- 博客(474)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 轨迹评估工具使用总结（二） evo 绘图& ROS map
evo是一款用于视觉里程计和slam问题的轨迹评估工具。核心功能是能够绘制相机的轨迹，或评估估计轨迹与真值的误差。支持多种数据集的轨迹格式（TUM、KITTI、EuRoC MAV、ROS的bag），同时支持这些数据格式之间进行相互转换。在此仅对其基本的绘图功能和ROS map轨迹绘制做简要总结。官方文档地址：https://github.com/MichaelGrupp/evo/wiki...
2020-03-31 18:34:37
11195
原创 ROS1+ROS2桥接混合及 ros_bridge编译使用
本文总结了在ROS1 Noetic与ROS2 Foxy共存环境下，编译纯接口消息包elevator_inspection_msgs及ros1_bridge的完整流程。关键步骤为：先在~/catkin_ws中编译ROS1消息包并source环境，再在~/ros2_msg_ws中构建ROS2消息包，最后按“先ROS1后ROS2”顺序source环境，清理缓存后编译ros1_bridge。需确保message_runtime正确导出、环境变量无冲突，并验证两边消息可用性。
2026-09-15 10:04:46
33
原创 目标检测与跟踪（16）-- Jetson Xavier NX 网络配置与 ROS 多机通信实战
本文详细记录了Jetson Xavier NX（Ubuntu 20.04）有线网络固定IP配置与ROS1多机通信环境搭建的全流程。核心内容包括：1）通过NetworkManager设置静态IP（含网关留空方案）并实现开机自启；2）ROS主从机环境变量配置及双向hosts解析方法；3）可选FileZilla服务器搭建指南；4）针对DHCP失效、IP丢失、ROS通信失败等常见问题的解决方案。特别适用于机器人开发中需要稳定局域网通信的场景，为设备网络配置提供标准化操作指南。
2026-07-14 14:37:29
308
原创 【Ollama 】-- 本地混合多模态大模型部署与使用教程： 从零搭建企业级私有化推理环境
本文介绍了如何利用轻量级工具Ollama在Windows环境下本地部署Qwen3.5-9B-DeepSeek-V4-Flash多模态大模型，重点解决企业数据隐私和推理延迟问题。文章详细讲解Ollama的安装配置、GGUF量化模型选择（涵盖BF16/Q4_K_M/Q5_K_M等不同精度）、模型加载与交互测试全流程，提供硬件适配建议和性能对比数据。通过实际案例展示文本生成、长上下文处理和多模态图文交互能力，并给出Python API调用示例和常见问题解决方案。该方案使开发者在无GPU或有限显存条件下也能实现私有
2026-06-09 10:53:09
866
原创 智巡守卫：多模态巡检智能体算法服务端设计与实现——基于Ollama+Qwen3.5的自动化巡检报告生成系统
针对石化防爆场景中巡检数据量大、人工分析效率低、报告生成不规范等痛点，本文设计并实现了一套多模态大模型驱动智能分析引擎的服务端组件。该系统以每日生成的巡检CSV文件为数据中枢，通过时间窗口采样、统计特征提取、本地大模型推理及自动化PDF渲染，将巡检机器人采集的可见光、热红外、气体传感器等多模态异构数据转化为结构化、可审计的智能分析报告。
2026-06-09 10:33:24
545
原创 目标检测与跟踪（16）-- Ubuntu 20.04 下 ROS1 + Conda 虚拟环境开机自启动方案（兼容 ROS2 共存）
本文提供了一套在Ubuntu 20.04系统上实现ROS1视觉节点自动化运行的完整方案。通过systemd服务和智能环境切换脚本，解决了ROS1/ROS2环境冲突、Conda虚拟环境激活、开机自启动等关键问题。方案包含：1)编写环境隔离的启动脚本；2)创建roscore系统服务；3)配置视觉节点systemd服务；4)处理图形界面显示问题；5)详细调试方法。该方案支持进程守护、自动重启和X11图形显示，特别适合需要无人值守运行的机器人视觉项目，实现"一键部署"的自动化管理。
2026-04-21 08:41:33
835
原创 目标检测与跟踪（15）-- conda 环境与 roslaunch 节点解释器不一致问题的排查与工程化修复
ROS1 中 conda 环境与 roslaunch 节点解释器不一致问题排查与修复 问题现象：ROS1 项目在终端可导入 ultralytics 模块，但通过 roslaunch 启动节点时报 ModuleNotFoundError。 根因分析： ROS 节点实际运行的是 catkin 生成的 relay 脚本，其 shebang 指向系统 Python 而非 conda 环境 launch-prefix="conda run" 未能完全确保解释器切换 项目内 vendored ult
