cos

以下内容转载自Crape的文章《web页面上的旋转矩形碰撞》 作者：Crape 链接： https://juejin.im/post/5eede991e51d45740950c946 来源：掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 前言 本文主要是总结一下web页面中的旋转矩形的碰撞检测，碰撞算法本身并不难，只是需要注意web坐标系在计算中的影响。碰撞检测应该是在游戏等场景中很常见且基础的功能，本文记录了在 JavaScript API GL 遇到了这类碰撞问题的调研和实现的过程。 需求场景 用户在地图上实现MultiLabel文本标注覆盖物时，会由于两个label坐标过近，或者地图的旋转、缩放产生的变化而相互重叠。目前label的背景色均为透明且暂时还不支持配置，文字重叠之后识别度下降很多，就计划先实现label之间的避让功能。检测到两个label碰撞时，根据优先级选择隐藏其中的一个，保证文字的可读性。 确定算法 在JSAPI GL中，label并不是在三维空间中的，而是绘制在屏幕上的，只是会根据用户视角的移动实时计算出label在屏幕坐标中所处的位置，然后在每一帧中进行绘制。label实际上就是一行文字，我们可以把它用一个矩形包围起来，当做整体计算，因为每个字之间的相对位置并不会变

Mac交互式原型设计软件哪款好用？axure rp9更新哪些内容？ Axure RP 9 for Ma c是一款交互式原型设计神器，使用axure rp9以最佳的方式展示您的作品，优化现代浏览器并为现代工作流程设计。同时确保您的解决方案正确完整地构建。Axure RP 9 for Mac为您整理笔记，将其分配给UI元素，并合并屏幕注释，新的交互构建器已经过全面重新设计和优化，易于使用，是一款非常强大的交互式UI原型设计神器。 一、交互设计axure rp9更新日志 从Adobe XD，Figma和Sketch轻松共享Axure RP原型和画板，并在屏幕顶部收集反馈。 检查布局，获取CSS片段，然后下载资产。 通过电子邮件，Slack或Microsoft Teams获得有关最新更改和讨论的通知。 创建团队项目，以便多个用户可以同时在单个Axure RP文件中制作图表，构建原型和浏览设计。 在Axure Cloud中快速将静态图像转换为交互式原型。 二、原型设计工具：axure rp 9 mac版软件行业优势 强大的原型，无需编码 使用条件逻辑，动态内容，动画，数学函数和数据驱动的交互创建简单的点击图或功能强大的丰富原型，无需编写任何代码。 很容易分享 单击一个按钮，axure rp 9 mac将您的图表和原型发布到云端或本地的 Axure Share 。只需发送一个链接（和密码）

转自： https://blog.csdn.net/study_all/article/details/102543500 一、简介 二、目标跟踪基本流程与框架 三、快速目标跟踪方法 模板匹配 TLD 光流法(Lucas-Kannade) 四、快速目标跟踪方式的应用效果 一、简介 目标跟踪是计算机视觉研究领域的热点之一，有着非常广泛的应用，如：相机的跟踪对焦、无人机的自动目标跟踪等都需要用到目标跟踪技术。此外，还有特定物体的跟踪，比如人体跟踪，交通监控系统中的车辆跟踪，人脸跟踪和智能交互系统中的手势跟踪等。 过去的几十年来，目标跟踪技术取得了长足的进步。特别是近几年，随着深度学习的目标跟踪方法的出现，获得了令人满意的效果，也涌现了越来越多的方法，这都使得目标跟踪技术取得了突破性的进展。 本文 主要内容 包括：目标跟踪的基本流程与框架，快速目标跟踪相关方法及其应用效果。 希望通过本文能帮助读者对目标跟踪领域有一个较为全面的认识，对其中涉及到的方法及原理有进一步的了解。 二、目标跟踪基本流程与框架 目标（单目标）跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下，预测后续帧中该目标的大小与位置。 此基本任务 大致流程 可以根据框架进行如下划分： 输入初始化目标框（初始帧），在下一帧中产生众多候选框（Motion Model），提取这些候选框的特征（Feature

