1. 配置开发环境 1.1 安装python3.6或以上版本 可以使用pyenv新建一个python 3.6的虚拟环境。具体操作参考:使用pyenv和pyenv-virtualenv管理python 版本 1.2 环境配置 先激活虚拟环境,然后安装aliyun-iot-linkkit pip install aliyun-iot-linkkit 如果需要离线手动安装,可参考阿里云官
本例以驱动继电器为例,来讲述相关电路设计,MOS管选型,以及看懂芯片手册。 驱动电路如下图 D1作用是泄放继电器的反向电动势 继电器参数 24V继电器 电大负载25A/250VAC,线圈电阻640欧。简单计算一下,流过线圈的电流为37.5mA。这里有个背景知识,继电器的线圈为感性负载,在通电和断电的瞬间,会产生反向电动势,通电时这个电动势与电源方向相同,上正下负,电源可以吸收绝大部分。断电
AGV导航中的最短路径算法比较 在AGV导航中,路径选择是一个重要课题,如果最优路径使用最短路径算法,那可以使用的算法有很多,本文比较了当前流行的最短路径算法,主要有Dijkstra 算法,Floyd算法,A-star算法,Bellman-Ford 算法,SPFA算法等 下表是对各种算法的一个比较: 算法 适用场景 实现难易度 时间/空间复杂度 负权边问题
今天基于机智云的SOC代码添加UDP通讯,编译的时候提示如下错误 espconn.h:413:54: error: unknown type name 'ip_addr_t' 当然后面还有一堆类似错误,然后查看定义发现是在ip_addr.h中定义的。 修复方式:在#include "espconn.h"前添加#include "ip_addr.h"即可。 #include "ip_ad
本文是FreeRTOS复习笔记的第二节,创建和删除任务,使用的开发板是stm32f407VET6,创建两个任务,task1负责闪烁LED,task2负责按键控制,当按键按下时task1停止执行,任务的状态显示到TFT显示屏和串口上。 上一篇文章:【复习笔记】FreeRTOS(一) 文章目录 一、实验目的 二、测试例程 三、实验效果 一、实验目的
【orbslam2源码解析】 【include/Converter.h】【src/Converter.cc】 Converter.cc /* * ORB-SLAM2中一些常用的转换的实现 */ #include "Converter.h" namespace ORB_SLAM2//命名空间 { //-----
机器学习之超参数优化 - 网格优化方法(对半网格搜索HalvingSearchCV) 在讲解随机网格搜索之前,我们梳理了决定枚举网格搜索运算速度的因子: 1 参数空间的大小:参数空间越大,需要建模的次数越多2 数据量的大小:数据量越大,每次建模时需要的算力和时间越多 面对枚举网格搜索过慢的问题,sklearn中呈现了两种优化方式:其一是调整搜索空间,其二是调整每次训练的数据。调整搜索
在Arm板(NVIDIA AGX Xavier)配置深度学习环境+安装llvm/llvmlite/numba 一、引言 在Arm板上配置环境是具体要求,我们需要在上面配置好Ros环境以及深度学习环境,当然Ros环境也有一些问题,具体会写在另外的博客里,本次主要解决深度学习环境配置的问题。 系统与环境:Arm、Ubuntu18.04、JetPack 4.4、Cuda10.2、Cudnn8.
