Eye-closure-detection-EAR Eye closure detection based on EAR 基于人眼纵横比计算的人眼闭合检测算法 原理 PDlib是基于现代C++的通用多平台框架，在机器学习和图像处理领域提供了一系列相关功能 它在人脸检测中，将人脸视为可分的68个数据点，部分人脸数据可根据这些数据点进行检测 Tereza Soukupová于2016年发表的一篇名为Eye blink detection using facial landmarks的文章中 基于实际数据集使用面部关键点检测器作为输入，提出了简单有效的眨眼检测眨眼算法 通过定位眼睛和眼睑的轮廓得出眼睛的长宽比（Eye Aspect Ratio，EAR），用于估计睁眼状态 将访问到的左眼数据[43，48]进行编号 分别对应[p1,p6]得出公式： 在睁眼状态时EAR通常保持恒定，而闭眼时EAR趋近

谷歌开源Cartographer的论文 Real-Time Loop Closure in 2D LIDAR SLAM

希望可以帮到学习slam的同学，之前看博客里下载需要积分，在学习中无意看到这份资料分享出来

该文档从以下几个方面进行解析： 1、Vivado基本操作流程 2、时序基本概念 3、时序基本约束和流程 4、Baselining时序约束 5、CDC时序约束 6、I/O时序 7、例外时序约束 8、时序收敛优化技术

gulp-es6-module-to-closure 编译 ES6 import/export => Google Closure goog.require/goog.provide 注意：为了支持 ES6 特性，引入了一些特殊规则。 请参见下面的示例，尤其是当您使用现有代码中的翻译库时。 安装 npm install gulp-es6-module-to-closure --save-dev 用法 var es6ModuleToClosure = require ( "gulp-es6-module-to-closure" ) ; gulp . src ( "./src/**/*.js" ) . pipe ( es6ModuleToClosure ( { root : 'src' , namespace : "prefix.name.space" } ) )

英文书籍超高清PDF，《VLSI Physical Design： From Graph Partitioning to Timing Closure》。仅供分享学习，版权归原出版社所有。如有侵权，请删除。

google cartographer算法对应论文real-time loop closure in 2D LIDAR SLAM

输入任意给定的有限自动机，对该自动机的任意状态子集I,输出它的空闭包ε-closure（I）。 基本要求： （1）输入NFA； （2）输出所有的状态子集的空闭包； （3）输出给定状态子集的空闭包； 以状态转换图方式输出用户输入的有限自动机，要求状态结点大小位置布局合理，具有通用性。

xilinx ug1292中文版资料，快速进行时序违例的处理，中文方便学习.

Contact, closure and friction behaviour of rough crack concrete surfaces