2026-04-20 17:02:03
558
原创 目标检测与跟踪 （Debug）-- 问题集锦
文章摘要：本文介绍了解决多USB设备及摄像头端口地址分配问题的方法。通过在/etc/udev/rules.d/下创建.rules规则配置文件，利用ATTR{index}属性区分同一摄像头的不同视频节点（如video0和video1），并绑定到指定USB端口。配置示例中展示了如何将video0绑定到特定USB端口（2-4.2:1.0），设置权限为0777，并创建符号链接video_right。最后需要重启计算机使映射生效。（99字）
2026-04-13 17:13:55
233
原创 目标检测与跟踪（14）-- 基于ROS的机械臂-多YOLO节点协同检测系统设计与实现
本文设计了一套基于ROS1的机械臂与多YOLO节点协同检测系统。系统采用分布式架构，机械臂作为ActionServer按序执行任务序列，每个YOLO节点独立订阅机械臂状态，当到达指定位置时触发检测并反馈结果。通过线程条件变量实现高效同步机制，确保检测成功时立即返回，超时自动处理。系统支持动态任务分配、结果独立发布和急停响应，实现了"到达即检测"的流水线作业。文章详细介绍了系统架构、消息定义、核心节点实现及线程同步机制，并提供了完整的可运行代码，为机器人视觉协同开发提供了实用参考方案。
2026-03-28 16:26:45
555
原创 目标检测与跟踪（13）-- Jetson Xavier NX / Orin NX 松灵机械臂PiPer SDK、ROS功能包、官方文档解读
六自由度机械臂技术摘要 本摘要概述了一款专为教育科研和工业应用设计的六自由度机械臂系统。该机械臂具备1.5kg负载能力，工作半径626.75mm，重复定位精度±0.1mm，采用铝合金骨架和模块化设计。系统支持CAN总线通讯，提供拖动示教、离线轨迹等多种控制模式，并配套完整的SDK和ROS开发接口（包括ROS1/ROS2、MoveIt、Gazebo等仿真环境）。 关键特性： 高性能：关节最大速度225°/s，支持-20-50℃工作环境 多功能：集成示教再现功能，提供轨迹记录与复现API 易开发：开放URDF模
2026-03-27 23:06:27
1239
原创 目标检测与跟踪（12）-- Jetson Xavier NX / Orin NX ROS及视觉检测环境配置、移植、部署指南
本文详细介绍了在NVIDIA Jetson系列设备（XavierNX/OrinNX）上快速配置ROS机器人开发环境的方法。主要内容包括：使用鱼香ROS一键安装脚本高效部署ROS1（Melodic/Noetic）；通过Miniforge管理Python虚拟环境；安装适配Jetson的PyTorch和torchvision；配置YOLO视觉检测环境；移植IMU模块驱动（含串口冲突解决方案）和机械臂控制模块。文章还提供了环境快速移植的脚本化建议，帮助开发者实现"开箱即用"的部署体验，特别针对多
2026-03-26 11:05:58
861
原创 目标检测与跟踪（11）-- Jetson Xavier NX GPIO控制3D结构光C与Python双版本实现（下）
摘要：本文介绍了在NVIDIA Jetson Xavier NX平台上使用GPIO控制TTL激光器的方法。通过Python封装Jetson.GPIO库，实现了激光器的开关、状态查询等核心功能，并提供了可复用的类库。文章详细说明了硬件连接方式（3.3V TTL电平）、引脚定义以及两种实现方案（C语言libgpiod和Python），重点推荐了面向对象封装的Python版本。该方案适用于工业检测、自动化控制等场景，同时强调了安全使用GPIO的注意事项，包括防误触发、异常处理和硬件保护等措施。
2026-03-18 16:54:44
564
原创 目标检测与跟踪（10）-- Jetson Xavier NX刷机、移植&部署YOLOv8量化模型（中）
正在挑选最快的密钥服务:['https://gitee.com/fishros/rosdistro/raw/master/ros.asc', 'https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc']- https://gitee.com/fishros/rosdistro/raw/master/ros.asc 延时:0.22s。.'// 开卷有益 \./ 书山有路 \ `.
