Es wurden 40 Produkte zu dem Suchbegriff onlinetracking in 7 Shops gefunden:

YL-70 4-Kanal Infrarot Linetracking-Modul, 3,3/5VDas YL-70 4-Kanal-Linienverfolger-Sensormodul ist ein kompaktes, vielseitiges Modul zur Linienverfolgung, ideal für den Einsatz in Robotikprojekten, insbesondere in autonomen Fahrzeugen und Line-Following-Robotern. Mit seinen vier unabhängigen Infrarotsensoren ermöglicht das Modul eine präzise Erkennung von Linien auf unterschiedlichsten Untergründen.Merkmale:Vier IR-Sensoren: Jeder Kanal erkennt zuverlässig Kontraste zwischen Schwarz (Linie) und Weiß (Hintergrund).Digitale Ausgänge: Jeder Sensor liefert ein klares High- oder Low-Signal, je nach erfasster Oberfläche.Einstellbare Empfindlichkeit: Über Potentiometer lässt sich die Schwelle individuell justieren – ideal für verschiedene Lichtverhältnisse oder Oberflächen.Einfache Integration: Das Modul lässt sich problemlos mit Mikrocontrollern wie Arduino, Raspberry Pi oder STM32 verbinden.Status-LEDs: Jede Sensoreinheit verfügt über eine LED-Anzeige zur visuellen Rückmeldung der Erkennung.Spezifikationen:Modell: YL-70Betriebsspannung: 3,3 V – 5 V DCAusgangssignal: Digital (High/Low)Sensoranzahl: 4Abmessungen: ca. 85 mm x 20 mmBetriebsstrom: >1AArbeitstemperatur: -10 °C – +50 °CMontagelöcher: für M3-Schrauben (nicht enthalten)Erfassungsbereich: 1 mm bis 60 cm einstellbar, je näher, desto stabiler die LeistungGröße: Bedienfeld 42 x 38 x 12 mm, kleine Platine 25 x 12 x 12 mmAusgangsschnittstelle: 6-adrige SchnittstelleAusgangssignal: TTL-Pegel (kann direkt an den I/0-Mikrocontroller angeschlossen werden)Pinbelegung: VCC, GND, D0–D3 (digitale Ausgänge pro Sensor) Anwendungsbereiche:LinienverfolgungsroboterHinderniserkennung in einfacher UmgebungPositionserkennung auf SpielfeldernSortierroboter oder FördertechniksystemeLieferumfang:1x YL-70 4-Kanal Infrarot Linetracking-Modul, 3,3/5V

Sensor-Modul für präzise Spur- und Linienverfolgung. Auch für Distanz- und Objekterkennungsanwendungen verwendbar.Das Modul ist mit acht unabhängigen Infrarotsensoren ausgestattet, die präzise zwischen Hell und Dunkel unterscheiden und sich somit optimal für den Einsatz in automatisierten Systemen wie Roboterfahrzeugen und Linienverfolgung eignen. Mit einer Versorgungsspannung von 3,3V bis 5 Volt bietet dieses Modul eine breite Kompatibilität und kann nahtlos in gängige Mikrocontroller- und Entwicklungssysteme integriert werden.Übersicht:Modul:IR-Kanäle / Anzahl Sensoren: 8Befestigungsloch: 3 mmVersorgungsspannung: 5 VSignalausgang: Digitalausgang 3,3 V oder 5 V (wählbar)Stromverbrauch:100 mA im aktiven Modus10 mA im Standby-ModusPlatinen-Farbe: RotPlatinen-Größe: ca. 66 x 16 mmLieferumfang:1x 8-fach-Infrarot-Sensormodul 3,3-5V

SinoTrack 4G GPS-Tracker ST-906L für Auto- und Motorrad-Fahrzeug-Tracking-Gerät mit Cut Off Oil Power und Online-Tracking-Software

SinoTrack 4G GPS-Tracker ST-906L für Auto- und Motorrad-Fahrzeug-Tracking-Gerät mit Cut Off Oil Power und Online-Tracking-Software

