- 博客(25)
- 收藏
- 关注
RSS订阅原创 Vscode C++中launch.json和tasks.json 文件的关系
该行代码的意思是在调试前重新编译一下可执行文件，以便调试的是修改后的可执行文件。二者之间的关系主要在于launch.json文件中的。要和 task.json中。
2024-05-20 03:38:58
142
原创 如何解决 opencv2/core.hpp: No such file or directory“ for opencv4
改为opencv2/core.hpp.
2024-04-29 05:32:23
314
原创 Ubuntu 20.04中将大写锁定键(Caps)映射为Esc
在“Keyboard & Mouse”设置中，点击“Additional Layout Options”；在“Caps Lock behavior”列表中选择“Caps Lock an additionnal Esc”。参考链接：https://zhuanlan.zhihu.com/p/144050387。下载并安装GNOME Tweak tool。（以上连接还有其他系统按键映射的方法）因为使用以上方法重启后在终端输入。
2024-04-29 04:16:55
175
原创 Linux 学习笔记 - Linux目录结构
Linux的文件系统是采用层级树状目录结构，在此结构中最上层的是“/”目录。把LInux的目录（主体）结构背下来。（硬件也被映射成一个文件）
2024-01-02 02:48:47
377
原创 【无标题】
版权声明：本文为CSDN博主「Ethereal9673」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/Ethereal9673/article/details/127088276。ROS noetic (在Ubuntu 20.04上)安装遇到的问题。一行代码搭建机器人开发环境(ROS/ROS2/ROSDEP)VMware Tools安装步骤（windows10）一键安装桌面版+初始化+环境配置。
2023-12-26 04:04:06
381
原创 为什么我在rviz里加载了robotmodel，模型不显示但点collision enable 可以显示红色的模型？【解决】
因为我的日期设置是俄语的。所以 “ LC_NUMERIC=“ru_RU.UTF-8” ”，应该修改为 LC_NUMERIC=“en_US.UTF-8” 和系统语言设置一致。
2023-11-25 16:07:55
838
原创 ROS学习笔记（十）
新消息类型在C++节点的应用在节点代码中，先include新消息类型的头文件。在发布或订阅话题的时候，将话题中的消息类型设置为新的消息类型。按照新的消息结构，对消息包进行赋值发送或读取解析。在文件的中，添加新消息包名称作为依赖项。在节点的编译规则中的，添加一条，将新消息软件包名称_generate_messages_cpp作为依赖项。在中，将新消息包添加到和中去。运行重新编译。新消息类型在Python节点的应用在节点代码中，先import新定义的消息类型。
2023-11-24 23:04:36
49
原创 ROS学习笔记（九）
有时候可能官方的消息包无法满足需求，我们也可以自定义消息包。依旧以超哥开黑群为例。在之前的章节里，我们只可以使用string类型里的data成员发送聊天信息，而如果想要显示段位等其他信息就无法满足需求了。接下来我们尝试自己定义一个String型的段位信息和一个 int型的星星数。实现步骤；在终端中进入目录，新建一个包名叫qq_msgs的消息包。
2023-11-24 23:02:00
66
原创 ROS学习笔记（八）
IMU (Inertial Measurement Unit) 惯性测量单元 - 一种安装在机器人内部的传感器模块，用于测量机器人的空间姿态。包含旋转加速度和矢量加速度一共六个轴的数值分量的IMU模块，就是常说的六轴IMU。另外有些IMU模块额外提供了XYZ三个轴向的磁强计输出，就变成了九轴IMU。磁强计数据在ROS中有专门的消息格式，没有包含在这个IMU消息包中。机器人在XYZ三个坐标轴的旋转速度和矢量加速度都是直接测量到的数据，也叫裸数据。
2023-11-24 22:53:38
246
原创 ROS学习笔记（七）
我们只需要添加一个雷达避障节点，使其即是订阅者也是发布者。接受来自雷达数据话题的障碍物距离测量值，然后发布消息给速度控制话题控制机器人速度，实现避障功能。
2023-11-24 22:51:52
184
原创 ROS学习笔记（六）
激光雷达主要用来探测周围障碍物的状况，其按照测量的维度可以分为按照工作方式可以分为激光雷达在ROS中数据格式一般是一样。下面以TOF激光雷达作为例子讲解：激光雷法一般分为两个部分，一个是底座，一个是可旋转的头部结构。左边一个红外激光发射器，右边一个红外激光接收器。红外激光发射后遇到障碍物反弹回来，被红外激光接收器捕获。激光雷达测量完一个方向的障碍物距离后，会旋转一个角度再射出一道红外激光，再接受返回来的红外激光。一直重复操作，直到雷达探测头旋转一整周，360度。
