Empathy‑Avator 是一个离线运行的多模态情绪识别驱动虚拟陪伴系统。它通过摄像头和麦克风采集用户的表情、语音和输入文本，分别进行面部表情识别（FER）、流式语音情绪识别（SER）和文本情绪分析，并利用置信度门控的加权融合生成稳定的情绪标签。系统内置检索增强的对话引擎，根据情绪和关键词在轻量

该仓库实现了一个轻量级的虚拟试衣间原型，目标是在浏览器端通过几何建模和简单的物理模拟，将用户上传的全身照与指定衣物进行“试穿”，并输出可交互的 3D 模型和预览图。项目分为三个核心部分： 姿态估计（Pose） – 使用预定义的标准骨骼根据输入图像尺寸按比例缩放，得到用户的三维关键点和骨架边。 几何与

设计并验证了一种基于数字修调的宽输入宽带运算放大器。电路分为带隙基准、LDO结构的恒流源、OPA和2位数字修调四个模块。带隙和LDO产生与温度无关的偏置电流。OPA选择两级运放架构，第一级为N、PMOS input的折叠式共源共栅运放，提供低跨导变化率、高增益、高共模抑制比，第二级为电流源负载的共源

Road Vision System 是一个针对交通场景的轻量级道路视觉系统。该项目旨在利用单目摄像头实时采集视频流，经过图像预处理、目标检测、跟踪、几何投影和速度估计后，为道路监控和驾驶辅助提供结构化信息。整体系统采用模块化设计，既能在普通 PC 上运行，也支持在 Jetson Nano 等嵌入式

图像去雾在计算机视觉中不像目标检测和语义分割这样热门，但随着CNN模型流行的今天，图像去雾算法也经过了一轮非常大的进步。 整体来说，图像去雾算法可以分为这么几类 基于图像增强的去雾算法。基于图像增强的去雾算法出发点是尽量去除图像噪声，提高图像对比度，从而恢复出无雾清晰图像。代表性方法有：直方图均衡化

Water Level Management of Great Lakes Greetings, readers. Today, I would like to delve into my recent research project on the water level management o

这是2023电赛的E题 基于Tiva的运动目标控制与自动追踪系统 该系统以TI公司的TM4C123G为控制内核，设计运动目标控制与自动追踪系统。本系统利用OpenMV4 Cam H7 Plus实现红色激光、绿色激光、黑色矩形等目标位置信息获取；使用数字舵机，结合PID算法控制红色激光与绿色激光运动。

项目链接(Github): https://github.com/YJxyzxyz/Tiva-car 这次使用的主控芯片是Ti公司的Tiva（TM4C123GX），由于该开发板最近才发布，网上的资料比较少，极易踩坑，在准备电赛的时候，我们根据国内外相关资料，基本完成了针对于小车的大部分用于比赛的常规

这是第二个完整的控制组小车题目，是21年的电赛F题 以下是赛题的任务部分，要求双车协同，并且能识别数字完成对应任务。 基于STM32的智能送药小车 本设计采用STM32单片机作为