- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java
7-6 连续因子
7-6 连续因子 题目 7-6 连续因子 (20 分) 一个正整数 N 的因子中可能存在若干连续的数字。例如 630 可以分解为 3×5×6×7，其中 5、6、7 就是 3 个连续的数字。
29910编辑于 2025-01-21 - 来自专栏刷题笔记
7-6 A-B
点这里 7-6 A-B 本题要求你计算A−B。不过麻烦的是，A和B都是字符串 —— 即从字符串A中把字符串B所包含的字符全删掉，剩下的字符组成的就是字符串A−B。
69920发布于 2019-11-08 - 来自专栏刷题笔记
7-6 列车调度 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/98481886 7-6 列车调度 (25 分) 火车站的列车调度铁轨的结构如下图所示。 7-6 列车调度 (25 分) - mumu - CSDN博客 这个问题分析起来挺简单的。我想的是整一个数组，比前面大的小，就把大的换成这个小的，比前面的大就存到下一个。
1.1K10发布于 2019-11-08 - 来自专栏刷题笔记
7-6 出生年 (15 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/99697104 7-6 出生年 (15 分) ?
95530发布于 2019-11-08 - 来自专栏刷题笔记
7-6 部分排序 (15 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101473028 7-6 部分排序 (15 分) 对于一组数据，我们可以只对原先处在中间位置的那些元素进行排序
1K20发布于 2019-11-08 - 来自专栏刷题笔记
7-6 统计字符出现次数 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/97867095 7-6 统计字符出现次数 (20 分) 本题要求编写程序，统计并输出某给定字符在给定字符串中出现的次数
4.4K30发布于 2019-11-08 - 来自专栏新智元
无人驾驶 | MIT无人驾驶运动路线控制
对于无人驾驶汽车来说，除了感知周边的环境、定位这两大方面之外，很重要的一点就是运动的控制。 对于无人驾驶汽车循着特定的轨迹稳定的运动并非易事，下面就根据MIT研究的无人驾驶汽车运动控制的视频来看看这方面的技术。 1. 利用PID控制可以实现对无人驾驶汽车按照线路行驶的控制。 声明：我对PID控制基本上是小白了，大学学的都还给老师了，如果有不对的地方请各位看官指正，谢谢！
1.6K50发布于 2018-03-14 - 来自专栏刷题笔记
【2020HBU天梯赛训练】7-6 整除光棍
7-6 整除光棍 这里所谓的“光棍”，并不是指单身汪啦~ 说的是全部由1组成的数字，比如1、11、111、1111等。传说任何一个光棍都能被一个不以5结尾的奇数整除。
51210发布于 2020-06-23 - 来自专栏机器视觉工坊
无人驾驶-感知
无人驾驶-感知包括：摄像头、激光雷达、毫米波雷达、超声波雷达。 ? 1）摄像头： 摄像头：可分为数字摄像头和模拟摄像头两大类。
64330发布于 2020-07-28 - 来自专栏s09g的技术博客
无人驾驶 03
卡尔曼滤波 Kalman Filter Kalman Filter 经常运用于无人驾驶系统中感知模块，用于目标状态估计。 the Basis of the Kalman Filter Via a Simple and Intuitive Derivation》） 行为克隆 Behavior Cloning 使用神经网络进行无人驾驶的理论基础来源于
31220编辑于 2022-07-06 - 来自专栏杨熹的专栏
无人驾驶车
能成功穿越一片沙漠的无人驾驶汽车 So we decided at Stanford to build a different self-driving car.
