十年一梦实验室-CSDN博客

原创【思考】技术复合型人才使用之道

目录：1-前言 2-复合型人才用人之道 3-技术复合型人才在智能装备研发领域的优势（BingChat撰写功能）1. 前言很多用人单位并不会使用技术复合型人才或者创新复合型人才，或者说用不好这类人才，最终导致了人才流失。首先这类人才有一两个精通专业，多个入门专业。如果让这类人才同时做两个或者多个专业底层的工作（这不叫重用），他们往往不能胜任入门专业的岗位，不能发挥他们的多专业复合能力。假如把这类人...

2024-01-05 17:54:28 902

原创【仿真动画】仿真动画（Simulation Animation） vs 仿真（Simulation -模拟）

概述仿真动画报价一般都在每分钟一万以上，很多人容易混淆仿真动画与仿真。本文将借助AI工具，根据机器人与自动化领域、机械设计领域、工业工程领域分析了仿真与动画的区别。之后从难易度、仿真度角度对比了仿真与动画的区别,最后给出了“不同领域的仿真需要不同的专业技术和算法能力”的结论。机器人与自动化产线领域仿真与动画的区别在机械设计领域，仿真与动画的区别在工业工程领域，仿真与动画的区别根据以上AI的陈述，...

2023-12-25 18:00:51 1063

原创【修行】晓晓多语言-金子般的50句话，不管多忙，都要看看经典语录-名人名言-人生感悟...

欢迎来到十年一梦实验室金字般的五十句话不管多忙都要看看一、人生所有的恩恩怨怨不过是一口气这口气郁结心中不过因为看不透想不开二、与其埋怨世界不如改变自己管好自己的心做好自己的事这比什么都强三、别再去抱怨身边人善变你的每一秒都在为曾经的选择买单多懂一些道理多明一些事理毕竟人都是越活越现实四、在事情没有成功之前不要和任何人谈及有关未来任何想法和计划记住,好的东西总是压箱底五、幸福不是长生不老不是大鱼大肉...

2024-05-17 12:07:30 894

原创【C#】某AGV调度系统源码笔记（十四）

AGV调度类库自定义appsocket服务器继承自AppServer<SLSocketSession>的自定义 Socket 服务器类，类使用 SuperSocket 库构建，是一个专门针对于某种特定通讯协议的 Socket 服务器实现。在其构造函数中，通过调用基类（AppServer）的构造函数并传入一个TerminatorReceiveFilterFactory实例来初始化...

2024-05-16 00:00:37 284

原创【修行】晓晓多语言-行走于世每个人都有困厄的时候也会遭遇数不清的烂人破事请相信凡是磨你的东西都会让你变得更加强大...

!ChatGPT王阳明曾说：“人间道场，淤泥生莲，世间磨难，皆是砥砺切磋我也。”生活如同一个道场，而苦难则是其中的修行。在这个世界上，每个人都会经历困厄的时刻，遭遇形形色色的烂人和烂事。有人会因此抱怨、消沉，最终沦为平庸之辈；而有些人却会在困境中磨练自己，越挫越勇，最终成就大器。正所谓，经历磨难能增长志气，磨炼自己能成人。世间万事，凡是磨练你的，都是来渡你的。一、厄运磨练心态心理学大师弗兰克尔曾说...

2024-05-15 21:05:15 405

原创【C#】某AGV调度系统源码笔记（十三）

AGV通信类库AGV会话基类提供了AGV会话管理的基本框架及一些通用的属性和方法。委托：连接socket的委托、发送socket数据包的委托。属性：数据序号标识、设备ID、设备类型（AGV 充电桩其他远程ID）、设备名称、通信参数、最后一次收到命令反馈的时间、距最后一次消息收到的时间（秒）、最后一次重新连接的时间、距最后一次连接的时长（秒）、存储明林的线程安全队列、对命令队列进行操作的互斥锁。...

2024-05-14 18:37:21 295

原创【C#】某AGV调度系统源码笔记（十二）

AGV调度服务的核心类库小车事件参数两个公共属性：车辆信息、事件描述。一个构造函数传入两个参数赋值给属性。核心数据类初始化及存储调度系统中所有的档案信息。多个静态公共属性存储不同类型的系统数据：是否全局服务、数据库操作对象、系统参数集合、数据库辅助类对象、车辆信息列表、所有呼叫器列表、所有呼叫器明细列表、所有充电桩列表、所有IO设备列表、所有储位列表、所有线段列表、所有地标列表、所有物料信息列表、...

