tobii 4C使用python tobii research开发
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Tobii Eye Tracker 4C临床眼动校准工具包:面向放射科医生的即用型Python配置方案
专为医学影像诊断场景设计的Tobii Eye Tracker 4C快速部署工具,聚焦放射科医师、乳腺癌筛查等临床工作流。提供开箱即用的Python脚本,支持三步核心操作:自动硬件连接识别、交互式五点/
CPP.rar_Python_
python语言例子"说明了有使用Python编写的示例代码,这通常意味着这些代码易于理解且适合作为学习的起点,因为Python语法简洁,适合初学者。
配置python环境(idea2019.2)
代码下载地址: https://pan.quark.cn/s/5c80a2689470 说明 本项目是基于python环境使用,搭建argo-xray节点,集成哪吒探针v0/v1自由选择,包含
Python单应性透视对齐 OpenCV文档矫正出图
Python单应性透视对齐 OpenCV文档矫正出图 合成倾斜文档或物体图像对,单应性估计与透视变换对齐到参考平面,输出对齐图、匹配叠加与误差统计。 功能: · 合成参考/畸变图对 · ORB+findHomography 对齐 · aligned.jpg · 匹配连线图 · 误差统计柱状图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python STL LSTM蒸汽流量预测 季节分解对比出图
Python STL LSTM蒸汽流量预测 季节分解对比出图 对工业蒸汽小时流量做 STL 日周期分解后 LSTM 预测,对比原序列 LSTM,输出四分量分解图与预测曲线。 功能: · 合成工业蒸汽小时流量 · STL period=24 四分量分解 · LSTM 对比原序列 · metrics.csv · decomp.png+forecast.png · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python EMD LSTM冷机负荷预测 分解对比出图
Python EMD LSTM冷机负荷预测 分解对比出图 经典 EMD 分解冷水机组小时冷负荷后 LSTM 预测,对比原序列 LSTM,输出 IMF 分解图与预测曲线。 功能: · 合成冷机冷负荷小时序列 · 经典 EMD IMF 分解 · LSTM 对比原序列 · decomp.png IMF 子图 · forecast.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Tobii-Eye-Tracker-4C:该代码用于从Tobii Eye Tracker 4C或Tobii Pro中获取视线数据。 4C需要许可证才能提供凝视数据
在描述中提到的"Tobii-Eye-Tracker-4C"很可能是一个包含Python库和示例代码的项目,帮助开发者快速上手使用Tobii设备。
eye-tracker-setup:Tobii Eye Tracker 4C设置
该项目旨在为Tobii Eye Tracker 4C眼动仪提供完整的Python集成解决方案,支持设备发现、校准、眼位定位与验证等功能。核心功能通过Tobii Pro SDK实现,并封装于TobiiH
Honours_EyeTracker:使用Tobii 4C Eyetracker的“荣誉年”项目
该项目利用Tobii 4C眼动仪进行视觉注意力研究,通过C++程序采集注视点数据并存入CSV文件,Python脚本控制全屏图像呈现并记录用户键盘响应。实验结束后,调用热力图生成模块对 gaze 数据进
pip-matplotlib-3.7.3-cp312-cp312-macosx_10_12_universal2.whl.zip
该包不含任何源代码(.py 文件未被编译为字节码前的原始形态),全部 Python 模块均已编译为优化字节码(.pyc),C 扩展模块已静态链接或动态链接 macOS 系统级库(如 CoreGraphics
邮件附件自动收取工具 MailReceiver 收取邮件附件,按规则分目录保存.在Win7SP1,Server2008R2及window以上版本可用
因工作需要,将收到的附件,保存到各公司的目录 一直没找到好的方法,outlook设定,加了脚本也不太好用. 在网上也没找到好的工具. 最后自已做了一个简单的工具. ================================ 邮件附件自动收取工具(手动运行 + 图形记录窗口版) ================================ 配置来源: exe 所在目录下「与 exe 同名的子目录」中的 ReceiveMailConfig.xlsx (例如 MailReceiver.exe 读取 [exe目录]/MailReceiver/ReceiveMailConfig.xlsx; ) - Sheet「设定」: 收取最近多少封邮件、POP3服务器、账号、密码 - Sheet「筛选」: 匹配规则(发件人包含/主题包含/附件名包含/扩展名 -> 保存路径) 配置不存在时弹窗提示并退出。 每次运行独立完整收取。 行为: 1. 手动双击运行(无计划任务), 读取配置中的「收取最近多少封邮件」 2. 连接 POP3(SSL 995), 取邮箱中最新 N 封邮件, 每次运行都重新收取 (本地附件被删除/改动后, 再次运行会自动恢复为服务器上的版本) 3. 图形记录窗口实时显示: 正在读取的邮件标题、正在收取的附件名称等 4. 邮件命中任意规则(所有非空条件同时满足)后, 匹配附件保存到规则指定目录 5. 保存附件时同名文件直接覆盖, 不做重复判断; 规则要求加日期的用邮件本身的日期做前缀(保证重复收取时文件名稳定) 6. 全部收取完成后弹窗显示本次收取附件数量; 点确定退出, 60 秒未操作自动退出 7. 日志写入: exe 所在目录下的 ReceiveMail_log.txt
