架。这里的关键技术是将自然语言文本转化为图像特征的表示，以便进行搜索匹配。 中进一步确认了这个项目的目标：当用户输入一段中文描述时，系统能够通过理解文本并匹配图像库中的图像特征，找出最符合描述的图片。这涉及到自然语言处理（NLP）和计算机视觉的结合，特别是文本到图像的语义映射。 **OpenCV**是计算机视觉中的重要工具，它提供了丰富的图像处理函数，包括图像读取、显示、转换、图像特征提取等。在以文搜图的应用中，OpenCV可能被用来预处理图像，如调整大小、去噪、色彩空间转换等，以便后续的特征提取。 **ONNXRuntime**是用于执行预先训练好的机器学习模型的运行时环境，它支持多种深度学习框架，如PyTorch、TensorFlow等。在本项目中，可能有一个基于CLIP（Contrastive Language-Image Pretraining）的模型被转换成ONNX格式，并在ONNXRuntime中运行。CLIP是一个强大的模型，它在大量文本-图像对上进行了预训练，能理解文本与图像之间的语义关系。 **CLIP**是来自OpenAI的一个模型，它通过对比学习的方式学习到了文本和图像之间的对应关系。输入中文描述后，CLIP模型可以将其转化为高维向量，这个向量代表了文本的语义信息。同样，图像也可以通过CLIP转化为类似的向量表示。通过计算两个向量的相似度，可以确定文本描述与图像的相关性。 **C++/C#/C 编程语言**标签表明项目可能使用了这些编程语言中的至少一种来实现上述功能。C++通常用于性能敏感的部分，如图像处理；C#可能用于构建更高级的用户界面或与系统交互的部分；而C语言可能是作为底层库或者与硬件交互的部分。 综合以上，这个项目涉及的技术栈相当广泛，包括计算机视觉、自然语言处理、深度学习模型的部署和优化，以及多语言编程。它展示了如何将先进的AI技术融入实际应用，以解决实际问题。对于开发者来说，理解和实现这样的项目不仅可以提升计算机视觉和NLP的技能，还能增强跨领域技术整合的能力。

《太阳能-风能-混合动力-植物-使用模拟链接-matlab 进行仿真》（毕业设计，源码，部署教程）在本地部署即可运行。功能完善、界面美观、操作简单，具有很高的实用价值，适合相关专业毕设或课程设计使用。 MATLAB作为一种高性能的数值计算环境和第四代编程语言，广泛应用于工程计算、控制设计、信号处理与通信、图像处理等领域。在新能源技术领域，MATLAB提供了强大的仿真和分析工具，特别是在太阳能、风能等可再生能源系统的建模与仿真方面，具有独特的优势。通过对太阳能和风能混合动力系统的仿真研究，可以优化系统设计，提高能源转换效率，减少对传统能源的依赖。 本项目《太阳能-风能-混合动力-植物-使用模拟链接-matlab 进行仿真》主要针对太阳能和风能的混合动力植物进行仿真分析。混合动力植物指的是结合了太阳能光伏系统和风力发电机的发电系统，该系统能够更加稳定地输出电能，因为它能够有效弥补单一能源在不同时段的发电不稳定性和不足。MATLAB/Simulink是进行此类系统仿真的理想工具，它能够通过图形化界面方便地搭建系统模型，并进行动态模拟。 项目中包含的源码涵盖了太阳能和风能发电系统的建模、控制策略的设计、以及整个系统的动态仿真。源码的编写遵循模块化和参数化的原则，使得用户能够根据实际情况调整模型参数，从而得到更符合实际应用的仿真结果。用户界面的美观和操作的简便性，大大降低了仿真软件的使用门槛，使得非专业人士也能通过本项目进行相关研究和学习。 此外，项目还提供了详细的部署教程，即使是对MATLAB和Simulink不太熟悉的用户，也能够通过教程的指导，一步步地在本地计算机上部署和运行仿真项目。部署教程中不仅包括了软件环境的配置和源码的编译安装，还可能包括了仿真模型的加载、参数设置、结果分析等操作步骤的讲解。 本项目不仅提供了一个功能完善、界面友好的太阳能-风能混合动力植物的仿真平台，还通过详尽的教程降低了用户的使用难度，具有很高的实用价值，适用于相关专业的毕业设计或者课程设计使用。

MenuV | FiveM的独立菜单NUI菜单 是为编写的库，仅使用NUI功能。 该库允许您在创建菜单。 该项目是开源的，您必须尊重和辛勤工作。 产品特点 支持简单的按钮，滑块，复选框，列表和确认 支持物品上的表情符号 支持自定义颜色（RGB） 支持所有屏幕分辨率。 项目说明 可重新绑定的密钥 基于事件的回调 在菜单打开和空闲时使用2 msec 。 上的 主题：或 编译文件 使用和用 。 如果要使用master文件，则需要执行以下操作来构建Hole项目： npm install 下载/加载所有依赖项之后，可以通过执行以下命令来构建文件： npm run build 执行命令后，