2024-05-13 19:53:00 344

原创【C#】WebSoket 演示（使用websocket-sharp库）

Example 3服务器+ Example1 客户端示例3此源代码片段包含了如何使用WebSocketSharp库来创建一个HTTP服务器，并提供WebSocket服务。分析整个代码，我们可以归纳出以下关键信息：导入了一系列重要的命名空间，包括系统配置、加密库、文本、WebSocket等。定义了Example3名称空间和包含Main方法的Program类，作为HTTP服务器和WebSocket服...

2024-05-10 22:41:18 1017

原创【修行】让人瞬间清醒的14句话

以下是copilot改写的版本：当命运不如意时，保持沉默是智慧的选择。静心等待，不慌不忙，这本身就是一种力量。真正的强者不是挑战命运，而是接受它。接受遗憾、愚昧、丑陋和虚伪，接受无回报的付出。心灵的平静是至关重要的，不要让它陷入混乱。事情总会有转机，顺其自然，多做事，多读书，以静制动。不要浪费时间，每个月5000元，一年60000元，十年就是600000元。如果你只是混日子，你的存款可能不到20%...

2024-05-10 19:51:03 786

原创【C#】某AGV调度系统源码笔记（九）

调度模拟模型类库车辆监控类用于模拟和控制一个移动车辆，可能是一个 AGV（自动导向车）。包含了车辆的一些属性，例如位置、速度、状态等信息，以及一些方法用于控制车辆的行为，例如启动、停止、移动等。构造函数初始化了车辆的一些基本属性，例如状态、位置、速度等，以及设定了一个定时器车辆激活定时器，用于周期性地调用移动方法使车辆移动。代表车辆是否被锁定标志的布尔变量、车辆的编号、当前和下一地标信息对象、...

2024-05-09 18:14:52 636

原创【C#】某AGV调度系统源码笔记（六）

AGV数据访问类库1. AGV客户端数据访问AGV系统中数据访问层的详细定义和实现：涉及了系统参数处理、程序集配置、AGV档案信息处理、AGV特殊指令处理、地图信息处理、特殊交通管制处理、报表信息处理、坐标体系处理、用户信息处理、区域、物料等简易档案的处理、呼叫器档案处理、任务生成配置处理、特殊线路线段配置、IO模块功能配置以及平板档案处理等方面的内容。为AGV系统提供了底层数据处理和业务逻辑的实...

2024-05-07 18:40:35 749

原创【修行】晓晓多语言永远不要让任何人干扰你的磁场

欢迎来到十年一梦实验室今天我们会谈到永远不要让任何人干扰你的磁场一则深刻的感悟引人深思：“世间万物，各有其独特的能量场应尊重他人的界限同样不要让他人轻易侵扰你的内心”常常我们的不快乐来源于过度投入他人的问题中无论是家人的困难还是朋友的挫折我们往往心急火燎希望能为他们解忧：你可能会在亲戚遭遇难题时全力以赴结果徒劳无功，反而引来非议；或当朋友处于低谷，你深感同情自己也因此情绪低落，事事不顺应该明白我们...

2024-05-05 22:28:14 378

原创【修行】永远不要和人性较劲晓晓多语言

欢迎大家来到十年一梦实验室今天我们会谈到永远不要和人性较劲感情变幻无常，人心难以捉摸心理学家阿德勒曾指出成熟的真谛不在于对事物的理解而在于对人性的洞察人性复杂而深奥与之抗衡往往只会伤及自己真正明智的人，从不盲目美化人性他们学会了尊重并适应人性的真实面貌知道如何在复杂的人际关系中保持自我这种理解并接受人性的方式是我们所有人在追求成熟过程中应当学习的重要课题1 达到成功后，不要期望所有人的祝福作家苏心...

2024-05-04 22:03:59 569

原创【机器视觉】yolo-world-opencvsharp-.net4.8 C# 窗体应用程序

这段代码是基于 OpenCvSharp, OpenVinoSharp 和 .NET Framework 4.8 的 Windows Forms 应用程序。其主要目的是加载和编译机器学习模型，对输入数据进行推理，并显示结果。下面是该程序的主要功能和方法的详细总结：初始化 OpenVINO 运行时核心（Core）和设备列表：在Form1_Load方法中，程序创建了Core类的实例，并获取了可用...

