C++

C++是一门由Bjarne Stroustrup于1980年代在贝尔实验室开发的通用编程语言,其设计初衷是“带类的C”,即在C语言的基础上增加了面向对象编程等特性。它完美继承了C语言的高效性和底层控制能力(如指针和内存直接操作),同时引入了类、封装、继承、多态等面向对象机制,以及模板、泛型编程、异常处理、标准模板库(STL)等现代特性,使其成为一个兼具高性能和高抽象层次的多范式语言。C++以其极高的执行效率和灵活性著称,既可用于开发操作系统、游戏引擎、嵌入式系统、高频交易等对性能极度敏感的底层系统,也能构建大型复杂的桌面应用和服务器软件。然而,这种强大和自由也带来了显著的复杂性,学习曲线陡峭,需要程序员手动管理内存并深入理解语言细节。尽管面临现代语言(如Rust、Go)的挑战,但凭借其成熟的生态、庞大的代码遗产和持续的标准化演进(C++11/14/17/20),C++至今仍是系统级开发和高性能计算领域不可或缺的基石语言。
层级 模块环境与硬件 Dashboard/EnvironmentList/EnvironmentCreate/硬件检测机器人设计 BodyDesigner(3D设计+URDF/MJCF导出)/URD(统一机器人描述)训练与实验 ExperimentRunner/ModelTraining/Motio
110C++机器深度学习
对PDF、Word、TXT等多格式文档进行文本清洗、切片分块、向量化编码;基于向量数据库搭建检索引擎,结合相似度匹配、重排序算法优化检索精度;接入大模型Prompt工程优化问答逻辑,构建检索+生成的RAG推理链路;完成前后端对接与接口封装,实现私有化部署与稳定服务调用。
210C++人工智能
设计分阶段课程学习与⾃动切换策略,提升⻓周期训练稳定性并降低策略震荡⻛险。构建Sim2Real接⼝与并联映射能⼒,完成⼯作空间惩罚与动作低通滤波,为控制侧联调提供稳定输入。⽀持⻓周期训练、断点恢复与回归验证。打通模型管理与ONNX导出链路,为C++侧推理部署与跨平台集成提供标准模型接⼝。
220C++机器深度学习
1、下位机:完成隧道小车的驱动控制;控制线阵相机扫描隧道;控制补光;控制雷达探测周边障碍物确保安全;接收遥控器控制指令。2、上位机:整合下位机采集的图像;实现缺陷的人工标注;实现缺陷的自动识别;输出说明缺陷类型及位置信息的工单
250C++机器深度学习
系统提供多终端SDK,支持Java、C++、C#、Python等主流语言,方便各类业务系统快速集成。基于RK3588边缘算力设备,实现毫秒级快速识别,无需依赖云端即可完成端侧推理,满足低延迟、数据本地化及恶劣网络环境下的实时作业需求。算法能够精准定位集装箱箱号及箱型号所在区域,并高鲁棒性地识别印刷、
370C++人工智能
通过4台Mech-Eye3D工业相机,对预制梁焊接区域进行视觉检测,计算焊接点三维坐标,并通过TCP发送给PLC/机器人执行自动焊接。六大功能模块①相机管理(MechMindCamera.cs)封装Mech-EyeSDK,支持4台相机独立发现/连接/断开,拍摄深度图(TIFF)和2D灰度图(PNG)
280C++人工智能
可完成目标物体轮廓精准提取,搭配完整图像预处理与噪声去除功能。融合HSV、二值化算法优化图像效果,针对性适配复杂现场光照环境,有效抵御光线、阴影等干扰,保障视觉检测与测量工作稳定运行。
280C++人工智能
核心模块:包含dat格式解析与重组、滑动窗口智能切分、多维可视化(时/频/时频域联动)、音频回放校验及批量标注导出五大模块。功能描述:支持DAS专有二进制格式的直接读取与解析,通过“视听协同”辅助人工判读,一键生成深度学习训练样本。工具解决了传统标注效率低、边界识别难的问题,将标注效率提升40%以上
360C++人工智能
下位机:通过对激光雷达所采集实时点云进行分析,融合视频图像识别目标类型,针对不同的目标类型产生对应的事件上报至上位机;接收来自上位机的协议指令并执行上位机:综合下位机上报的事件产生不同等级的告警客户端:提供全网所监测路段的实时监控,并提供历史数据的查询及报表分析
270C++机器人
工程上实现工业机器人(贯流风叶检测机),贯流风叶从入口进入,电子摄像头(2个)采集旋转的贯流风叶的表面图像,通过检测算法,将风叶识别为有无瑕疵(若有瑕疵,机器记录是何种瑕疵),分别从机器输出端两个出口输出。检测算法,基于yolov-5算法,建立基础数据集,训练出检测模型,实时快速检测风叶瑕疵,检测率
250C++机器深度学习
本项目面向卫星载荷在轨运行场景,目标是构建一套可部署在星载计算平台上的综合任务管理软件,支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计,提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、
620C++边缘计算
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
400C++自动驾驶
风速预测产品系统
系统主要实现风电功率时间序列预测功能,包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理,再利用CEEMDAN和EWT方法将复杂功率信号拆分为多个更稳定的子序列,随后分别训练LSTM模型进行预测,最后将各子序列预测结果重构为
430C++机器深度学习
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
541C++人工智能
该系统通过传感器实时采集海缆焊缝的点云数据,并基于改进的U-Net网络进行焊缝缺陷识别,自动检测焊缝表面缺陷,并生成质检报告。其中作为核心开发成员负责改进U-Net网络的算法开发,用于精确识别焊缝缺陷,同时还负责与传感器的通讯模块开发,确保系统能够稳定稳定获取并处理点云数据,完成质检任务,以及基于q
660C++机器深度学习
项目简历:基于Qt搭建停车系统客户端,MySQL实现数据存储;采用Socket与自定义协议实现网络通信;集成OpenCV完成车辆抓拍、车牌识别、自动计费及视频管理,完成分布式服务端-客户端联调功能模块:网络通信与数据同步,检测车辆和人脸,实时数据显示:车辆信息、停车时长、费用计算等数据实时更新,视频
590C++音视频多媒体
负责漂浮物视觉感知算法研发,实现漂浮物目标检测、距离估算、尺寸测算等功能;完成感知结果与前端地图系统对接,实现漂浮物位置及大小的实时可视化展示,并参与地图交互形式优化与项目落地。
690C++机器深度学习
功能介绍:1.细长静电线链接CV算法识别(属于cv算法模型识别小目标中的细长特难目标检测)2.工作人员值守识别3.当装卸车作业时,未连接静电线就开始作业时,预警
1220C++人工智能
雷达数据处理产品系统
点云聚类目标跟踪航迹框生成场景识别利用模型去做端到端处理算法工作全部涉及测试验证模型量化部署实现符合要求的全部功能还可以按照需求进行扩展开创性的引入模型在工程化的工作中
530C++汽车
该项目旨在对晶圆半导体进行成像,通过对图像中特定位置的线,圆,夹角进行检测,得出尺寸和角度的信息,据此判断产品测量项是否合格;通过传统算法结合深度学习,定位产品区域,并进行语义分割,计算缺陷Blob信息,据此判断产品是否合格。
430C++机器深度学习
当前共57个项目more
×
寻找源码
源码描述
联系方式
提交