目前腾讯为大家提供了海量的街景数据，并对其服务接口做出了详细的说明（ https://lbs.qq.com/uri_v1/guide-showPano.html ）。 　　 需要注意的是这里的referer需改为key，至于后边key对应的值需自己注册自己应用的key值。 地址： https://lbs.qq.com/dev/console/key/manage 请求连接： https://apis.map.qq.com/ws/streetview/v1/image?size=640x480&pano=10141050150725145721000&heading=0&pitch=0&key=K76BZ-W3O2Q-RFL5S-GXOPR-3ARIT-6KFE5 浏览器请求结果： 直接输入连接则会失败，需设置请求头。 失败效果图： 成功效果图： （设置Referer） Python源代码 说明： 　　本次实验主要需对武汉、北京等地区的街景数据爬虫，采用的核心方法如下： 采用市区最小外包矩形坐标限定拾取街景范围； 坐标采用wgs84转高德火星坐标的方式，坐标千分位依次递增1的方式逐点查询街景图片ID； 根据街景ID获取图片并保存； 　　本文并未进行断点续爬以及相同街景去重操作，后续将完善； 　　 腾讯该接口并不稳定，维护时间距今较长，服务调用不易成功不建议使用该服务； #

引言 ​ 虎牙是中国第一家上市的游戏直播公司，旗下产品包括知名游戏直播平台虎牙直播、风靡东南亚和南美的游戏直播平台NimoTV等，产品覆盖PC、Web、移动三端。其中，游戏直播平台虎牙直播月活达1.5亿。 如何借助于海量业务数据将全平台的优质内容与终端用户更智能、高效地连接起来，为公司运营和业务发展提供更为有效的数据能力支撑，是虎牙大数据团队（下面简称虎牙）过去和未来一直需要深入思考和探索的重要使命。为了达成以上愿景，虎牙选择与腾讯云EMR团队合作，接入大数据云端解决方案。 本文将通过案例解读，带大家深入了解虎牙云端大数据实践。 一、虎牙直播大数据分析场景 1. 背景介绍 虎牙是中国第一家上市的游戏直播公司，旗下产品包括知名游戏直播平台虎牙直播、风靡东南亚和南美的游戏直播平台NimoTV等，产品覆盖PC、Web、移动三端。其中，游戏直播平台虎牙直播月活达1.5亿。 2. 大数据场景介绍 意识到数据对于业务的重要价值，虎牙很早就成立了近百人的专业大数据团队，这个团队拥有业内卓越的数据技术能力和业务理解力，以应对海量数据的高效存储计算、算法构建、业务价值洞察等领域化工作。 经过多年的建设，该团队围绕数据在各个领域都取得了极为显著的进展，真正让数据成为优质内容与终端用户连接的催化剂。 虎牙大数据团队基于开放Hadoop技术栈快速构建了稳健的全平台大数据平台，以支撑近百P规模的离线

社交，是游戏玩家的一项基本需求，那么，在游戏中，成熟稳定的聊天系统担负着玩家交流的重要使命。 做为一家从不 996 的游戏创业公司，我们的两款产品《世界争霸》和《农场小镇》都在使用自研的聊天系统。随着在线人数逐渐增多，系统的稳定性和成本面临着更多的考验。于是，升级技术栈势在必行。 至此，核心目标已经出现，以保障性能为前提，同时做到省事和省钱。最终，腾讯云的云函数产品进入了我们的视线。 云函数，无需服务器，省去运维烦恼，只需要关注于业务逻辑代码，可谓省事。按量付费，用多少花多少，避免业务低谷期的资源浪费，可谓省钱。非常适合游戏聊天系统 API 这种复杂度低的中小型需求。 那么接下来我们关注的是，现有系统能不能无缝迁移过去，也就是云函数能不能满足目前所有的特定需求，我们一个一个来说。 第一个需求：少改代码 原来的 API 部分是采用 swoole 做为底层扩展，部署在腾讯云的 CVM 上，并使用腾讯云的负载均衡来接收外部请求。代码层面则是使用了 composer 进行包管理，一款开源的 easyswoole 框架做为 http 业务的架子。 换用云函数的方案的话，非代码层面就变成了腾讯云 API 网关加云函数来提供服务，而为了方便，依然需要继续使用 composer 进行包管理。原来基于 swoole 的 http 框架无法继续使用，改代码的重点就在这里。 首先就是逻辑入口