SFA-swtransparency.json-2026-08-26-145232.ips
SFA-swtransparency.json-2026-08-26-145232.ips
【云原生安全治理】基于Go的Kubernetes动态调度、Linkerd服务网格与Serverless事件驱动告警系统实现
内容概要:本文详细介绍了如何使用Go语言结合Kubernetes API、Service Mesh(Linkerd)和Serverless技术,构建一个面向招投标系统的动态资源调度、安全治理与自动化响应体系。通过client-go实现Deployment的自动扩缩容、Pod异常监听及集群资源监控;利用Linkerd提供mTLS加密、服务间访问控制与流量拓扑可视化,增强系统安全性;借助Knative或OpenFaaS编写事件驱动的Serverless函数,实现对高频投标等异常行为的实时检测与自动封禁。三者协同形成闭环:从资源弹性、流量安全到智能处置,全面提升系统的稳定性与安全性。 适合人群:具备Go语言开发基础,熟悉Kubernetes和微服务架构,有一定云原生技术经验的研发工程师或SRE。 使用场景及目标:①应对突发流量实现Pod自动扩缩容;②基于Linkerd实现服务间零信任安全控制;③通过Serverless函数实现实时异常检测与自动化响应;④构建可观测、可自愈的安全弹性架构。 阅读建议:建议结合实际环境逐步实践各模块功能,优先掌握client-go资源操作、Linkerd服务治理配置与Knative函数部署,注意各组件间的集成逻辑与数据流转关系。
step1_17.md
step1_17.md
双层倍速链.rar
双层倍速链.rar
酸奶灌装机_液体灌装机.rar
酸奶灌装机_液体灌装机.rar
松下连杆机器人.rar
松下连杆机器人.rar
无人机无人机群在三维环境中的碰撞和静态避障仿真(Matlab代码实现)
内容概要:本文围绕无人机群在三维环境中的碰撞与静态避障问题,提出并实现了基于Matlab的仿真系统,重点研究多无人机系统的路径规划与安全控制机制。通过构建复杂的三维仿真环境,系统集成了基于导航变量的多目标粒子群优化算法(NMOPSO)等智能优化算法,用于解决多无人机在飞行过程中的路径寻优、动态轨迹调整与避障决策问题。研究不仅涵盖个体无人机的路径规划,更强调多机协同作业中的冲突检测与规避策略,实现了对静态障碍物的有效躲避以及无人机之间的防碰撞控制。整个仿真框架注重算法的实用性与可扩展性,为无人机集群在复杂空域中的自主飞行提供了理论依据和技术支持。; 适合人群:具备一定Matlab编程能力及自动化、航空航天、机器人等相关专业背景的科研人员与研究生,特别适合从事无人机路径规划、多智能体协同控制、智能优化算法应用等领域研究的专业人士。; 使用场景及目标:①用于科研教学中无人机三维路径规划与避障算法的仿真验证;②支持硕士、博士论文相关课题的复现与拓展;③为无人机集群控制、智慧城市巡检、无人系统协同作业等实际应用场景提供算法设计与仿真技术支持。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,按照文档目录顺序逐步学习,重点关注算法实现流程与仿真参数设置,并可通过修改环境模型或优化目标函数进行二次开发与创新研究。
flanner.tar.gz
其中包括:flannel-cni-plugin:v1.9.1-flannel3、flannel:v0.28.9两个镜像文件
车间调度基于非支配排序遗传算法NSGAII的柔性作业车间调度问题研究(Matlab代码实现)
内容概要:本文系统研究了基于非支配排序遗传算法NSGA-II的柔性作业车间调度问题,旨在通过Matlab代码实现多目标优化,以应对现代制造环境中复杂的生产调度挑战。文章深入剖析了NSGA-II算法的核心机制,包括快速非支配排序、拥挤度计算及精英保留策略,并详细阐述了其在柔性作业车间调度中的具体应用方法,如工序排序、机器选择、目标函数构建(如最小化最大完工时间、总延迟时间等)以及约束条件处理。通过精心设计的仿真实验,验证了该算法在求解多目标柔性作业车间调度问题上的有效性与优越性,不仅能够生成高质量的Pareto最优解集,还显著提升了生产效率、缩短了加工周期并减少了资源闲置。同时,文章探讨了算法的潜在改进方向,为后续研究提供了理论依据和技术参考。; 适合人群:具备一定编程基础和Matlab软件操作能力,对智能优化算法、生产调度理论及智能制造系统感兴趣的研究人员、工程师以及高校研究生。; 使用场景及目标:①解决柔性作业车间中多目标、多约束的复杂调度问题,实现生产资源的最优配置;②为制造业企业提供科学的调度决策支持,提升生产线的自动化与智能化水平;③推动进化算法在工业工程领域的实际应用,促进产学研深度融合。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,深入理解NSGA-II算法的实现细节与调度模型的构建逻辑,并尝试调整算法参数或应用于其他类似优化场景,以巩固学习成果并激发创新思维。
最新推荐





