Radar

Python数据结构与算法——双端队列Dequeue

老子叫甜甜 提交于 2021-02-20 08:06:51
点击上方 蓝字 关注我们 双端队列Dequeue 双端队列是一种有序的数据集,与队列相似,但双端队列的两端都可以作为队首和队尾( 即数据在两端都可以删除和插入 ) 某种意义上来说,双端队列Dequeue 集合了栈和队列的功能 ,Dequeue既可以实现栈也可以实现队列 双端队列的操作: Dequeue() 创建一个双端队列 addFront() 队首加入数据 addFear() 队尾加入数据 removeFront() 队首删除数据 removeFear() 队尾删除数据 size() 双端队列元素个数 isEmpty() 是否为空 双端队列使用实例: 双端队列代码: 双端队列应用—— “回文词”判定 “回文词”: 正读和反读都一样的词 例:radar(雷达),madam,foot,“上海自来水来自海上”,“山东落花生花落” 算法: 利用双端队列Dequeue,先将字符串加入双端队列,再从两端开始移除判断是否相同,最后剩一个字符 代码: 所有代码: class Dequeue () : """双端队列""" def __init__ (self) : self.items = [] def addFront (self, item) : self.items.append(item) def addFear (self, item) : self.items.insert( 0 ,

酷!一个仿漫画手绘风格的 Python 图表库

天涯浪子 提交于 2021-02-02 11:53:00
【导读】:关于数据可视化工具,如果你有点厌烦了常见风格(比如: Matplotlib 和 pyecharts ),那可以试试换一种风格。 本文前哨君给大家介绍一个风格完全不一样的开源库: cutecharts ,其 UI 效仿 XKCD 漫画风格,在部分场景(比如:个人作品展示)的效果或许会更好。 补充:XKCD 是一个 IT 漫画网站,在国外非常有名气。 为什么会有 cutecharts? 据 cutecharts 的开发者介绍,他个人非常喜欢一个 JS 图表库 chart.xkcd ,但它支持的图表类型不多,比 pyecharts 少很多。 Javascript 在数据交互和视觉效果上更有优势,而 Python 是一种深受数据科学界的喜爱的语言。因此,他想结合这两种技术的力量,于是就开发了 cutecharts.py。 此外,cutecharts 更多的是一个库,用来学习如何将 Javascript 世界与 Python/notebook 相结合。cutecharts 的项目结构与 pyecharts 相同,它支持 pyechart s的所有核心功能,同时更轻量级,总体上也更简洁。 GitHub 地址: https://github.com/chenjiandongx/cutecharts 简单使用 一行命令先安装好该库: pip install cutecharts 下面就是

今年,自动驾驶卡车将在无人驾驶的情况下上路

℡╲_俬逩灬. 提交于 2021-01-22 13:00:18
文章来源:IEEE电气电子工程师 Photo: TuSimple First in Freight: In 2021, San Diego–based startup TuSimple plans to deploy autonomous trucks that drive themselves from pickup to delivery without anybody on board. Tesla、Uber、Cruise和Waymo等公司承诺,未来汽车基本上可称之为移动机器人,只需轻触智能手机即可可以带我们去任何地方。但一种新的汽车种类即将在未来的飞跃中超越自动驾驶汽车。自动驾驶卡车已经悄然取得了同样多的进展,随着不断商业化部署,其对货物运输的影响无疑将是深远的。 在近12家开发自动驾驶卡车运输的公司中,总部位于圣地亚哥的TuSimple正试图通过将独特的技术与一系列战略合作伙伴结合起来,进而取得成功。与卡车制造商Navistar以及航运巨头UPS合作,TuSimple已经在亚利桑那州和得克萨斯州进行了测试运营,包括站点到站点(depot-to-depot)的自动运行。这些都是在所谓的“监督自主”下运行的,即有人坐在驾驶室里,如果需要的话,随时准备开车。2021年的某个时候,这家初创公司计划开始取消人工监管,让卡车自己从取货到交货的整个过程,车上不再有人。

解读自动驾驶的2020:从硬件角度看,无人车商业化落地难在哪?

蓝咒 提交于 2021-01-06 02:05:14
来源 :AI前线 作者 :滴滴自动驾驶技术团队 策划 :陈思 「重点问题」 什么是合适的无人驾驶车辆平台? 复杂场景下的“无人驾驶”,传感器硬件系统还有哪些挑战? 告别 demo 硬件系统后,下一个前装量产的必经阶段是什么? 前装量产无人车真的已经走进现实了吗? 在自动驾驶领域,关于车和硬件的新闻非常多,某顶级 OEM 和某头部科技公司达成战略合作要前装量产,某革命性的自动驾驶硬件横空出世。究其原因有三: 首先,自动驾驶汽车的本质属性仍然是车。自动驾驶技术终究需要车作为载体,同时出行服务也需要落实到车这个终端上。 其次,随着行业的进步,也逐步认识到自动驾驶是一个软硬件强耦合的系统工程,车辆硬件和软件算法是鱼和水的共生关系。 再次,很现实的问题是就算顶级 OEM 也对复杂软件系统与 AI 鲜有很强的应对能力,同样科技公司想补齐汽车硬件的研发能力与克服生产制造壁垒短期也是不现实的。所以,车厂、Tier1 和科技公司走向一起势在必行。 而要做到真正的商业化落地,还必须要考虑成本可控和前装量产两大难题。在多重难题叠加的模式下,自动驾驶车辆硬件如何应对挑战,朝究极形态演进与进化? 一、自动驾驶车辆平台 如何评估与改造一个合适的自动驾驶车辆平台,涉及的技术核心包括: 是否有先进的整车架构与动力总成,如何实现底盘线控,如何实现冗余(包括转向、制动、通信、供电系统等),是否有开放的原车协议