博客转自： http://www.lighthouse3d.com/tutorials/glut-tutorial/glutpostredisplay-vs-idle-func/ . GLUT将会调用显示函数知道没有事件函数去处理，也就是说，只要没有事件函数处理，主程序尽可能调用显示函数。我们将建立一个很简单的交互程序，当我们按下键盘，触发键盘事件之后，显示函数将会被调用，屏幕将会被重新绘制。我们需要做的就是 注册显示函数和空闲处理函数为同一函数。 如果只有我们的OpenGL程序运行，或者仅仅是想要测试，这样设置是OK的。但是当OpenGL程序仅仅是我们想要运行的程序其中之一时，计算机资源此时将显得匮乏。导致这个问题的当然是GLUT程序，因为他一直持续调用显示函数，即使在没有任何需要更新的时候。Try checking the task manager tab for the processes and you can see that even if the render does not change from frame to frame, our GLUT app is eating CPU resources. GPU resources are also being used, of course. 当我们需要CPU或者GPU去处理其他事情的时候

描述由一个图形变化为另一个图形过程中的各个中间图形，称为渐变图形。可以利用插值算法求得各个渐变图形。 设在源图形和目标图形上各取M个对应坐标点，并分别保存到数组中，源图形用数组SX[M]和SY[M]保存M个坐标点（sx，sy），目标图形用数组DX[M]和DY[M]保存M个坐标点（dx，dy）。若需生成源图形变换到目标图形中的N-1个渐变图形，采用简单的线性插值可以编写如下的二重循环： for (k=1;k<N;k++) for (i=0;i<M;i++) { x=(dx[i]-sx[i])/N*k+sx[i]; y=(dy[i]-sy[i])/N*k+sy[i]; // 按求得的插值坐标点绘制渐变图形 } 1．六瓣花朵渐变为圆 六瓣花朵的笛卡尔坐标方程式设定为： t=r1*(1+sin(18*θ)/5) *(0.5+Math.sin(6*θ)/2); x=t*cos(θ); y=t* sin(θ); （0≤θ≤2π） 圆的笛卡尔坐标方程式为： x=r*cos(θ) y=r*sin(θ) （0≤θ≤2π） 在六瓣花朵和圆上分别取128个点，然后利用简单的线性插值绘制中间24个渐变图形。编写如下的HTML代码。 <!DOCTYPE html> <head> <title>六瓣花朵渐变为圆</title> <script type="text/javascript"> function

d3js 绘图chart 以及 svg 总结 https://my.oschina.net/zengfr SVG basic shapes rect,：x,y,width,height circle,: cx,cy,r ellipse,: cx,cy,rx,ry straight line,: x1,y1,x2,y2,stroke,stroke-width polyline,: stroke,stroke-width,points polygon, :fill,stroke,stroke-width,points SVG Path Mini-Language -moveto -lineto -horizontal lineto -vertical lineto -curveto -smooth curveto -quadratic bezier curveto -smooth quadratic bezier curveto -elliptical arc -closepath D3 path data generator functions d3.svg.line d3.svg.line.radial d3.svg.area d3.svg.area.radial d3.svg.arc d3.svg.symbol d3.svg.chord d3.svg.diagonal d3

　　从今天开始学习极化SAR图像，记录于此。 　　极化散射矩阵S 是用来表示单个像素散射特性的一种简便办法，它 包含了目标的全部极化信息 。 ，在满足互易条件下，有 。 　　目标的Mueller 矩阵定义为 ，式中M 即为目标的Mueller 矩阵，其计算表达式为 ，其中矩阵W定义为 ，其中变换矩阵R为 。已有文献证明： Mueller 矩阵M 与极化散射矩阵S 之间有唯一对应关系 。 极化散射矩阵S描述了入射波Jones 矢量与散射波Jones 矢量之间的关系，而Mueller 矩阵则描述了入射波Stokes 矢量 与散射波Stokes 矢量 之间的关系。 极化协方差矩阵 也称为复埃尔米特矩阵，同极化散射矩阵一样，它也包含了雷达测量得到的全部目标极化信息。极化SAR 图像处理过程一般都是在极化协方差矩阵和极化相干矩阵的基础上进行，它是进行多极化SAR数据分析和处理的基础。 通常情况下，极化协方差矩阵的计算是基于极化散射矩阵矢量化。对于互易介质 ，极化测量矢量 可表示为 。目标的极化协方差矩阵为矢量 的Kronecker内积 。 极化相干矩阵 与极化协方差矩阵仅存在线性变换关系，相比与极化协方差矩阵，它可以更好的解释散射机理。极化相干矩阵的获取也是基于极化散射矩阵的矢量化。Pauli 基矩阵的一个特殊性质就是可以用于极化散射矩阵的矢量化： ，这里除以系数 是为了保证总功率相等。