当前位置：
首页 资源下载
搜索资源 - perspective matrix
搜索资源列表
-
1下载：
三维图形变换，可以建模,进行矩阵变换，变换视角，二维映射和透视。-transform 3D graphics, modeling, matrix transformations perspective, and the two-dimensional mapping perspective.
-
-
4下载：
水面反射和折射,提供源代码,通过下面几步实现:
1.设定一个附加裁减平面
2. 并把摄像机位置设置到当然视点对称的位置, 渲染平面以上部分到一个纹理.
3. 将反射平面的顶点传入VS, 并乘以投影矩阵.得到平面投影点的坐标.
4. 将上述插值传入PS, 并同时除以W, 并(projCoord+1.0f)*0.5f.
5. 再查询渲染得到的纹理, 并加入点噪声, 有水波纹的效果.
-surface reflection and refraction, providing
-
-
0下载：
一个acm算法题目 问题描述： 有一个黑盒子，可视为一个15×10的二维矩阵，里面有一些空隙，在二维矩阵中用0表示空隙，用1表示被占有。现有一个仪器，可以从4个方向对盒子进行分行透视：从左到右，从左下到右上，从下到上，从右下到左上。透视可得到该二维矩阵的该行1的个数。要求，还原此矩阵。 输入：4行，每一行分别代表从左到右，从左下到右上，从下到上，从右下到左上透视所得的数据 输出：该矩阵 使用的方法是回溯法，具体见程序-a acm algorithm topic Problem descr ipt
-
-
0下载：
★采用独特的 8 行 52 列 L 印点阵显示屏作为显示单元，其显示亮度高、自发光、无视角，制作者可以随意选择屏幕大小和发光颜色。
★日期、时间、星期、温度全信息交替显示，所需信息一目了然。
★采用专业时钟芯片 DS1302 和备用电池，时钟掉电依然走时，用户设置闹钟时间永久保存。
★远离机身的温度传感器设计， 0 ～ 60 ℃ 环境温度显示更精确。
★全功能菜单操作， 4 个按键操作，可加减调时，操作方便。
★ 8 路独立闹钟功能，可以设置独立闹钟时间和模式，大闹生活每一天
-
-
0下载：
透视变换代码 除了3*3矩阵和三个控点变为四个控点外，透视变换在其他方面与仿射变换完全类似-Perspective transformation code in addition to 3* 3 matrix and the three control points into four control points, the perspective transformation in other areas with similar affine transformation complete
-
-
1下载：
利用已有的摄像头内外参数，将侧视图通过透视变换转换为俯视图，并保存所得到的单应性矩阵H，内含运行实例-Use of existing internal and external camera parameters, the side view through the perspective transformation into top view, and save the resulting homography matrix H, containing a running instance
-
-
0下载：
透视变换的矩阵算法 逆矩阵算法 参数的求法-The Perspective Transform matrix
-
-
7下载：
GPS TOOLBOX包含以下内容：
1、GPS相关常量和转换因子；
2、角度变换；
3、坐标系转换：
点变换；
矩阵变换；
向量变换；
4、专用测绘程序；
5、专用统计函数；
6、GPS时间工具；
7、专用GPS数据处理函数；
8、航迹和相关工具；
9、卫星位置计算；
10、高度和方位角判定，以及卫星可见性；
11、DOP（dilution of precision）计算，卫星选取和相关函数；
-
-
0下载：
在模型变换实验的基础上，通过实现下述实验内容，掌握OpenGL中三维观察、透视投影、正交投影的参数设置，并能使用键盘移动观察相机，在透视投影和正交投影间切换，验证课程中三维观察的内容；
进一步加深对OpenGL三维坐标和矩阵变换的理解和应用。
-Experiments in model transformation based on the experiment through the realization of the following content, master OpenGL
-
-
0下载：
應用透視轉換也就是線性插值法，利用矩陣的方式來顯示出結果。-Application Perspective conversion is linear interpolation method, using matrix approach to show the result.
-
-
0下载：
一个很酷的3D算法演示,包含矩阵旋转、透视投影-A cool demo of 3D algorithms, including matrix rotation, perspective projection
-
-
0下载：
数据结构排序算法,透视投影是3D固定流水线的重要组成部分，是将相机空间中的点从视锥体(frustum)变换到规则观察体(Canonical View Volume)中，待裁剪完毕后进行透视除法的行为。在算法中它是通过透视矩阵乘法和透视除法两步完成的。
透视投影变换是令很多刚刚进入3D图形领域的开发人员感到迷惑乃至神秘的一个图形技术。其中的理解困难在于步骤繁琐，对一些基础知识过分依赖，一旦对它们中的任何地方感到陌生，立刻导致理解停止不前。-Data structures sorting
-
-
0下载：
微软官方例子，使用矩阵进行视角变换，进行多方位的追逐，是一个很好的学习XNA C#的例子-Microsoft officially example, the use of perspective transformation matrix, multi-faceted chase, is a good example of learning XNA C#
-
-
0下载：
计算机图形学 openGL 基于投影平面的矩阵变换-Matrix of the transformation based on perspective projection openGL
-
-
0下载：
透视投影为三维图形显示的基础，在此基础上提出了一种基于透视投影矩阵的数学模型．可方便地将空间三维坐标转换为透视投影坐标，并实时地在屏幕上展现出来．并以三维数据的透视投影为例，显示了经过该透视变换后的透视图，验证了该方法的有效性．-Perspective projection of three-dimensional graphics based on this based on the perspective projection matrix based on a mathematical m
-
-
1下载：
协同定位是多平台编队中的关键问题之一 是实现无人机~ 舰艇编队等定位控制的基础G 从信息融
合的角度研究了编队协同中的导航定位问题 提出了一种新的协同定位算法G 推导了二维情况下 基于最近邻准
则确定伪测量和相伴误差协方差矩阵的模型G 仿真分析表明 该算法可以稳定地完成己平台运动要素的估计-Co-location is one of the key issues in the formation of multi-platform UAV ~ vessel formation pos
-
-
0下载：
关于metric learning的综述，涉及到许多的知识：SVM、kernel、SDP等-This paper surveys the field of distance
metric learning from a principle perspective, and includes a broad selection of recent work. In particular, distance metric learning is reviewed under different
-
-
0下载：
應用透視轉換也就是線性插值法，利用矩陣的方式來顯示出結果。-Application Perspective conversion is linear interpolation method, using matrix approach to show the result.
-
-
0下载：
对一副图片内的四边形进行透视变换，可以得到四边形的四个点坐标以及对应的转换矩阵H。-A four-point coordinate of the quadrilateral and the corresponding transformation matrix H can be obtained by perspective transformation of the quadrilaterals in a picture.
-
-
1下载：
实现了图像的简单拼接。首先寻找特征点，然后计算描述子（特征向量），对寻找到的特征点进行匹配，并塞选匹配结果，然后计算透视 矩阵，将其中一幅图进行透视变换，然后将图片合成。对一些简单的图片比较有效。仅供参考学习。(Realize the simple stitching of the image. First, find the feature point, and then calculate the descr iptor (eigenvector), match the feature po
-
