旋转矩阵用九个量描述三自由度的旋转，具有冗余性；欧拉角和旋转向量是紧凑的，但具有奇异性。事实上，我们找不到不带奇异性的三维向量描述方式 [19]。这有点类似于，当我们想用两个坐标表示地球表面时（如经度和纬度），必定存在奇异性（纬度为 ±90 ◦ 时经度无意义）。三维旋转是一个三维流形，想要无奇异性地表达它，用三个量是不够的。 在表达三维空间旋转时，也有一种类似于复数的代数：四元数（Quaternion）。四元数是 Hamilton 找到的一种扩展的复数. 它既是紧凑的，也没有奇异性。 一个四元数 q 拥有一个实部和三个虚部。 其中 i,j,k 为四元数的三个虚部。这三个虚部满足关系式： 由

centos7系统挂载新硬盘，扩充根目录磁盘空间.docx

SpConv：PyTorch空间稀疏卷积库 这是一个空间稀疏的卷积库，例如但速度更快且易于阅读。 该库提供稀疏卷积/转置，子流形卷积，逆卷积和稀疏maxpool。 2020-5-2，我们在此版本的spconv中添加了ConcatTable，JoinTable，AddTable和Identity函数，以构建ResNet和Unet。 码头工人： docker pull scrin/dev-spconv ，包含python 3.8，cuda 10.1，鱼壳，最新的pytorch和tensorflow。 在Ubuntu 16.04 / 18.04上安装 如果您使用的是pytorch 1.4+，并且遇到“ nvcc致命：未知-Wall”，则需要转到割炬软件包目录并在Caffe2Targets.cmake的INTERFACE_COMPILE_OPTIONS中删除包含“ -Wall”的标志。 此项

卷积空间传播网络 程新京，王鹏，关晨烨，杨瑞刚 内容 介绍 此回购协议包含针对深度完成和立体深度估计而训练的CSPN模型，如“ ”和“”中所述 我们在这里提供两种实现。 首先，我们通过Pytorch实施了一个简单的2D CSPN，将“异地”和“转换”操作结合在一起。 然后，我们通过CUDA提供了更有效的2D / 3D CSPN实施，并将它们集成到PaddlePaddle中，从而更加稳定和易于使用。 引文 如果您在研究中使用此方法，请引用： @inproceedings{cheng2018depth, title={Depth estimation via affinity learned with convolutional spatial propagation network}, author={Cheng, Xinjing and Wang, Peng and Yang,

三维空间圆拟合出XYZ和Radius值 建议：有多个点，三三分成几部分，多次拟合求取平均值，这样精度会更好。

为准确模拟黄河流域某矿区地层分布形态，选取80个地质云钻孔数据利用ArcMap分析数据特征，运用克里金方法插值过程中考虑变异函数模型和搜索步长数的影响，通过交叉验证确定最优插值方式，并通过三维可视化对结果进行展示。结果表明：采用普通克里格插值方法，参数选择高斯模型、步长数9插值精度最高。多模型参数比较的结果可应用于类似矿区地层分布的研究。

最小估计方差,即克里格方差计算式如下: Z*(x) 用变差函数表示如下： （4）普通克里格方差 Kriging法 普通克里格插值

CentOS查看磁盘空间大小

vbm8工具箱在spm8中运行。也就是说，需要将spm8安装到您的 安装vbm8工具箱之前的matlab搜索路径(参见http://www.fil.ion.ucl.ac.uk/spm/和http://en.wikibooks.org/wiki/SPM)。 预处理步骤： （1）T1图像归一化到模板空间，分割为灰质(GM)、白质(WM)和脑脊液(CSF)。预处理参数可以通过预估写入模块进行调整。 （2）在预处理完成后，强烈建议进行质量检查。这可以通过模块“显示所有图像的一片”和“使用协方差检查样本同质性”来实现。两个选项都位于“vbm8检查数据质量”下。 （3）在将gm图像输入统计模型之前，需要对图像数据进行平滑处理。值得注意的是，这个步骤并没有在vbm8工具箱中实现，而是通过标准spm模块“Smooth”实现的。

摘要：空间太阳望远镜(SST)是我国独立发展的太阳磁场观测科学卫星；其主光学望远镜8个CCD以20MB／s的速率采集太阳偏振磁图；图像处理系统需要进行图像积分、