基于Pyecharts V1.x.x的数据可视化(一)

老子叫甜甜 提交于 2020-12-21 06:56:55
基于Pyecharts v1.x 的数据可视化 1、Pyecharts简介 Echarts是一个由百度开源的数据可视化工具,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而 Python 是一门富有表达力的语言,很适合用于数据处理。当数据分析遇上数据可视化时,Pyecharts诞生了。 Pyecharts最早只适用于工程领域的可视化开发,但是随着其对Jupyter notebook、Jupyter lab等交互式开发工具的支持不断加强,现在也开始被许多数据分析师应用到数据探索中。 1.1、Pyecharts各个版本与Python的对应关系 pyecharts 分为 v0.5.x 和 v1.x 两个大版本,v0.5.x 和 v1.x 间不兼容,v1.x 是一个全新的版本。 Pyecharts各版本与python的对应关系见下表 版本 V0.5.x V1.x.x python 版本选择 Python2.7,3.4+ Python3.6+ 注 : 经Pyecharts开发团队决定,0.5.x 版本将不再进行维护 1.2、Pyecharts v1系列的新特性 全面拥抱 Python3 和 TypeHint pyecharts v1.0.0 停止对 Python2.7,3.4~3.5 版本的支持和维护,仅支持 Python3.6+。如果还不知道什么是 TypeHint 的同学

开发者说丨汽车高级驾驶辅助系统ADAS盘点

穿精又带淫゛_ 提交于 2020-12-08 07:26:45
本文作者:Apollo开发者社区 高级辅助驾驶系统(ADAS) 是指利用传感器收集车辆周围数据, 进行物体的辨识、侦测与追踪等, 能够让驾驶者在最快时间察觉潜在危险, 提高安全性的主动安全技术。目前的车辆都带有驾驶辅助系统,广泛应用的倒车雷达,比较高端的远程召唤,都属于辅助驾驶。 随着全国汽车保有量的持续攀升,道路交通事故率居高不下,对于驾驶员差异化习惯所导致的交通事故而言,高级驾驶辅助系统(ADAS)则显得尤为重要。 按技术进行分类,ADAS可分为 辅助预警类 和 控制辅助类 两大部分。 辅助预警类 的包括有:车道偏离警示系统(LDW)、前向碰撞预警系统(FCW)、盲区监测系统(BSD)、交通标志识别(TSR)、驾驶员疲劳预警(DDW)、变道辅助系统(LCA)、夜视系统(NV)、泊车辅助系统(PA)、360°全景影像系统。 控制辅助类 的包括有:自适应巡航系统(ACC)、自动紧急制动(AEB)、车道保持系统(LKA)、智能车速控制(ISA)、自动泊车系统(APS)、交通拥堵辅助系统、增强型人行检测系统、预碰撞系统(PCS)、交叉路口自动刹车系统。 本文由 百度Apollo智能汽车事业部 自动驾驶工程师——陈光 撰写,对 汽车高级驾驶辅助系统ADAS盘点 进行了详细讲解,希望这篇文章给感兴趣的开发者带来更多帮助。 以下,ENJOY 前言 随着越来越多新势力造车势力的崛起

html获取实时天气&Java获取天气

家住魔仙堡 提交于 2020-11-27 02:45:17
  对接天气的api很多都有次数限制,或者需要去申请一些appcode才能访问,有没有一些比较简单的方式来获取实时天气呢?基于此,本人整理了此篇博客。 一、天气对接。 中国天气网 1、 http://m.weather.com.cn/data/101110101.html 已失效 2、 http://www.weather.com.cn/data/sk/101010100.html 有数据,乱码,不全,没有生活指数,没有天气图标 { "weatherinfo": { "city": "北京", "cityid": "101010100", "temp": "22", "WD": "北风", "WS": "2级", "SD": "19%", "WSE": "2", "time": "16:05", "isRadar": "1", "Radar": "JC_RADAR_AZ9010_JB" } } 3、 http://www.weather.com.cn/data/cityinfo/101010100.html 有数据,乱码,不全,没有生活指数,没有天气图标 { "weatherinfo": { "city": "北京", "cityid": "101010100", "temp1": "24℃", "temp2": "11℃", "weather": "雷阵雨转多云", "img1"