2024-05-03 14:17:52 1481

原创【机器视觉】C# .NET 8 部署yolov9 onnx对象检测

这段代码展示了一个使用YOLOv9进行对象检测的简单测试框架。代码主体以及其功能分为以下几个关键部分：创建测试图片数组_testImages，它包含了图片文件名和对应的标签。使用buildTests方法来从给定的文件名中加载图片并调整尺寸，准备测试数据集。实现了DisplayImageWithPredictions方法，该方法接收一个System.Drawing.Image对象和一组...

2024-05-03 12:20:28 550

原创【大模型应用】使用 Windows 窗体作为 Copilot 应用程序的 Ollama AI 前端（测试llava视觉问答）...

项目 “WinForm_Ollama_Copilot” 是一个使用Windows Forms作为前端的Ollama AI Copilot应用程序。这个项目的目的是提供一个用户界面(UI)，通过它，用户可以与Ollama AI进行交互。以下是该项目的一些关键特点和功能：Ollama Copilot: 这是一个为Windows操作系统设计的Ollama AI的用户界面。它允许Copilot响应自动转发...

2024-05-01 16:03:06 1242 1

原创【PCL】教程 template_alignment.cpp将对象模板对齐到点云中

将对象模板对齐到点云中本教程展示了如何将其他教程中的一些工具组合起来解决更高级的问题——将之前捕获的对象模型对齐到一些新的捕获数据。在这个特定示例中，我们将采用包含人脸的深度图像，并尝试将之前捕获的人脸模板拟合到其中，以确定场景中人脸的位置和方向。我们可以使用以下代码将人脸模板（蓝点）拟合到新的点云（绿点）中。$ ./template_alignment data/object_templates...

2024-04-30 17:24:26 902

原创【PCL】教程 supervoxel_clustering执行超体聚类并可视化点云数据及其聚类结果

[done, 417.125 ms : 307200 points]Available dimensions: x y z rgba源点云milk_cartoon_all_small_clorox.pcd> Loading point cloud...> Extracting supervoxels!Found 423 supervoxels> Getting super...

2024-04-30 16:22:39 656

原创【PCL】教程 stick_segmentation点云的滤波、降采样、颜色阈值过滤、欧式聚类提取以及线段分割等过程...

[done, 653.59 ms : 2073600 points]Available dimensions: x y z rgb源点云1189_kinect_v2_scene_1.pcd79.2252 msFound 911 inliers.结果代码包含了许多 PCL (Point Cloud Library) 相关的文件和类的使用，涉及到点云的读取、处理和可视化。代码的核心部分定义了如何过...

2024-04-30 15:41:46 200

原创【PCL】教程 statistical_removal.cpp 移除统计学上的异常值（outliers）来清洗数据

[done, 960.866 ms : 460400 points]Available dimensions: x y z intensity distance sidtable_scene_lms400.pcd[done, 1414.24 ms : 451410 points]Available dimensions: x y ztable_scene_lms400_inliers.pcd[...

2024-04-30 14:37:33 129

原创【PCL】教程 resample.cpp pcl::MovingLeastSquares平滑点云数据

[done, 416.514 ms : 397 points]Available dimensions: x y z normal_x normal_y normal_z curvaturebun0.pcd[done, 609.814 ms : 397 points]Available dimensions: x y z normal_x normal_y normal_z curvature...

2024-04-30 09:34:19 266

原创【PCL】教程 example2 3D点云之间的精确配准（FPFH特征对应关系估计变换矩阵）

这段代码主要实现了点云之间的配准功能，旨在通过估计点云的特征并找到最佳的对应关系来计算一个变换矩阵，从而可以将源点云（src）变换到目标点云（tgt）的坐标系统中。代码功能和方法总结如下：估计关键点（estimateKeypoints）：使用pcl::UniformSampling过滤器从原始点云中提取均匀分布的关键点。关键点以1米的半径均匀采样后保存到磁盘上，以便于调试。估计法线（estimat...

2024-04-30 09:08:39 594 1

原创【PCL】教程 example1实现PointNormal类型点云间的迭代最近点(ICP)配准

PCL 注册 API 将各种 3D 点云数据视图一致地对齐到完整模型的过程称为注册。其目标是找到在全局坐标框架中单独获取的视图的相对位置和方向，以便它们之间的交叉区域完美重叠。因此，对于从不同视图获取的每个点云数据集，我们需要一个能够将它们对齐到单个点云模型的系统，以便可以应用后续处理步骤，如分割和对象重建。代码首先包含了一系列pcl库的头文件，用于工作流中的各种点云处理步骤：输入输出、常用计算...