SinoTrack 4G GPS-Tracker ST-906L für Auto- und Motorrad-Fahrzeug-Tracking-Gerät mit Cut Off Oil Power und Online-Tracking-Software

Schrank Netzwerkschrank, geeignet für Wandmontage, Schwarz, 12U, 48.3 cm (19)

Gehäuse, geeignet für Wandmontage, Schwarz, 15U, 48.3 cm (19)

This book presents the state of the art in online visual tracking, including the motivations, practical algorithms, and experimental evaluations. Visual tracking remains a highly active area of research in Computer Vision and the performance under complex scenarios has substantially improved, driven by the high demand in connection with real-world applications and the recent advances in machine learning. A large variety of new algorithms have been proposed in the literature over the last two decades, with mixed success. Chapters 1 to 6 introduce readers to tracking methods based on online learning algorithms, including sparse representation, dictionary learning, hashing codes, local model, and model fusion. In Chapter 7, visual tracking is formulated as a foreground/background segmentation problem, and tracking methods based on superpixels and end-to-end deep networks are presented. In turn, Chapters 8 and 9 introduce the cutting-edge tracking methods based on correlation filter and deep learning. Chapter 10 summarizes the book and points out potential future research directions for visual tracking. The book is self-contained and suited for all researchers, professionals and postgraduate students working in the fields of computer vision, pattern recognition, and machine learning. It will help these readers grasp the insights provided by cutting-edge research, and benefit from the practical techniques available for designing effective visual tracking algorithms. Further, the source codes or results of most algorithms in the book are provided at an accompanying website.

This book presents the state of the art in online visual tracking, including the motivations, practical algorithms, and experimental evaluations. Visual tracking remains a highly active area of research in Computer Vision and the performance under complex scenarios has substantially improved, driven by the high demand in connection with real-world applications and the recent advances in machine learning. A large variety of new algorithms have been proposed in the literature over the last two decades, with mixed success. Chapters 1 to 6 introduce readers to tracking methods based on online learning algorithms, including sparse representation, dictionary learning, hashing codes, local model, and model fusion. In Chapter 7, visual tracking is formulated as a foreground/background segmentation problem, and tracking methods based on superpixels and end-to-end deep networks are presented. In turn, Chapters 8 and 9 introduce the cutting-edge tracking methods based on correlation filter and deep learning. Chapter 10 summarizes the book and points out potential future research directions for visual tracking. The book is self-contained and suited for all researchers, professionals and postgraduate students working in the fields of computer vision, pattern recognition, and machine learning. It will help these readers grasp the insights provided by cutting-edge research, and benefit from the practical techniques available for designing effective visual tracking algorithms. Further, the source codes or results of most algorithms in the book are provided at an accompanying website.

  This book offers an analytical rather than measure-theoretical approach to the derivation of the partial differential equations of nonlinear filtering theory. The basis for this approach is the discrete numerical scheme used in Monte-Carlo simulations of stochastic differential equations and Wiener's associated path integral representation of the transition probability density. Furthermore, it presents analytical methods for constructing asymptotic approximations to their solution and for synthesizing asymptotically optimal filters. It also offers a new approach to the phase tracking problem, based on optimizing the mean time to loss of lock. The book is based on lecture notes from a one-semester special topics course on stochastic processes and their applications that the author taught many times to graduate students of mathematics, applied mathematics, physics, chemistry, computer science, electrical engineering, and other disciplines. The book contains exercises and worked-out examples aimed at illustrating the methods of mathematical modeling and performance analysis of phase trackers.

