- 博客(30)
- 收藏
- 关注
RSS订阅原创 【嵌入式初学】初次使用GPIO模拟I2C通信-错误记录
硬件：STM32f103c8t6、OLED、MPU6050记录：软件I2C的IO口引脚选择错误。
2024-04-18 13:59:15
416
原创 解决docker非用户权限问题
刚下载的的diocker在使用时因为权限问题总是在使用命令时带上sudoPS:方法一只能保证当前终端可以不用考虑权限问题，当开启新的终端时还会出现权限问题，所以推荐使用方法二。
2023-11-22 17:41:17
362
1
原创 d435i camera和imu内外参标定 报错汇总
在CMakeLists.txt文件中，将find_package(OpenCV REQUIRED)改为find_package(OpenCV 3.2 REQUIRED)，3.2即自己的电脑上opencv3.x的具体版本。将sumpixel_test.cpp中# include "backward.hpp"改为：#include “code_utils/backward.hpp”碰巧自己电脑也装了opencv3.2，该一下代码默认使用的opencv版本就好了，一步到位。Q：imu_utils编译出现报错。
2023-10-17 18:56:35
203
原创 wsl “参考的对象类型不支持尝试的操作”报错解决后从root转回普通用户
但按照现有帖子的方法，重置netsh winsock reset后，ubuntu会直接以root用户进入，会导致直接跳过安装ubuntu时创建用户的这一步，后续无法从root转回普通用户。在安装wsl后，安装ubuntu时会出现“参考的对象类型不支持尝试的操作”提示以及报错，导致创建用户时输入用户名会失败，不能正常进行后续创建用户和设置密码的操作。
2023-07-28 11:24:25
406
原创 2023.7.10 汇报（自用
在tensorrt文件中进入python文件夹下，安装对应python版本的whl文件。安装后代码 在/usr/src/cudnn_samples_v8 下。进入安装界面，如果已经安装过显卡驱动，可把driver的勾选去除。最后使用paddlepaddle官网给出的安装代码进行安装即可。下载cuda11.3，选择相应版本后复制下方两行代码进行下载。，在官网下载对应的tensorrt版本，需要登陆。1.进入官网选择要安装的系统和版本。下载好后通过下列代码安装。安装后，调用python。tensorrt安装。
2023-07-10 22:09:45
64
原创 2023.7.6 汇报（自用
代码明天写，今天把数据中的红光和近红光光谱提取了出来，然后计算ndvi，并用arcmap验证代码计算的是否正确。取值为与NDVI累计百分比95%最接近的值。采用像元二分模型来反演研究区域的植被覆盖度。取值为与NDVI累计百分比5%最接近的值；1.计算NDVI（归一化植被指数）2.计算植被覆盖度（FVC）利用遥感图像计算植被覆盖度。
2023-07-06 22:19:49
104
原创 2023.7.5 汇报（自用
结果表明，基于欧几里得聚类和k均值聚类的单株分割方法可以解决欧几里得聚类单株分割方法无法分割交叉叶植物的问题。对玉米植株点云进行欧几里得聚类。实验结果：左图为使用欧式聚类算法对F1、F2两地和v5、v6两个时期的玉米的分割图、右图为使用欧式聚类和Kmeans聚类算法对F1、F2两地和v5、v6两个时期的玉米的分割图。2、与基于欧氏聚类方法的单株分割相比，采用基于欧氏聚类和K-means聚类方法的单株分割，F1和F2中V5和V6期的A * F1分别提高了0.00 %、6.02%、12.25%和73.41%。
2023-07-05 18:22:48
79
原创 2023.7.3 日报（自用
pointnet网络检测：首先将输入的点云图中点的特征数进行升维操作（图中的mlp操作，类似神经网络中的上采样），之后提取每一维特征的最大值组成新的向量，该操作可有效避免点云的无序性。但点云相比于图像中像素点而言，像素点是有序的，像素点位置的改变会改变图像的含义，而点云中点具有无序性，点与点之间交换位置不会改变点云的含义，这就使点云出现了不稳定性，也是点云存在的缺陷。点云是坐标系下点集合而成的，点云中包含大量的点，这些点包含了位置（XYZ）、颜色等信息。相比图像，点云是3维数据，它可以提供更多的信息。
2023-07-03 18:12:57
39
原创 2023.6.15 进度汇报（自用
