基于ZYNQ新起点V1，摄像头采用OV5640，使用帧间差分法进行目标跟踪。视频输出采用VGA接口。

基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。 基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。

Alpha-beta-gamma滤波器是一种用于对时间序列数据进行滤波的算法。它综合了三个滤波器的优点，可以在一定程度上抑制噪声，并且对快速变化的信号具有较好的响应速度。 Alpha滤波器可以用于平滑数据，减少瞬时波动。Beta滤波器可以用于响应中等频率的变化，适用于去除缓慢变化的趋势。Gamma滤波器可以对快速变化的信号进行平滑，有利于提取高频信息。 将这三个滤波器组合起来，可以在不同时间尺度上对数据进行平滑处理，从而获得更准确的结果。使用alpha-beta-gamma滤波器需要选择合适的滤波器参数，根据实际情况进行调整。 alpha-beta-gamma滤波器在最基础的alpha-beta滤波器上进行一定的改进，加入了另一个调整参数gamma，使得该滤波器可以对匀加速运动的目标进行跟踪和滤波，其效果明显优于普通的alpha-beta滤波器，了解此种滤波器对于后续的卡尔曼滤波器具有一定的帮助，本程序对其进行了MATLAB仿真，程序正确，结果较好，大家可以自行下载查看学习

在雷达系统当中，跟踪的应用种类很多，包括但不限于`目标定位、自主导航、天气预测、空中交通管制和军事应用`等等，那么**如何获得更加准确的关于目标数据**就成为一个至关重要的问题。，`跟踪滤波器`为一种较好的方式，跟踪滤波器的**主要目的**就是`在充满不确定性的情况下，获得更为精准的目标的位置信息、速度信息、加速度信息等`，其中的alpha-beta滤波器为最基础的一种用于简单目标跟踪滤波的滤波器类型，了解此种滤波器对于后续的卡尔曼滤波器具有一定的帮助，本程序对其进行了MATLAB仿真，程序正确，结果较好，大家可以自行下载查看学习

（1）Frenet坐标系下动力学建模 （2）自动驾驶车辆的换道轨迹规划 针对五次多项式换道法仅在初始时刻规划换道轨迹的问题，本文结合行驶环境边 界条件，建立五次多项式换道轨迹模型。将换道轨迹规划解耦成横、纵向轨迹规划。 综合考虑换道性能指标，建立横向轨迹优化模型。 （3）自动驾驶车辆的换道轨迹跟踪控制 针对轨迹跟踪控制算法计算量大，鲁棒性差等问题，本文对横、纵向轨迹跟踪进 行解耦控制，从而降低计算量。采用实验的方法，制作油门/刹车标定表，通过双PID 控制器进行纵向轨迹跟踪控制；采用Ackermann公式设计控制函数，将滑模切换函数 替换为状态向量的第四个状态量，从而证明系统运动点到达滑模面以后，不受外界扰 动影响，具有较好的鲁棒性；通过李雅普诺夫函数证明了系统可以在有限时间内到达滑模面。 （4）高速行驶环境下两种换道场景的仿真验证 通过Matlab/Simulink分别与Prescan、Carsim联合仿真，对自动驾驶车辆的换道 轨迹规划与跟踪控制进行仿真验证。仿真结果表明，加入模型预测控制算法的五次多 项式轨迹规划方法可以有效的动态规划换道轨迹。

matlab集成c代码 ECO_C_Edition 一、目标 冯如杯目标跟踪，将ECO算法转换为C语言版本 二、Guideline 1，完整读一遍代码，勾勒出算法框架 2，分工：feature extraction部分和implemention部分。后面implemention部分比较复杂，可以多找两个人来读和写。 3，找出所有的依赖于第三方的库和代码，比如各种滤波用到的fft什么的之类的，找到用c的话用哪些库来代替（比如c下面有很高效的fftw算法库可以用） 4，按照分工，从上至下一个模块一个模块用c来重新，并进行模块测试，结果跟matlab来对比，确保模块功能正确 5，把各个模块进行集成。 三、测试 使用MATLAB的unit test功能 四、Github操作 使用Github Desktop，修改后提交使用PUSH，获得更新使用PULL 五、运行 1.Download matconvnet ZIP file from and unpack it in the external_libs/matconvnet/ folder of the repository. 2.Downlo

PoE字符日志PS 流放字符记录路径-跟踪播放的任何PoE字符 这是正在进行的工作-分享反馈/想法！ 如何使用 注意：如果您以前没有使用过Powershell，这是一个有用的“入门”指南 如果您之前没有运行过脚本，则需要在系统上启用脚本。 扫描一个或多个整个帐户编辑run_accounts.ps1以包括您要扫描的帐户名执行run_accounts.ps1扫描那些帐户 扫描一个或多个字符编辑run_chars.ps1以包括您要扫描的帐户/字符名称执行run_chars.ps1扫描那些字符 注意：只有在脚本开始后创建或获得XP的字符才会被记录下来，并且脚本必须继续运行才能看到更改！ 它创造了什么 在“数据”目录中，您将找到-对于每个扫描的字符JSON-树，技能和物品的API数据的完整转储-每次扫描1个条目LOG-详细说明对字符所做的更改的文本文件（旨在作为Twitch叠加层运行或仅用于显示快

PoE-字符-日志-Python 流放字符记录路径-跟踪播放的任何PoE字符 这是正在进行的工作-分享反馈/想法！ 如何使用 下载仓库并运行“ scan_all.py”以开始扫描 这将“永远”循环，扫描选定的PoE帐户并存储其设备，被动树和技能以供以后使用 首次运行时会创建一个“ setting.json”文件-将其编辑为... 指定您要跟踪的帐户更改扫描频率（注意不要达到API速率限制，并记住更多扫描=丢失更多数据！） 设置最大级别以考虑“新”字符（默认为10），并设置最大级别以监视任何字符（默认为90）-再次，更高的数字=更多数据！ 注意：每次扫描程序循环时都会读取settings.json-无需重新启动！ 它创造了什么 在“数据”目录中，您将找到JSON文件是针对树，技能和项目的API数据的完整转储-每次扫描1个条目 在“日志”目录中，您将找到日志文件-详细说明对字符所做的更改的文本

基于PSCAD的光伏最大功率跟踪模型

该模型采用模型预测控制方法（MPC），实现道路场景的轨迹跟踪，实现实时跟踪并达到预设轨迹