2026-03-17 12:47:36
538
原创 目标检测与跟踪（9）-- Jetson Xavier NX刷机、移植&部署YOLOv8量化模型（上）
本文详细介绍了Jetson Xavier NX开发板的刷机教程。主要内容包括：1）通过短接FC_REC和GND引脚进入Recovery模式；2）刷机前的软硬件准备要求；3）使用SDKManager进行系统烧录的完整步骤；4）常见问题解决方法。文章重点讲解了从进入刷机模式到完成系统初始化的全过程，包括版本选择、存储配置等关键环节，并针对设备识别、烧录失败等问题提供了解决方案。适用于需要在Jetson Xavier NX上安装JetPack系统的开发者参考。
2026-03-17 08:53:29
609
原创 目标检测与跟踪 （9）- 负样本数据集准备指南（YOLO格式）
本文介绍了负样本在目标检测任务中的重要性及其采集、标注方法。负样本帮助模型区分背景，减少误检。采集策略包括覆盖多样化背景、包含干扰物、从视频提取等。关键点是为每张负样本图像创建空标签文件(.txt)，以符合YOLO训练要求。文中提供了一个Python脚本，可批量生成空标签文件，支持递归处理并保持目录结构。同时给出了标注工具选择和注意事项，建议负样本与正样本比例控制在1:1到3:1之间，并推荐使用版本管理工具。最后提供了快速开始指南，便于实际应用。
2026-03-12 10:43:38
690
原创 目标检测与跟踪 （8）- 机器人视觉窄带线激光缝隙检测系统开发
本文提出了一种基于红色激光线扫描的视觉检测系统，用于工业自动化中的缝隙宽度测量。系统采用630nm激光器作为光源，通过波长相关增强算法和自适应图像处理技术实现亚像素级精度测量。实验结果表明，该系统在0.5-5mm范围内测量误差小于2%，处理速度达60FPS，适用于PCB检测、材料分析等多种工业场景。相比传统方法，本方案具有非接触、高精度和强鲁棒性等优势。未来可结合深度学习和边缘计算进一步提升性能。
2026-02-01 10:46:03
1181
原创 Auto-Py-To-Exe GUI多文件Python工程打包方法与实践
本文详细介绍了使用Auto-Py-To-Exe工具打包多文件Python工程为EXE可执行文件的方法。以YOLO图像采集项目为例，阐述了项目结构分析、代码调整（特别是资源路径处理）、Auto-Py-To-Exe的GUI配置步骤（包括基础设置、资源添加、隐藏导入配置等）以及PyInstaller工作原理。重点讲解了动态导入处理、依赖分析技巧和常见问题解决方案，并提供了自动化打包脚本示例。通过合理配置打包选项和正确处理路径问题，开发者可以将包含多个脚本、配置和资源文件的Python项目成功打包为独立的可执行文件
2026-01-29 09:03:50
1556
原创 目标检测与跟踪 （7）- YOLOv8 ONNX量化模型部署指南
本文介绍了YOLOv8模型从训练到ONNX量化部署的完整流程。主要内容包括：1）环境准备与模型导出为ONNX格式；2）ONNX模型的FP16/INT8量化方法；3）使用ONNXRuntime和TensorRT的部署实现；4）性能优化策略如IO绑定和批处理；5）完整的部署脚本和注意事项。该方案支持静态和动态输入尺寸，提供多种量化精度选择，并包含基准测试功能，适用于边缘计算和嵌入式设备部署场景。
2025-12-31 11:31:54
1155
原创 目标检测与跟踪 （6）- ROS & YOLOv8机器人视觉检测与应用开发
本文介绍了一个将YOLOv8目标检测算法集成到ROS框架中的功能包。该项目基于PyTorch-YOLOv8实现，为ROS机器人提供标准化的目标检测接口。主要技术包括：1) YOLOv8的端到端检测架构，采用改进的CSPDarknet骨干网络和PANet特征融合；2) ROS节点通信机制，通过发布-订阅模式实现图像传输和检测结果发布；3) 自定义消息类型定义检测框信息。系统流程为：接收ROS图像消息→格式转换→YOLOv8推理→结果后处理→发布检测结果和可视化图像。该方案支持灵活配置模型权重、置信度阈值等参数
2025-12-22 14:41:32
463
原创 目标检测与跟踪 （5）- YOLOv8/V11仪器仪表检测（从数据、训练到优化部署）
