首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

智能小车设计规划_智能循迹避障小车设计

该课题主要基于单片机的循迹、避障、WiFi、蓝牙等功能的智能小车,在一些特殊环境下有着特殊的意义。硬件控制以arduino为控制核心。采用超声波避障和红外避障传感器共同完成寻迹、避障功能,并将相关信号传送给单片机,经单片机控制系统分析判断后控制驱动芯片驱动直流电机实现小车前进、后退、左转、右转,停止。软件采用移植性较好的c语言编写,通过手机蓝牙App实现对智能小车的控制。通过TCP/UD协议以及WiFi无线操作系统完成远距离通过终端控制,并将所扫描的信息路线传输给服务器,终端图形界面通过Qt设计实现。通过多次测试使小车能无线遥控、避障、循迹功能。

04

QML入门教程:一、QML和QtQuick简介以及QML实例

从 Qt 4.7 开始,Qt 引入了一种声明式脚本语言,称为 QML(Qt Meta Language 或者 Qt Modeling Language),作为 C++ 语言的一种替代。而 Qt Quick 就是使用 QML 构建的一套类库。 QML 是一种基于 JavaScript 的声明式语言。在 Qt 5 中, QML 有了长足进步,并且同 C++ 并列成为 Qt 的首选编程语言。也就是说,使用 Qt 5,我们不仅可以使用 C++ 开发 Qt 程序,而且可以使用 QML。虽然 QML 是解释型语言,性能要比 C++ 低一些,但是新版 QML 使用 V8,Qt 5.2 又引入了专为 QML 优化的 V4 引擎,使得其性能不再有明显降低。在 Nokia 发布 Qt 4.7 的时候,QML 被用于开发手机应用程序,全面支持触摸操作、流畅的动画效果等。但是在 Qt 5 中,QML 已经不仅限于开发手机应用,也可以用户开发传统的桌面程序。 QML 文档描述了一个对象树。QML 元素包含了其构造块、图形元素(矩形、图片等)和行为(例如动画、切换等)。这些 QML 元素按照一定的嵌套关系构成复杂的组件,供用户交互。 ——摘自《Qt学习之路2》

02

无线键盘易被监听,不知不觉导致信息泄露

在用户使用计算机时,键盘是信息输入的主要媒介,键盘输入包含大量的私人机密信息,包括帐号密码等,所以键盘侦听被各种攻击者所大量采用,成为一种普遍但是破坏力强大的攻击方式。键盘侦听主要通过键盘记录器来实现,所以大部分杀毒软件都把键盘记录器识别为恶意文件,各种高安全要求的网站例如网上银行等,也都要安全ActiveX安全模块来抵御键盘记录器的威胁。 和传统的有线键盘不同,在使用无线键盘时,用户信息不再直接输入到用户的计算机中,而是先在键盘内将用户的输入信息转化为相应的射频消息,然后将消息发送给适配器。适配器在接收到

07

奥地利科研团队优化BCI技术,将帮助深度残疾音乐家进行创作 | 技术

团队的长期目标是希望该系统的硬件要求能够从笔记本电脑转移到智能手机等设备上。 有这样一部分人,他们深受疾病(如晚期ALS或被创伤性脊髓损伤而导致的瘫痪)的困扰和限制,虽然拥有梦想,能感受到情绪,但是无法表达出。为此,研究人员研制出了一种脑电脑界面,简称BCI,使深度残疾的人们借助计算机后无所不能。 近年来,BCI技术已经使残疾人能够写信息、发送电子邮件、上网、控制智能家居,甚至移动电动轮椅。 2010年,德国的一个研究小组利用BCI来实现ALS的第一个“脑画”,有效地释放了瘫痪艺术家的创造力。 现在,奥地利

00

医学生信文献第10期:一篇肿瘤领域入门必读综述——新一代癌症标志物

在人类肿瘤的多 级发展过程 形成的六 个生物功 能构成了癌症的 特征。这些 特征为分析复 杂的肿瘤性疾病 提供了一个 组织原则。这六个 特征包括:持久 的增殖信号 ;对生长抵 制基因 的逃避;细胞死 亡受阻;寿 命无限;血 管发生 ;激活浸润和转 移。基因组的不稳定构成了这些特征的基因, 基因的不稳 定还造成了 基因的 多样化,基因的 多样化又加速了它们特 征的获 取和炎症的出现 ,从而形成 一系列特征 性功能 。最近十年来, 概念的发展 又为肿瘤增 加了两 个新特性——重 构能量的代 谢和避免免疫破坏 。除癌特征外, 肿瘤还表现 出另外一方 面的复 杂性:它们包含一系列吸引来的,看起来貌似正常的细胞,这些细胞通过营造“肿瘤微环境” 从而使其获得了 肿瘤特征。人类癌症治 疗途径 的发展将会受到 这些概念的 广泛应用意 识的影响。

03

麻省理工科研人员开发出新型人脸识别算法

美国麻省理工学院网站发布消息称,该校科研人员开发出了一种新的人脸识别算法,这是一种新的基于人脑面部识别机制的计算模型,似乎能够捕获被现有模型忽略的一些人类神经学方面的特征。 研究人员设计了一个机器学习系统来实现其模型,并使用了大量样本图像训练该系统识别特定人脸。他们发现,经过训练的系统多了一个中间处理步骤,该步骤能够表示面部的旋转度,例如从中心旋转45度,但未说明是向左还是向右。 这一属性没有被内置到系统中,而是在训练过程中自发出现的,其特征与过去实验中观察到的灵长类动物的面部处理机制相似,研究人员认为这表

08
领券