数据可视化:基本图表

匆匆过客 提交于 2020-10-30 08:18:30
"数据可视化"可以帮助用户理解数据,一直是热门方向。 图表是"数据可视化"的常用手段,其中又以基本图表----柱状图、折线图、饼图等等----最为常用。 用户非常熟悉这些图表,但如果被问道,它们的特点是什么,最适用怎样的场合(数据集)?恐怕答得上来的人就不多了。 本文是电子书 《Data Visualization with JavaScript》 第一章的笔记,总结了六种基本图表的特点和适用场合,非常好地回答了上面的问题。 零、序言 进入正题之前,先纠正一种误解。 有人觉得,基本图表太简单、太原始,不高端,不大气,因此追求更复杂的图表。但是,越简单的图表,越容易理解,而快速易懂地理解数据,不正是"数据可视化"的最重要目的和最高追求吗? 所以,请不要小看这些基本图表。因为用户最熟悉它们,所以只要是适用的场合,就应该考虑优先使用。 一、柱状图(Bar Chart) 柱状图是最常见的图表,也最容易解读。 它的适用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较。年销售额就是二维数据,"年份"和"销售额"就是它的两个维度,但只需要比较"销售额"这一个维度。 柱状图利用柱子的高度,反映数据的差异。肉眼对高度差异很敏感,辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。 通常来说,柱状图的X轴是时间维,用户习惯性认为存在时间趋势。如果遇到X轴不是时间维的情况

【军工AI】基于图像处理与图像识别的经典探地雷达识别

白昼怎懂夜的黑 提交于 2020-10-29 01:28:27
文章目录 本课题的研究内容: 探地雷达原理 探地雷达图像预处理 图像倾斜矫正 均值法去背景原理与实现 图像分割技术 阈值分割技术的实现 腐蚀与膨胀技术 探地雷达杂波抑制研究与实现 探地雷达合成孔径成像 探地雷达目标识别 总结 本文为论文解读,为2008年发布的基于传统图像处理与识别论文,目标是探地雷达信号的识别。 本课题的研究内容: 1、讨论了各种探地雷达杂波抑制方法,数字图像的基本理论和图像倾 斜矫正方法,重点介绍了均值法去背景这种最常用的杂波抑制方法,分析 实现了图像的分割技术、滤波技术以及腐蚀与膨胀技术。从浅地层探地雷 达图像的特点出发,提出一种基于图像处理技术抑制探地雷达杂波的方 法。 2、分析了浅地层探地雷达合成孔径成像与普通雷达合成孔径成像的不 同。研究了探地雷达合成孔径成像时的一个重要参数——波速的估计问 题,使用了一种基于Hou曲变换的波速估计方法。在各种探地雷达合成 孔径成像方法中,改进了一种快速微波全息合成孔径成像方法。 3、介绍了针对B.scan的探地雷达目标识别与定位方法,在前述所提 杂波抑制的基础上运用并实现了一种有效的特征提取方法和基于模糊聚 类分析的自动识别方法,并实现了一种基于窗口划分的目标定位方法。 探地雷达原理 探地雷达(c№und Penetrating Radar简称GPR)是一种对地下或物体内不可见的目 标或界面进行定位的电磁技术

从提高 Elasticsearch 搜索体验说开去......

ぐ巨炮叔叔 提交于 2020-10-28 07:53:43
1、实战问题 球友提问:怎么搜索才能使得结果是最好的呢? 我这边一个搜索功能,实现做法就是将用ik分词器配合multi查询实现的。 中途也追加了客户所在领域相关词汇字典。 但是客户一直反馈搜索体验不好。 如果想要提高搜索体验还能从那些方面入手呢? 来自:死磕 Elasticsearch 知识星球 这个问题非常有代表性,我在实际产品开发中也遇到过。 2、从几个例子说搜索体验 示例一:“慕X网”输入“触发器”的搜索截图。 注意:我输入的是“触发器”,返回结果第一条没有问题,其他几条有关:“触”、“发”的,可以说和我的搜索没有关系。 站在用户体验的角度,我认为:体验很差,返回了很多不相关的数据。 示例二:某题库APP,不支持跳转翻页。 如下所示,题库共1703题,包含:判断题、选择题。 只支持:点击:上一题、下一题。 实际场景: 当做了100道、200道的时候,只有选择题;到底多少选择题? 当退出后,需要点击几百下进入自己上次做到的最后一道题..... 这不是用户体验差,这是没有用户体验,开发者完全没有动脑子的设计,用户会"怀疑人生"。 示例三:电商搜索“秋天第一条秋裤”,该返回什么? 放大 查看图片,亮点自现 这是个见仁见智的问题,究竟返回什么,各个电商公司都有自己的评判。 但,单纯站在用户的角度,高下立判。 铭毅一句话点评: 拼多多 “活该你发展快”,的确返回结果就是预期结果