77160发布于 2018-04-02 - 来自专栏全栈程序员必看
无人驾驶汽车毫米波雷达_无人驾驶雷达
在上一次分享中，我介绍了毫米波雷达的原理、数据特性及优缺点。毫米波雷达的低环境敏感和低成本的特性使得其在ADAS和自动驾驶领域得到了广泛的应用。
92040编辑于 2022-10-01 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-6 scikit-learn中的PCA
sklearn封装的PCA与前几个小节我们自己封装的PCA，虽然他们大体流程基本一致，但是他们之间还是有很多不同的地方。
1.1K30发布于 2019-11-13 - 来自专栏机器视觉工坊
无人驾驶系统-控制
聚焦无人驾驶行业动态，引领智能汽车科技创新 控制层作为无人车系统的最底层，其任务是将我们规划好的动作实现，所以控制模块的评价指标即为控制的精准度。
75530发布于 2020-07-28 - 来自专栏人工智能头条
无人驾驶的未来
本章，我们先从无人驾驶的商业前景、无人驾驶面临的发展障碍、无人车行业发展、全球化下的无人驾驶四个方面出发，分析未来无人驾驶的发展和即将面临的问题。 最后，将给出无人驾驶发展的时间线，揭示在即将到来的未来二十年内无人驾驶的走势。 无人驾驶的商业前景 无人驾驶带来的商业潜力有多大？ 本书首先宏观地呈现了无人驾驶的整体技术架构，概述了无人驾驶中涉及的各个技术点。 在读者对无人驾驶技术有了宏观认识后，本书深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法，深度学习在无人驾驶中的应用，无人驾驶系统软件和硬件平台，无人驾驶安全及无人驾驶云平台等多个主要技术点。 本书从实用的角度出发，以期帮助对无人驾驶技术（特别是人工智能在无人驾驶中的应用）感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门，以及对无人驾驶技术的深度理解与应用实践。
1K20发布于 2018-07-20 - 来自专栏机器视觉工坊
无人驾驶系统-小结
聚焦无人驾驶行业动态，引领智能汽车科技创新 无人驾驶软件系统通常被划分为三层：感知，规划和控制。 虽然将无人车理解为机器人并且使用机器人开发的思维处理无人车系统是目前工业界的共识，但是也不乏一些单纯使用人工智能或者是智能体来完成无人驾驶的案例。 其中基于深度学习的端到端无人驾驶和基于强化学习的驾驶智能体是目前的研究热点。
58420发布于 2020-07-28 - 来自专栏xingoo, 一个梦想做发明家的程序员
《无人驾驶》—— 读书总结
?
30250发布于 2018-07-05 - 来自专栏机器视觉工坊
无人驾驶系统-感知
聚焦无人驾驶行业动态，引领智能汽车科技创新 环境感知确保了无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域 无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息，本节我们主要介绍一下激光雷达和摄像机在无人驾驶感知中的应用 激光雷达因其可靠性目前仍是无人驾驶系统中最重要的传感器，然而，在现实使用中，激光雷达并不是完美的，往往存在点云过于稀疏，甚至丢失部分点的问题，对于不规则的物体表面，使用激光雷达很难辨别其模式，在诸如大雨天气这类情况下 在无人驾驶系统中，我们通常使用摄像机作为图像视觉传感器来完成道路的检测和道路上目标的检测。
85930发布于 2020-07-28 - 来自专栏机器视觉工坊
无人驾驶系统-定位
聚焦无人驾驶行业动态，引领智能汽车科技创新 在无人车感知层面，定位的重要性不言而喻，无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，试想一下，如果我们的无人车定位误差在 30厘米，那么这将是一辆非常危险的无人车（无论是对行人还是乘客而言），因为无人驾驶的规划和执行层并不知道它存在30厘米的误差，它们仍然按照定位精准的前提来做出决策和控制，那么对某些情况作出的决策就是错的 融合GPS/IMU的定位方法在GPS信号缺失，微弱的情况下无法做到高精度定位，如地下停车场，周围均为高楼的市区等，因此只能适用于部分场景的无人驾驶任务。 ? 我们不再在定位的同时制图，而是事先使用传感器如激光雷达对区域构建点云地图，通过程序和人工的处理将一部分“语义”添加到地图中（例如车道线的具体标注，路网，红绿灯的位置，当前路段的交通规则等等），这个包含了语义的地图就是我们无人驾驶车的高精度地图
1.4K20发布于 2020-07-28 - 来自专栏机器视觉工坊
无人驾驶系统-规划
无人驾驶规划系统的分层结构设计源于2007年举办的DAPRA城市挑战赛，在比赛中多数参赛队都将无人车的规划模块分为三层设计：任务规划，行为规划和动作规划，其中，任务规划通常也被称为路径规划或者路由规划
96510发布于 2020-07-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号