【ORB_SLAM2】 ubuntu18.04下从笔记本调换到usb摄像头 从笔记本调换到usb摄像头 ls /dev/video* 首先查看这里ubuntu系统识别的摄像头 我的笔记本被识别为video0 ,外接入的usb摄像头识别为video2默认的是video0 进入工作空间src/usb_cam/launch下 然后在launch文件夹下找到 usb_cam-test.l
0. 简介 在没有预先计算相机姿态的情况下训练神经辐射场(NeRF)是具有挑战性的。最近在这个方向上的进展表明,在前向场景中可以联合优化NeRF和相机姿态。然而,这些方法在剧烈相机运动时仍然面临困难。我们通过引入无畸变单目深度先验来解决这个具有挑战性的问题。这些先验是通过在训练期间校正比例和平移参数生成的,从而能够约束连续帧之间的相对姿态。这种约束是通过我们提出的新型损失函数实现的。对真实世界室
0. 简介 对于视觉而言,如何使用鸟瞰图来完成车道线的识别和标定是非常重要的,对于鸟瞰图来说,其实有很多种,之前读者的博客中也已经提到过《逆透视变换(IPM)多种方式及代码总结》、《IPM 鸟瞰图公式转换与推导》。这个当然内容还是不太详细,对于各位想要复现难度会比较大,这个时候可以看一下《单应矩阵的推导与理解》这篇文章的详细推导。其实只需要知道精确的外参和内参,以及相机的高度,以及期望的W和H(
0. 简介 随着chatgpt的爆火,最近也有很多大模型在不断地出现,比如说Bloom系列以及以LLAMA为基础的ziya和baichuan。这些模型相较于chatglm来说,更加具有发展前景,因为其是完全可商用,并可以不断迭代更新的。最近作者在跟着hiyouga大佬的LLaMA-Efficient-Tuning进行学习,相较于其他的项目来说,该项目是非常适合跟着学习并入门的。 1. 二次预训
0x00 往期博文 我的主页 0x01 实验结果 基于 OpenCV 在 HSV 色彩空间下识别红、绿、蓝三原色,框选出每种颜色轮廓最大的物体。 0x02 知识点 0\ 旭日X3派调用USB摄像头,web展示; 1\ HSV 和 LAB 色彩空间; 2\ 发布 PerceptionTargets.msg 消息,用于在 web 端显示; 0x03 编写 usb_cam
Ubuntu18.04 拯救者R9-7945HX 4060 配置ZED 2i代双目相机驱动+ORBSLAM2 AMD的拯救者网卡很拉,研究了很久除了换网卡可以解决网络问题,其它没找到合适的办法,这里我用手机USB共享网络的方式勉强上网,这里不得不说华为的信号桥很好用。 之前在1050ti的电脑上布置过,很顺利,这个新电脑由于显卡太新,驱动以及CUDA SDK匹配的问题,安装时出了些许错误,下面
一、引言 本文主要记录刚拿到一款装有ubuntu18.04的树莓派,如何通过Windows或者ubuntu系统的VNC远程访问桌面,从而避免每次都要外接显示屏、键盘、鼠标等。以Windows为例。根据此教程可以掌握VNC的基本使用方法,在其他地方也同样可以使用,是一个通用方法 二、准备工作 显示屏 键盘 鼠标 HDMI转HDMI线(用于连接显示屏,可以去京东或淘宝搜一下,一头小一头
ROS学习笔记(1): ROS Kinetic/Melodic安装步骤 本文介绍ROS Kinetic的安装和配置,使用ubuntu16.04. ROS Melodic的安装步骤和这个类似,只需要将kinetic 更改为melodic就可以了,当然,对应的操作系统是ubuntu18.04。 1 ubuntu配置 首先将ubuntu的源更改为国内源,例如中科大的源。 在正式的安装ROS前,先
机器学习之超参数优化 - 网格优化方法(网格搜索) 超参数优化与枚举网格的理论极限 超参数优化HPO(HyperParameter Optimization) 每一个机器学习算法都会有超参数,而超参数的设置很大程度上影响了算法实际的使用效果,因此调参是机器学习算法工程师最为基础和重要的任务。现代机器学习与深度学习算法的超参数量众多,不仅实现方法异常灵活、算法性能也受到更多的参数的复合
机智云的官方OTA帮助文档说得很不清楚,如果你是第一次尝试OTA看完文档你绝对晕了,这里SimonLiu梳理一下ESP8266 SOC模式的机智云OTA流程,也顺便当做记录,下次查找方便。 首先以下图智能开关为例,点击进入项目页面 2. 3.在产品信息-设备日志页面,点击右侧的查看: 4. 你可以从页面获得如下信息a)Mac地址b)硬件版本号,此例是00ESP826
最近在进行ESP32开发的时候,发现设备启动报了一个错误:E (527) uart: uart_set_hw_flow_ctrl(264): rx flow thresh error搜了一下,发现是结构体初始化风格的问题。 原初始化代码 uart_config_t uart0_config; //串口参数配置->uart0 uart0_config.baud_rate
文章目录 0.引言 1.机器人中的坐标变换 2.tf坐标系广播和监听 0.引言 笔者因研究课题涉及ROS开发,学习了古月居出品的ROS入门21讲,为巩固ti坐标系的知识,本文将ROS的坐标系管理系统和tf坐标系广播与监听两讲内容进行总结。 1.机器人中的坐标变换 (1)安装tf功能包; //melodic指ubuntu18.04版本的ros s
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信