YOLO11模型增强与部署指南 YOLO11通过改进的backbone和neck架构显著提升了特征提取能力，在COCO数据集上以更少参数实现了更高精度。模型支持目标检测、实例分割等多项计算机视觉任务，并能灵活部署于各类环境。 关键改进包括： 优化训练流程和架构设计，提升22%计算效率 增强跨环境适应性，支持边缘设备和云平台 提供多样化的数据增强策略和训练参数配置 部署指南详细说明了： 数据集准备：遵循COCO/YOLO格式要求 模型训练：参数设置与优化技巧 推理应用：支持图像/视频/实时流等多种输入 模型导
2025-11-26 15:35:22
1015
原创 ROS2核心概述（3）：ROS2开发入门
本文介绍了ROS2相关资源与工具的使用指南。主要内容包括：1）提供fishros一键安装脚本；2）推荐两个导航项目源码仓库；3）详细介绍ros2_control_demo项目，该项目通过17个示例演示了硬件接口创建、URDF描述、控制器切换等核心概念，涵盖差分驱动机器人、6自由度机械臂等多种应用场景；4）最后提及colcon编译工具。这些资源为ROS2开发者提供了从环境搭建到机器人控制的完整参考方案。
2025-11-25 11:06:29
872
原创 ROS2核心概述(2)：ROS2 IPC, DDS, Topics, Services, Actions & Interfaces
ROS2通信机制解析：本文介绍了ROS2中的核心通信组件IPC和DDS协议及其抽象概念（主题、服务和行动协议）。IPC实现同一机器上节点间的高效本地通信，DDS则提供实时数据分发中间件，支持发布-订阅模式、QoS设置等特性。ROS2通过主题（单向数据流）、服务（请求-响应）和行动（长时间任务）三种通信机制实现节点交互，这些机制均基于DDS实现。文中还详细说明了ROS2接口规范，包括消息、服务和行动的数据结构定义，以及标准接口对系统互操作性的重要性。最后介绍了ROS2当前支持的多种DDS实现方案及其适用场景。
2025-11-24 10:14:02
1231
原创 ROS2核心概述（1）：从 ROS1 到 ROS2 的演进哲学
ROS1与ROS2核心对比分析 摘要：本文系统对比了ROS1与ROS2的核心差异。ROS1作为实验室原型平台，采用中心化架构和TCP通信，适合快速开发但存在实时性和可靠性不足的问题。ROS2基于DDS中间件实现去中心化通信，提供QoS策略、跨平台支持和安全机制，更适合工业应用。开发过程中，ROS2采用现代API设计、显式QoS配置和Python启动脚本，显著提升了系统性能和灵活性。建议新项目直接采用ROS2，现有ROS1项目评估迁移价值，学习者优先掌握ROS2技术栈。
2025-11-24 10:06:56
1212
原创 目标检测与跟踪 （4）- 基于YOLOv8的工业仪器仪表智能读数与状态检测算法实
工业仪表检测面临人工巡检效率低、成本高等痛点。本文基于YOLOv8提出自动化解决方案，系统讲解从数据标注到模型部署的全流程。YOLOv8凭借多尺度检测优势和小目标识别能力，可有效应对工业场景中的仪表定位与分类。文章详细介绍数据增强策略、模型训练调优方法，并扩展仪表读数识别技术。最后探讨TensorRT加速等优化手段，为工业智能化转型提供实践指导。
2025-11-20 17:25:01
1506
2
原创 ROS2核心概述（0）- 智能机器人开发环境配置、ROS2、YOLO部署测试
本文汇总了ROS、CUDA和YOLOv8的安装与部署教程。内容包括：1) Ubuntu20.04安装ROS Noetic和Ubuntu22.04配置ROS2的详细步骤；2) ROS2功能测试方法，包括通信机制验证和turtlesim仿真；3) VSCode远程开发环境配置；4) CUDA 11.2安装指南及路径配置；5) YOLOv8模型部署实践，涵盖环境搭建、模型量化（INT8/FP32转换）和香橙派AI Pro开发板应用案例。提供了相关技术文档链接和常见问题解决方案，适合AI和机器人开发者参考。
2024-10-16 09:46:00
1384
2
原创 飞行机器人专栏（十六）-- 双臂机器人体感交互式控制
利用新型仿人双臂空中机械手实现更自然、更拟人化的作业交互，实现混合智能遥操作控制，仍然是一个亟待解决的问题。针对我们设计的新型空中双手机械手，提出了一种基于视觉的直观控制策略，重点是增强人机交互（HRI）和基于视觉的遥操作。这种创新的HRI控制策略近似于人类操作员的运动意图和机械手定位之间的复杂非线性映射函数。此外，使用KF算法融合了来自多个Kinect DK单元的鲁棒全身3D骨架跟踪，为空中机械手的遥操作控制服务。采用这种控制系统，双臂空中机械手可以与人类合作，灵活高效地执行双手任务。
