里程验证-通过以太坊区块链验证二手车的里程历史 防篡改应用程序，用于在以太坊区块链上跟踪里程数据。 为了可视化跟踪的里程数据的有效性，结果将通过Android和iOS客户端以直观的方式呈现给应用程序用户。 使用的工具：Flutter，Solidity，Web3，Azure（以太坊授权证明节点托管在Azure上） 演示版 软件构架 车辆经常将传感器数据上传到以太坊区块链。 客户的Android或iOS应用通过Web3从区块链检索里程数据。 在测试设置中，我们通过Microsoft Azure上的两个虚拟机托管了一个以太坊权限证明链。 入门 app.apk-Android APK文件，安装在您的Android设备上以使该应用程序运行（以太坊PoA链当前离线）BlockchainCode.sol-实体代码。 该应用程序与部署在以太坊区块链上的智能合约进行交互。 miles_verificat

程序主要实现不对称缓和曲线中边桩计算及里程桩号和曲线要素显示

可显示速度 行驶距离 电子罗盘hmc5883L。除了sd卡读取部分未完成

基于VB制作的道路不对称缓和曲线里程中边桩计算，同时具有道路左右转、设置路宽、设置两缓和曲线长度、半径，交点坐标里程等功能。适用于道路对称缓和曲线以及不对称缓和曲线的计算。计算里程桩个数暂时尝试一万个，完美运行。

里面包含完整代码，自己提供ak密钥，到百度地图页面申请即可

一种惯导/里程计白主组合导航方法。本方法包括以下步骤: (1) 惯导系统初始对准，对卡尔曼滤波器参数进行初始化; (2) 进行惯性导航计算，得到离散状态转移矩阵和量测矩阵; (3) 基于位移误差的求和测量，计算滤波观测量; (4) 里程计信息故障检测; (5) 卡尔曼滤波; (6) 修正。

matlab的slam代码基于线和平面的视觉里程计 (LPVO) 该软件包提供了 ICRA 2018 论文的 MATLAB 实现：“通过解耦旋转和平移运动在结构化环境中的低漂移视觉里程计”，仅用于研究和学习。 请注意，此存储库仅包含简化的建议视觉里程计示例代码，以了解 LPVO 在结构化环境中的工作方式。 1. 目标 我们的目标是估计 6-DoF 相机相对于室内结构化环境的运动。 LPVO 联合利用线和平面基元来识别正交结构环境的空间规律。 同时使用 RGB 图像中的线条和深度图像中的表面法线来准确、稳定地感知环境规律。 LPVO 可以跟踪无漂移的旋转运动，同时至少可以看到一个平面和一对平行于曼哈顿世界 (MW) 轴的线。 给定绝对相机方向，我们恢复了最佳平移运动，从而最大限度地减少了反旋转重投影误差。 2. 先决条件 该软件包在 MATLAB R2019b 上在 Windows 7 64 位上进行了测试。 这个包依赖于关键点处理、KLT 跟踪和翻译估计的库。 如果没有在 MATLAB 环境中安装 mexopencv，此包中的 cv.* 函数将无法运行。 请先构建您的操作系统，然后运行

密码学历史及近40年人物技术里程碑(公号回复“密码学”下载PDF资料，欢迎转发、赞赏、支持科普)

本文给大家介绍分别使用js和c#两种语言实现根据百度地图计算出两地之间的驾驶距离，需要用户指定出发城市和到达城市。对百度地图计算两地距离感兴趣的朋友可以参考下本

视觉里程表 这是在上的OpenCV 3.4实现。 方法 2D-2D单眼VO和2D-3D立体声VO 实施细节 编译 在2目录中： mkdir build cd build cmake .. make 跑步 编译后，直接在构建中单核细胞增多症 ./vo [sequence ID] [dataset directory] 立体声 ./vo [sequence ID] [max frame] [optimize frame] [dataset directory] 表现