2024-04-29 16:18:21 168

原创【机器视觉】 pipline开发与算法开发区别

机器视觉领域的 pipline开发与算法开发区别机器视觉领域的开发工作主要可以分为两个层面:pipeline开发和算法开发。它们之间存在一些区别,具体如下:Pipeline开发:pipeline开发侧重于将现有的算法模型集成到一个完整的处理流程中,实现端到端的视觉任务。它需要对不同算法模块进行组装、参数调优、数据流转衔接等工作,以优化整体性能。pipeline开发更注重工程实践,需要掌握各种...

2024-04-27 21:29:47 544 1

原创【大模型应用】Ollama本地大模型服务器及其C#客户端测试

前言在工业领域，本地开源大模型的潜在应用场景非常多样，一些不那么显而易见的可能包括：智能柔性装配：大模型可以应用于生产线的智能化改造，通过理解和生成工业执行指令，实现柔性化的装配和生产。工业企业智能中台：大模型可以作为企业智能中台的核心，整合分散的数据，提供辅助决策和运筹规划，从而提高整体运营效率。质量检测与安全监测：结合视觉传感技术，大模型可以对指定区域或人员进行实时监测，快速发现异常信息，降低...

2024-04-27 10:47:49 516

原创【机器视觉】Segment Anything模型（SAM） C# 推理

Facebook开源的Segment Anything是一个基于大型预训练模型的计算机视觉工具，它使用一种新的范式来处理图像分割任务。这个范式不依赖于传统的预训练加微调（pretrain+finetune）方法，而是通过提示（prompt）加上预训练的基础模型（foundation model）来实现。Segment Anything的目标是能够处理包括交互式分割、边缘检测、超级像素化、目标提议生...

2024-04-26 10:01:03 676

原创【PCL】教程 pairwise_incremental_registration 非线性ICP算法增量注册成对点云

如何增量注册成对的点云 本文档演示了如何使用迭代最邻近点算法逐个逐个地增量注册一系列点云。我们的想法是在第一朵云的框架内变换所有的云。具体做法是找到每个连续云之间的最佳变换，并将这些变换累加到整组云上。您的数据集应由在共同帧（如机器人的里程测量帧或地图帧）中经过大致预对齐并相互重叠的云组成。测试程序The viewer window provides interactive commands; ...

2024-04-25 22:00:17 301

原创【PCL】教程 octree_search 八叉树的构建、体素内搜索、K近邻搜索和半径内搜索

使用八叉树进行空间分区和搜索操作 八叉树是一种基于树的数据结构，用于管理稀疏的三维数据。每个内部节点都有八个子节点。在本教程中，我们将学习如何使用八叉树对点云数据进行空间分区和邻域搜索。特别是，我们将讲解如何执行 "体素内邻居搜索"、"K 最近邻搜索 "和 "半径内邻居搜索"。终端输出：K nearest neighbor search at (54.6875 786.5 19.9375) wi...

2024-04-25 13:42:39 304 1

原创【PCL】教程 normal_distributions_transform 将一个新的点云（室内扫描）对齐到先前扫描的点云...

如何使用正态分布变换 在本教程中，我们将介绍如何使用正态分布变换 (NDT) 算法来确定两个超过 10 万点的大型点云之间的刚性变换。NDT 算法是一种注册算法，它将标准优化技术应用于三维点的统计模型，以确定两个点云之间最可能的注册。有关 NDT 算法内部工作原理的更多信息，请参阅 Martin Magnusson 博士的博士论文："三维正态分布变换--用于注册、表面分析和环路检测的高效表示法"...

2024-04-25 10:55:06 388

原创【PCL】教程narf_feature_extraction 如何从深度图像中提取 NARF 特征

如何从范围图像中提取 NARF 特征 本教程演示如何从深度图像中在 NARF 关键点位置提取 NARF 描述符。该可执行文件使我们能够从磁盘加载点云（或创建它，如果没有提供），在其上提取兴趣点，然后在这些位置计算描述符。然后，它在图像和 3D 查看器中可视化这些位置。Found 10 key points.Extracted11descriptorsfor10keypoints.No...

2024-04-24 21:49:14 244

原创【AI工具】LM Studio 部署本地llama3以及python调用openai的API与llama3本地服务器进行问答...

