画出一年的日历


<html>
<head>
<title></title>
<script>
function getDayAry(y,m){


var mvArray = [];
var dayOfFirstDay = new Date(y, m, 1).getDay();//0:天;1:一;2:二;6:星期六
var daysOfMonth = new Date(y, m + 1, 0).getDate();
//alert(dayOfFirstDay+","+daysOfMonth);
for (var i = 0; i < 42; i++) {
mvArray[i] = " ";
}
for (var i = 0; i < daysOfMonth; i++){
mvArray[i + dayOfFirstDay] = i + 1;
}
//alert(mvArray);
return mvArray;

}
function draw(){

var str="<table cellpadding='3' cellspacing='1'><tr>";
for(var L=0;L<12;L++){
var ary=getDayAry(2009,L);
var m=L>9?(L+1):("0"+(L+1));
//alert(m);
if(L%3==0&&L!=0){
str=str+"</tr><tr>";
}
str=str+"<td>";
str=str+"<table><tr><td colspan='7' align='center'>"+(L+1)+"月</td></tr><tr><td>天</td><td>一</td><td>二</td><td>三</td><td>四</td><td>五</td><td>六</td></tr>";
str=str+"<tr>";
for(var i=0;i<ary.length;i++){


if(i%7==0&&i!=0){
str=str+"</tr><tr>";
}
if(ary[i]!=" "){
str=str+"<td><input type='checkbox' name='dayChk' value='2009"+m+ary[i]+"' week='"+(i%7)+"'>"+ary[i]+"</td>";
}else{
str=str+"<td>"+ary[i]+"</td>";
}

}
str=str+"</table>";
str=str+"</td>";

}
str=str+"</tr></table>";
alert(str);
document.getElementById("div1").innerHTML=str;
}

function chkAll(d){
//alert(d);
var chkAll=document.getElementById("chkAll"+d);
var chks=document.getElementsByTagName("input");
var flag=chkAll.checked;
alert(chks.length);
for(var j=0;j<chks.length;j++){
if(chks[j].type=="checkbox"&&chks[j].week==d){
chks[j].checked=flag;
}
}

}

function getP(){
//得到页面上所有的input元素
var chks=$('input');
alert(chks.length);//得到所有input元素的个数
}
</script>
</head>
<body onload="draw()">
星期六<input type="checkbox" onclick="chkAll(6)" id="chkAll6">
星期天<input type="checkbox" onclick="chkAll(0)" id="chkAll0">
<input type="text" value="aaaaaaaa" id="tx1">
<div id="div1"></div>

</body>
</html>


设置某个checkbox处于选中状态checked
设置某个checkbox处于不可编辑状态checked
年也可以设置为选择的,这里暂时写成2009.
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值