2023-11-24 22:50:32
80
原创 ROS学习笔记（五）
可以看作是如下三个方向的矢量运动的合成：原点为机器人底盘中心点、X-指向机器人正前方向、Y-指向机器人正左方、Z-指向机器人正上方。根据以上信息，我们可以得出机器人的运动控制可以由矢量速度的X、Y、Z三个轴的速度分量和旋转速度的X、Y、Z三个轴的速度分量来描述。通常一个ROS机器人中有一个机器人核心节点，即能够驱动机器人的底层硬件，还会订阅一个速度控制话题（/cmd_vel）。拇指指向Z轴正方向，四指弯曲的方向就是机器人自传运动的正方向。在ROS中对机器人的运动状态的描述有一定的规范。
2023-11-21 04:50:18
214
1
原创 ROS学习笔记（四）
Launch文件是一种遵循XML语法的描述文件，可以用来启动多个节点。XML语法：内容该语法的含义可以用大纸盒套小纸盒来形容，如图：根据该图写一个相应的代码
2023-11-20 06:25:02
43
1
原创 ROS学习笔记（一）
ROS是一个通用机器人开发框架，类似手机界的安卓操作系统的发展来源。粗略认为：“ROS就是机器人界的安卓系统”。ROS可以通过APT源或者Github下载各种功能不同的安装包，类似安卓手机里的APP。还可以像开发app一样按照相应的接口规范开发新的功能节点。安卓系统里的app相当于ROS里的’node’ 节点。用ROS控制单片机相当于用安卓系统控制单片机。
2023-11-16 20:17:40
53
1
原创 Python学习笔记（一）
ifname==‘main’:”很多时候看似无用，但是，出于代码的规范性，还是有必要的。以上文章大部分借鉴于前人，有兴趣可以看一下原链接。以下附上原链接：[1]Python中“ifname==‘main’:”理解与总结[2]Python中“ifname==‘main’:”的详细解答。
2023-11-09 21:10:21
26
1
原创 Smoothly vslam 学习第一天
成像过程遵循以下原理：小孔越小，成像越好，越清晰，但会越暗（进光量不够）。而为了即清晰又有足够的亮度，现代相机使用透镜来聚集光线。加入透镜后成像规律如下图：物体处于透镜两倍焦距之后，形成倒立、缩小的实像。一到两倍焦距之间，则会形成倒立、放大的实像。在一倍焦距之内形成正立放大的实像。
2023-09-11 21:59:15
48
原创 吃瓜教程学习笔记
该模型的目标是找到最佳的直线，使得预测结果与实际结果之间的误差最小。(4) 【机器学习】线性回归原理推导与算法描述_回归方程的可逆性怎么判断_邓坤元的博客-CSDN博客. https://blog.csdn.net/pxhdky/article/details/82388964.(8) 【机器学习】线性回归原理推导与算法描述_回归方程的可逆性怎么判断_邓坤元的博客-CSDN博客. https://blog.csdn.net/pxhdky/article/details/82388964.
2023-08-23 23:24:49
46
1
原创 脑PET图像分析和疾病预测挑战赛代码笔记
对PET文件提取特征# 加载PET图像数据# 获取第一个通道的数据# 随机筛选其中的10个通道提取特征# 对图片计算统计值feat = [= 0).sum(), # 非零像素的数量(random_img == 0).sum(), # 零像素的数量random_img.mean(), # 平均值random_img.std(), # 标准差len(np.where(random_img.mean(0))[0]), # 在列方向上平均值不为零的数量。
2023-08-18 22:17:08
256
4
原创 【吃瓜教程】机器学习第二天
（即如果在m个样本中有a个样本分类错误，则错误率E=a/m）。其中в>0,度量了查全率对查准率的相对重要性，в=1时退化为标准的F1；过拟合（ovrefitting）：当把训练样本自身的一些特点当作了所有潜在样本都会有的一般性质，就会导致泛化能力下降。F1度量：F1是基于查准率与查全率的调和平均值定义的：F1= 2*P*R/P+R=2*TP/样例总数+TP-TN。查准率P和查全率R是一对矛盾的度量，一般来说，查准率吧高时，查全率往往偏低；而学习能力是否”过于强大“，是由学习算法和数据内涵共同决定的。
2023-08-15 16:41:09
28
原创 [吃瓜教程] 机器学习笔记第一天
二分类（binary classification）：只涉及两个类别，其中一个为“正类”（positive class），另一个类为“反类”（negative class）。第i个样例可以表示为(xi,yi),其中yiY.对于回归任务，Y=R，R=实数集。
2023-08-15 15:30:00
82
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