1. 下载LM Studiohttps://lmstudio.ai/2. 安装后打开主界面3. 下载自己感兴趣的大模型由于网络原因，通过IDM手动下载后拷贝到相应文件夹下点击下载后，左下角点击“ 1 downloading”可以查看详情从详情中提取出模型下载地址然后手动下载，比如“https://huggingface.co/TheBloke/phi-2-GGUF/resolve/main/phi...

2024-04-23 19:30:41 1846 1

原创【PCL】教程 interactive_icp.cpp 使用ICP算法对3D点云进行准确的对齐，并通过可视化展示算法的迭代过程...

测试程序./interactive_icp ../monkey.ply 5终端输出：[pcl::PLYReader::listPropertyDefinitionCallback] no fitting callbacks. element_name=face, property_name=vertex_indices[pcl::PLYReader] monkey.ply:14: propert...

2024-04-22 19:30:16 472

原创【PCL】教程 implicit_shape_model.cpp 3D点云数据的对象识别利用隐式形状模型进行训练和识别...

ism_test_cat.pcd参数：ism_train_cat.pcd 0 ism_train_horse.pcd 1 ism_train_lioness.pcd 2 ism_train_michael.pcd 3 ism_train_wolf.pcd 4 ism_test_cat.pcd 0这里红点表示对...

2024-04-21 22:22:55 559

原创【PCL】教程global_hypothesis_verification 通过验证模型假设来实现 3D 对象识别与位姿估计...

测试程序1milk.pcd milk_cartoon_all_small_clorox.pcd终端输出1：Model total points: 12575; Selected Keypoints: 193Scene total points: 307200; Selected Keypoints: 7739[pcl::SHOTEstimation::computeFeature] The l...

2024-04-21 18:36:24 436

原创【PCL】教程 sphere_removal.cpp 自定义的过滤条件来过滤点云中某个区域内的点

终端输出：Cloud before filtering: -1.23392 1.81505 -0.968005 -0.00934529 1.36497 0.158734 0.488435 1.96851 -0.0534078 1.27135 1.16404 -1.00462 -0.249089 -0.0815883 1.13229 0.448447 ...

2024-04-21 17:00:52 807

原创【PCL】教程extract_indices.cpp 根据索引提取点云

[done, 529.11 ms : 460400 points]Available dimensions: x y z intensity distance sid源点云table_scene_lms400.pcd测试程序移除预编译器PCL_NO_PRECOMPILEPointCloud before filtering: 460400 data points.PointCloud afte...

2024-04-21 16:44:28 406

原创【PCL】教程don_segmentation.cpp 使用差异法线（DoN）技术来分割和分析点云

测试程序table_scene_mug_stereo_textured.pcd差异法线特征文件don.pcd过滤掉差异法线强度小于threshold的点don_filtered.pcddon_cluster_0.pcddon_cluster_1.pcd[pcl::NormalEstimationOMP::setNumberOfThreads]Parallelizationisrequest...

2024-04-21 16:24:11 749

原创【PCL】教程correspondence_grouping对点云模型和点云场景进行特征提取，匹配，以及聚类找到模型与场景的匹配...

基于对应分组的 3D 对象识别本教程旨在解释如何使用 pcl_recognition 模块执行基于对应分组的 3D 对象识别。具体来说，它解释了如何使用对应分组算法将 3D 描述符匹配阶段后的点对点对应集聚合到当前场景中的模型实例中。对于每个聚类，表示场景中的可能模型实例，对应分组算法还输出该模型在当前场景中的 6DOF 姿态估计的变换矩阵。[done, 727.952 ms : 13704 po...

2024-04-20 19:31:18 281

原创【PCL】教程conditional_euclidean_clustering 对输入的点云数据进行条件欧式聚类分析...

[done, 3349.09 ms : 19553780 points]Available dimensions: x y z intensity源点云 Statues_4.pcd不同条件函数output.pcd 【按5切换到强度通道可视化】终端输出：Loading...>> Done: 1200.46 ms, 19553780 pointsDownsampling...&gt...

2024-04-19 19:45:07 415

原创【PCL】教程concave_hull_2d.cpp 对点云进行过滤、分割、投影以及凹包构建

[done, 599.439 ms : 307200 points]Available dimensions: x y z rgb原始点云PointCloud after filtering has: 139656 data points.PointCloud after segmentation has: 123727 inliers.PointCloud after projection...

2024-04-19 12:17:11 710

opencv 旅行商 模拟退火算法SA

空空如也

opencv 旅行商模拟退火算法SA