2024-10-10 10:07:04
2393
1
原创 OrangePi AIPro：次世代嵌入式边缘AI计算与智能机器人应用开发平台
OrangePi AIPro搭载华为A310B4 NPU处理器，其作为一款64位四核ARM Cortex-A55架构的处理器，为复杂运算及多媒体处理提供了坚实的算力基础。此外，设备内置了8GB DDR4内存和最大256GB eMMC存储，确保在数据密集型任务下的运行流畅性及存储需求的灵活扩展。尤其值得关注的是，设备内嵌NPU，算力突出，理论峰值可达到8TOPS，这在图像识别、语音处理等深度学习任务中表现尤佳。
2024-05-27 13:07:10
1758
1
原创 飞行机器人专栏（十五）-- Kinect DK 多机联合标定
飞行机器人专栏（十四）-- Kinect DK 人体骨骼点运动提取方法_kinect怎么捕捉骨骼-CSDN博客Azure Kinect DK 是一款开发人员工具包，配有先进的 AI 传感器，提供复杂的计算机视觉和语音模型。Kinect 将深度传感器、空间麦克风阵列与视频摄像头和方向传感器整合成一体式的小型设备，提供多种模式、选项和软件开发工具包 (SDK)。用于访问低级别传感器和设备的传感器 SDK。用于跟踪 3D 人体的人体跟踪 SDK。
2024-04-26 09:04:07
2366
1
原创 飞行机器人专栏（十四）-- Kinect DK 人体骨骼点运动提取方法
Azure Kinect DK 是一款开发人员工具包，配有先进的 AI 传感器，提供复杂的计算机视觉和语音模型。Kinect 将深度传感器、空间麦克风阵列与视频摄像头和方向传感器整合成一体式的小型设备，提供多种模式、选项和软件开发工具包 (SDK)。用于访问低级别传感器和设备的传感器 SDK。用于跟踪 3D 人体的人体跟踪 SDK。用于启用麦克风访问和基于 Azure 云的语音服务的 Azure AI 语音 SDK。此外，可将认知视觉服务与设备 RGB 相机配合使用。
2024-04-17 10:24:39
2261
原创 飞行机器人专栏（十三）-- 智能优化算法之粒子群优化算法与多目标优化
自1995年由Eberhart和Kennedy提出以来，已经成为解决优化问题的一种有效且广泛应用的方法。作为一种进化计算技术，PSO受到社会行为模式，特别是鸟群和鱼群的觅食行为的启发。本篇博客将从计算机科学与工程专家学者的角度，深入探讨PSO算法的基本原理、理论推导及其在各个领域的应用。粒子群算法来源于对鸟类群体活动规律性的研究，进而利用群体智能建立的简化模型，它模拟了鸟类的觅食行为，将求解问题的搜索空间比作鸟类的飞行空间
2024-02-23 17:01:07
2493
2
原创 ROS从入门到精通系列（三十二）-- ROS PID 控制器设计
double _Kp;double _Kd;double _Ki;_dt(dt),_max(max),_min(min),_Kp(Kp),_Kd(Kd),_Ki(Ki),/*- 比例（Proportional）(P)：计算当前偏差（设定值与实际值的差距），并乘以比例增益（Kp）。输出对系统的当前状态进行纠正。
2024-02-22 09:36:10
698
原创 目标检测与跟踪 （3）- TensorRT&YOLO V8性能优化与部署测试
YOLOv8 算法的核心特性和改动可以归结为如下：1. 提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型。和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求骨干网络和 Neck 部分可能参考了 YOLOv7 ELAN 设计思想，将 YOLOv5 的 C3 结构换成了梯度流更丰富的 C2f 结构，并对不同尺度模型调整了不同的通道数。
2023-08-07 11:06:14
4784
1
原创 目标检测与跟踪 （2）- YOLO V8配置与测试
1. 提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型。和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求骨干网络和 Neck 部分可能参考了 YOLOv7 ELAN 设计思想，将 YOLOv5 的 C3 结构换成了梯度流更丰富的 C2f 结构，并对不同尺度模型调整了不同的通道数。