  This book offers an analytical rather than measure-theoretical approach to the derivation of the partial differential equations of nonlinear filtering theory. The basis for this approach is the discrete numerical scheme used in Monte-Carlo simulations of stochastic differential equations and Wiener's associated path integral representation of the transition probability density. Furthermore, it presents analytical methods for constructing asymptotic approximations to their solution and for synthesizing asymptotically optimal filters. It also offers a new approach to the phase tracking problem, based on optimizing the mean time to loss of lock. The book is based on lecture notes from a one-semester special topics course on stochastic processes and their applications that the author taught many times to graduate students of mathematics, applied mathematics, physics, chemistry, computer science, electrical engineering, and other disciplines. The book contains exercises and worked-out examples aimed at illustrating the methods of mathematical modeling and performance analysis of phase trackers.

  This book offers an analytical rather than measure-theoretical approach to the derivation of the partial differential equations of nonlinear filtering theory. The basis for this approach is the discrete numerical scheme used in Monte-Carlo simulations of stochastic differential equations and Wiener's associated path integral representation of the transition probability density. Furthermore, it presents analytical methods for constructing asymptotic approximations to their solution and for synthesizing asymptotically optimal filters. It also offers a new approach to the phase tracking problem, based on optimizing the mean time to loss of lock. The book is based on lecture notes from a one-semester special topics course on stochastic processes and their applications that the author taught many times to graduate students of mathematics, applied mathematics, physics, chemistry, computer science, electrical engineering, and other disciplines. The book contains exercises and worked-out examples aimed at illustrating the methods of mathematical modeling and performance analysis of phase trackers.

Hohem GO Halterung Aktive Halterung Kamera, Handy/Smartphone Weiß

A8 Mini GPS Tracker Auto Echtzeit Tracking Anti-Verloren Schlüssel Brieftasche Tracking Finder Gerät GSM GPRS Online Kostenlose Website APP Zugriffs

Gehäuse, geeignet für Wandmontage, Schwarz, 15U, 48.3 cm (19")

Schrank Netzwerkschrank, geeignet für Wandmontage, Schwarz, 12U, 48.3 cm (19")

Dieses Kit enthält das DJI OM Multifunktions-Modul und mehr. Kombiniere es mit deinem Gimbal, um Tracking-, Audioempfangs- und Beleuchtungsfunktionen freizuschalten. Produktbilder zeigen optionales Zubehör und Anwendungsbeispiele.

Dieses Kit enthält das DJI OM Multifunktions-Modul und mehr. Kombiniere es mit deinem Gimbal, um Tracking-, Audioempfangs- und Beleuchtungsfunktionen freizuschalten.

AI Auto Tracking Holder GO - Ihr intelligenter Videopartner AI Auto Tracking Holder GO ist ein innovativer Halter für Mobiltelefone und Tablets. Mit fortschrittlicher KI-Porträterkennung und 2-Achsen-360-Grad-Rotationsverfolgung eignet es sich perfekt für Videokonferenzen, Vlogs, Tanz und Fitness. Es funktioniert ohne App oder Bluetooth und hat eine Akkulaufzeit von bis zu 10 Stunden. KI-Porträterkennungsverfolgung 2-Achsen-360-Grad-Rotationsverfolgung Gestensteuerung Kompatibel mit Mobiltelefonen und Tablets bis zu 11 Zoll 10 Stunden Akkulaufzeit Dieser intelligente Halter ist einfach zu bedienen. Stecken Sie Ihr Handy oder Tablet in die Klemme und ziehen Sie das Lenkrad fest. Es beginnt sofort zu arbeiten, wenn es eingeschaltet wird. Geben Sie zum Starten eine OK-Geste und zum Stoppen eine Geste mit der Handfläche. AI Auto Tracking Holder GO ist tragbar und leicht zu transportieren, mit einem Gewicht von nur 300 Gramm und Abmessungen von 90 x 90 x 93 mm. Es wird mit einem USB-C-Ladekabel und einer Bedienungsanleitung geliefert. Es unterstützt Telefone mit einer Dicke von bis zu 13 mm und Tablets mit einer Dicke von bis zu 11 Zoll.

Netrack Hanging cabinet V-Line Rack 19in (10.86 HE, 19 Zoll Rack) (019-034-180-112)