表 3.1 在鉴别和密钥交换协议中使用的符号 A Alice 的名字 B Bob 的名字 EA 用 Trent 和 Alice 共享的密钥加密 EB 用 Trent 和 Bob 共享的密钥加密 I 索引号 K 随机会话密钥 L 生存期 TA，TB 时间标记 RA，RB 随机数，分别由 Alice 和 Bob 选择的数。 Wide-Mouth Frog Wide-Mouth Frog 协议[283，284]可能是最简单的对称密钥管理协议，该协议使用一个 可信的服务器。Alice 和 Bob 两人各和 Trent 共享一秘密密钥。这些密钥只作密钥分配用， 而不是用作加密用户之间的实际报文。会话密钥只通过两个报文就从 Alice 传送给 Bob： （1）Alice 将时间标记 TA连同 Bob 的名字 B 和随机会话密钥 K 一起，用她和 Trent 共 享的密钥对整个报文加密。她将加了密的报文和她的身份 A 一起发送给 Trent： A，EA（TA，B，K） （2）Trent 解密从 Alice 来的报文。然后将一个新的时间标记 TB连同 Alice 的名字和随 机会话密钥一起，用他与 Bob 共享的密钥对整个报文加密，并将它发送给 Bob： EB（TB，A，K） 这个协议最重要的假设是 Alice 完全有能力产生好的会话密钥。请记住，随机数是不容 易产生的，无法相信 Alice 能够做好这件事。 Yahalom 在这个协议中，Alice 和 Bob 两人各与 Trent 共享一秘密密钥[283，284]。 （1）Alice 将她的名字连同随机数 RA一起，将它发送给 Bob。 A，RA （2）Bob 将 Alice 的名字、Alice 的随机数、他自己的随机数 RB一起用他和 Trent 共享 的密钥加密。再将加密的结果和 Bob 的名字一起发送给 Trent。 B，EB（A，RA，RB） （3）Trent 产生两个报文，第一个报文由 Bob 的名字、随机会话密钥 K、Alice 的随机 数和 Bob 的随机数组成。用他和 Alice 共享的密钥对所有第一个报文加密；第二个报文由 Alice 的名字和随机会话密钥组成，用他和 Bob 共享的密钥加密，然后将这两个报文发送给 Alice。 EA（B，K，RA，RB），EB（A，K） （4）Alice 解密第一个报文，提出 K，并确认 RA 的值与她在第（1）步时的值一样。 Alice 发送两个报文给 Bob。第一个报文是从 Trent 那里接收到的用 Bob 的密钥加密的报文， 第二个是用会话密钥加密的 RB。

根据提供的文件信息，以下是对“QuantumData882EA使用手册”中知识点的详细阐述： QuantumData882EA是一款专业的视频测试信号发生器，主要用于生成高质量的视频测试信号，并支持对HDMI设备进行CEC（Consumer Electronics Control）命令的通讯过程测试。CEC是HDMI规范中的一项功能，允许用户通过一个遥控器来控制多个连接的设备，实现设备间的简单通讯和自动化控制。 在使用QuantumData882EA时，用户可以将其作为信号源，发送一系列标准和定制的视频测试图案和信号给HDMI设备。这在开发、测试和维护HDMI相关产品时非常有用，包括但不限于电视机、显示器、投影仪、机顶盒、游戏机等。 882EA设备的用户手册会提供以下内容： 1. 设备概述：介绍QuantumData882EA的主要功能、性能指标及应用范围。 2. 安装指南：包括硬件安装步骤、软件安装说明，以及如何进行设备的初始设置。 3. 操作说明：详细描述如何使用该设备进行信号测试，例如测试信号的选择、参数设置、输出控制等。 4. CE功能的测试：具体讲解如何利用882EA设备模拟HDMI设备之间的CEC通讯，以及如何解读测试结果。 5. 故障排除：当测试过程中遇到问题时，手册会提供一些故障诊断和解决方法，帮助用户快速定位并解决问题。 6. 维护指南：提供日常维护和保养设备的建议，以及在设备发生故障时的处理流程。 由于手册中的部分文字是通过OCR技术扫描得到，因此存在识别错误或缺失的情况。用户在阅读时，需要结合实际设备和相关技术知识，对文字内容进行合理的推断和理解，以便正确使用QuantumData882EA进行各项测试工作。 QuantumData882EA作为一款专业的视频测试信号发生器，在高清数字视频测试领域中发挥着重要作用。通过该设备，工程师和技术人员可以更加方便地对HDMI设备进行CEC通讯和信号质量的测试与分析。而使用手册则是引导用户正确操作和维护设备的关键参考资料。

在Visual Studio 6.0中出现了一个新类CHtmlView，利用这个类，我们可以实现在对话框的控制中显示HTML文件。 要想使用CHtmlView类，对它的定义和实现就必须有全面深入的理解。我们不妨拿CHtmlView和CListView做一个比较，通过比较这两个类，我们会发现一些有趣的差别。首先，MFC中CListView有一个对应的CListCtrl类，而CHtmlView却没有一个CHtmlCtrl类与之对应；其次，CListView的使用依赖于MFC的文档/视结构，而CHtmlView的实现是基于COM的。通过IWebBrowser2接口来实现，而且IWebBrowser2与MFC文档/视图结构之间没有任何关系。