从左到右分别是对脉冲噪音进行均值滤波、对脉冲噪音进行方框滤波、对高斯噪音进行均值滤波、对高斯噪音进行方框滤波。从左到右分别为对脉冲噪音进行高斯滤波、对脉冲噪音进行中值滤波、对高斯噪音进行高斯滤波、对高斯噪音进行中值滤波。对比高斯滤波和中值滤波对高斯噪声的处理。发现中值滤波处理高斯噪声的效果更好。可以看到均值滤波与方框滤波的效果差不多。对噪声图片进行高斯滤波和中值滤波操作。从左到右——原图、脉冲噪声、高斯噪声。对图片进行均值滤波和方框滤波操作。Canny边缘检测的执行流程。对图像使用Canny边缘检测。
2023-06-15 19:30:00
36
原创 2023.6.13 进度汇报（自用
礼帽 = 原始输入 - 开运算 黑帽 = 闭运算 - 原始输入。腐蚀过后，可以发现细小的乱线基本去除，但较粗的线条还没有被处理。可以通过增大过滤的卷积核或者增加过滤次数，实现对粗线条的去除。礼帽操作后只剩下乱线，黑帽操作后会把断点显示出来。原图为带有乱线的图，现在通过腐蚀操作去除乱线。闭运算不仅没有去除乱线，还把乱线加粗了。膨胀操作可将图像中的断点部分想对方靠拢。梯度 = 膨胀 - 腐蚀。
2023-06-13 22:21:31
39
原创 2023.6.10 进度汇报 （自用
总体而言，集成基于无人机的多光谱图像和天气数据的多模态深度学习模型有可能开发更精确的水稻产量预测。结果表明，在进一步的研究中，不仅要评估预测的准确性，还要评估田内产量预测的稳健性。该研究表明，集成基于无人机的多光谱图像和天气数据的多模态深度学习模型具有开发更精确的水稻产量预测的潜力。4.基于AlexNet架构的模型(模型8)的预测良率范围高于基于CNN_2conv架构的模型(模型18)。由于模拟生理机制的基于过程的模型受到参数化数据可用性的限制，建议使用统计和机器学习模型的数据分析方法作为可能的替代方案。
2023-06-10 22:08:45
74
原创 2023.6.3 进度汇报 （自用
map的结果说明网络训练75代后还没有趋于稳定，应该增加训练代数。说明网络还有提升空间。训练centernet网络进行二维码的目标检测。目标检测算法——centernet网络。1.使用自己的数据集训练网络。loss持续降低，呈收敛状。map最大为89.6%。
2023-06-03 22:28:47
36
原创 2023.6.1 进度汇报 （自用
初步获得特征图像后，Centernet会利用三次反卷积进行上采样获得128*128*64的高分辨率特征图。当输入的图像为512*512*3时，resnet50会通过卷积层得到16*16*2048的特征图像。本次Centernet网络使用resnet50作为主干网络，resnet主要有两个基本的块——获得高分辨率特征图后，就开始用一个3*3卷积和1*1卷积进行热力图预测、中心点预测、宽高预测。训练25代的centernet网络mAP为83.5%。centernet网络训练后的预测结果。
2023-06-01 21:31:25
41
原创 2023.5.30 进度汇报（自用
库的版本供参考，有些库的版本太老不支持下载可适当升高版本。第二个文件下：对训练集，测试集，验证集的划分。目前程序还在训练，已经训练了10代，结果为。目标检测网络——Centernet搭建。第三个文件下：图像，共21504张。以上代码、数据集、环境搭建均参考。第一个文件下：图像的标签信息。软件：cuda和cudnn。使用voc07+12数据集。
2023-05-30 22:29:18
38
原创 2023.5.27 进度汇报 （自用
1.读取数据，判断栅格数据的数据类型，判断数组维数。3.求取像素位置体积——像素项元值平方与株高相乘。2.求取株高数据，计算savi，制作覆盖度掩膜。4.创建图例，保存文件颜色为rpg。植被表型代码阅读——作物冠层体积。
2023-05-27 22:23:25
40
原创 2023.5.25 进度汇报 （自用
使用测试数据的savi来分割真实数据的savi。1.计算测试数据的savi（植被指数阈值）定义读取文件函数、格式转化函数。植被表型代码阅读——冠层覆盖度。2.计算真实数据的savi。输出结果，可直观看到覆盖率。
2023-05-25 22:22:16
45
原创 2023.5.24 进度汇报 （自用
draw.py文件中的set_legend函数解读。运行结果，不同颜色区域代表不同株高。显示株高主体代码解读。
2023-05-24 23:07:47
43
原创 2023.5.19 进度汇报 （自用
2.该应用可以调整字体，对齐方式，加粗下划线等。3.该应用可以保存到本地磁盘，也可以读取。该应用可以调整字体大小。pyqt小应用—文本编辑器。
2023-05-19 22:30:06
37
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人