2023-08-02 15:32:01
3266
1
原创 目标检测与跟踪 （1）- 机器人视觉与YOLO V8
3D物体实时检测、三维目标识别、6D位姿估计一直是机器人视觉领域的核心研究课题，最新的研究成果也广泛应用于工业信息化领域的方方面面。通过众多的传感器，例如激光扫描仪、深度摄像头、双目视觉传感即可获得三维物体的识别数据，以此为基础开展研究的计算机视觉方向领域也有着较为深入的发展。
2023-08-02 14:41:01
4748
原创 ROS从入门到精通系列（三十一）-- ROS &CoppeliaSim(V-rep)动力学仿真器（上）
具有集成开发环境的机器人仿真器CoppeliaSim（原名V-REP）基于分布式控制体系结构：每个对象/模型可以通过嵌入式脚本、插件、ROS或BlueZero节点、远程API客户端或定制解决方案进行单独控制。这使得CoppeliaSim非常通用，是多机器人应用的理想选择。控制器可以用C/C++、Python、java、Lua、MATLAB来编写。CoppeliaSim用于快速算法开发、工厂自动化仿真、快速原型和验证、机器人相关教育、远程监控、安全双重检查、数字孪生等等。1.2 软件特点。
2023-05-17 08:57:47
1402
原创 飞行机器人专栏（十二）-- 提高机器人系统可靠性的关键要素与实践
本文将介绍如何在机器人系统的开发过程中融入关键要素，从而提高系统的可靠性。我们将从需求分析、设计阶段、开发与调试、验证与优化、迭代与升级等方面进行详细讨论，并提供示例代码以帮助您更好地理解相关概念。
2023-04-18 14:07:58
1372
原创 飞行机器人专栏（十一）-- 空中机器人综合健康管理系统
为了能够对无人艇的关键设备或部分设备进 行有效的状态检测与故障预测，实时评估无人艇 的能力，首先，应根据无人艇的关键设备或部分 设备的健康管理需求，合理设置设备的检测手 段，通过对比部件的状态参数与设备健康等级阈 值，判别部件的健康状态，并根据部件故障或失 效模型，预测部件的故障或寿命；无人艇 IVHM 系统的系统层汇总了各设备提 供的设备状态与故障信息，根据无人艇的后续任 务规划，应用任务仿真模型实时评估无人艇的剩 余任务能力，并预测剩余任务中可能出现的重点 故障，并预估出维修需求及保障资源需求。
2023-04-18 13:51:40
1765
原创 ROS从入门到精通系列（三十）-- 从零开始开发机器人C++&ROS工程项目
编写ROS控制系统需要有深入的机器人控制和运动学知识。学会使用ROS提供的机器人控制和导航库，例如MoveIt!和ROS Navagation等。协调好ROS和C的通讯机制。ROS使用发布-订阅和服务调用机制进行进程间通讯，开发者需要熟悉ROS的通讯机制并结合C编写程序。设计良好的人机交互界面，使用户能够轻松地操作机器人，管理数据及输入参数。QT5可以作为C++图形化界面工具，使用QT Creator进行可视化设计。合理选择机器人硬件设备及传感器。
2023-04-02 23:09:28
1471
原创 ROS从入门到精通系列（二十九）-- linux封装ROS 自启动脚本及可执行程序App
ROS开发程序软件不需要安装， 但是每次运行的时候都要输入一遍命令十分麻烦，因此想把它建个快捷方式放到桌面或启动栏里，这样点击就可以打开了。 有些软件安装后也不会自动建立快捷方式，因此学会手动建立快捷方式还是挺有必要的。
2023-03-07 11:08:34
1095
PyTorch 2.1.0 与 torchvision 0.16.2 在版本上是兼容的（遵循 PyTorch 官方版本对应关系：torch 2.1.x → torchvision 0.16.x）
2026-03-23
【机器人技术】基于ROS2的机器人系统开发：Ubuntu环境搭建、SLAM建图与自主导航综合应用
2026-01-22
ROS2机器人开发教程项目源码、教程.zip
2026-01-22
ROS & YOLOv8机器人视觉检测与应用开发
2025-12-22
基于YOLOv8的工业仪器仪表智能读数与状态检测算法实现，代码
2025-12-19
DJI M600/M600Pro 飞行平台OSDK飞控二次开发代码包Onboard-SDK-3.8.1
2022-01-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人