大疆 RoboMaster 机甲大师官方刚刚开通”机甲小 S 实验室”知乎专栏

最新推荐文章于 2020-10-23 16:59:17 发布
最新推荐文章于 2020-10-23 16:59:17 发布
阅读量512 收藏 1
点赞数
分类专栏： 中文编程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wuxuanecios/article/details/102916355
版权

专栏刚开，恭喜恭喜： 机甲小 S 实验室

我有幸被收录了最近的几篇在机甲上用中文编写 Python 代码的文章：

  • 【巧妇难为无米之炊】为机甲大师从MusicXML提取乐谱之卡农
  • 【日常】Python读取解析xml文件，顺便转换为大疆机甲大师可以演奏的乐谱
  • 潜力需要分享来加速挖掘：大疆机甲大师Python开发两周感想之一
  • 大疆机甲大师Python API之十：程序运行时间
  • 【小惊吓】大疆机甲大师Python API之九：整机控制模式
  • [意外走向] 大疆机甲大师Python API之八：计时 – 为性能测试展开1000次循环
  • 大疆机甲大师Python API之七：做个闹钟
  • 大疆机甲大师教育机器人Python API中文化之六：关灯
  • 大疆机甲大师教育机器人Python API中文化之四五：云台灯效，指定序号
  • 大疆机甲大师教育机器人Python API中文化之三：底盘灯效
  • 大疆机甲大师教育机器人Python API中文化之二：LED闪烁
  • 大疆机甲大师教育机器人Python API中文化之一：枪亮枪暗
  • 大疆机甲大师Python开发: 两只老虎
  • 大疆机甲大师Python开发: API中文化初尝试
  • 大疆机甲大师Python开发: 中文命名变量初尝试
  • (多图)火热出炉的大疆机甲大师教育机器人开箱组装小记

激发斗志！坚持系列！敬请期待！

中文编程
关注
专栏目录
大疆RoboMaster技术总监：我是如何成为一名机器人工程师的
AI科技大本营
05-04 3万+
作者 | 大疆创新RoboMaster技术总监YY硕▌前言很多朋友私信问我对机器人和人工智能感兴趣，该怎么展开学习。最近稍微有点空，我写写我的看法。两年前，我在知乎回答如...
RM2019机甲大师赛官方赠与步兵代码开源--RM Robot Open Source Code.rar
06-01
RM2019机甲大师赛官方赠与步兵代码开源
机甲大师S1机器人编程学习
weixin_30767835的博客
06-14 3187
　　机甲大师 S1（RoboMaster S1）是大疆新出的教育机器人，很期待。S1支持Scratch和Python编程。（Scratch是麻省理工学院的“终身幼儿园团队”（Lifelong Kindergarten Group）开发的图形化编程工具，主要面对青少年开放。类似积木，有不同颜色和形状标识不同含义，操作简单，很适合儿童学习） 　　 　　官方编程指南：https://www.dji....
RoboMaster机甲大师——视觉组——总结、未来期望与比赛经验分享
whl970831的博客
09-28 1万+
RoboMaster机甲大师——视觉组——总结与未来期望 FOR THE SIGMA FOR THE GTINDER FOR THE ROBOMASTER 入坑指南 各兵种需要的视觉： 步兵-每年必备的，需要自瞄算法，以供机器人精准打击敌方装甲板，同时也需要能量机关瞄准算法，以供机器人有效打击大小符能量机关，在此基础上也需要电控或是视觉看看谁或者移动预测的 英雄-每年必备的，需要自瞄算法，以供机器人精准打击敌方装甲板，因为有个42mm大炮口，移动预测所以弹道需要单独做测试， 工程-没上过，之前都是电控利用激
python实现蜂鸣器演奏两只老虎
weixin_44843629的博客
10-09 7356
跑个程序，计算量太大，每个文件的数据都要计算好久。我就一边让他跑，我一边干点别的，但是又怕错过，就做了个提示音。后来我一想，提示音都做了，那就完善一下做个两只老虎吧~没什么技术含量，代码附上： import ctypes player = ctypes.windll.kernel32 #player.Beep(1000,200) import time time.sleep(0.5) player.Beep(1047,955) #time.sleep(0.00000000125) player.Beep(
“中文编程”知乎专栏两岁了——山雨欲来风满楼
中文编程
11-12 372
白驹过隙，恍若隔世。 下图两边都来自V2EX论坛。 左：十天前，一个中文命名变量代码截图（作者非本人）帖的评论区。 右：325天前，本人一篇中英命名代码对比截图的评论区。 冰火两重天。 从2018年7月末开始，开始更加专注于中文命名标识符的实践与推广（原因详见那段时间专栏文章），也是在那时注册了V2EX。在那之后的半年间，发起了数个上百回复的讨论，免不了各种激烈对峙，也有幸领到了降权、限制访问等...
知乎专栏的微信小程序页面模板源码下载
03-21
模板描述：知乎专栏 微信小程序。知乎专栏的微信小程序页面模板源码下载是使用微信WEB开发者工具开发，亲测可直接运行。该程序从设计上满足了相关应用服务的设计要求，是一款非常值得学习简介的DEMO小程序源码。
微信 知乎专栏小程序范例源码.rar
07-10
微信环境下的知乎专栏小程序源码，模拟了知乎的界面和功能，支持网络请求数据实现刷新，支持使用本地 fake 数据实现刷新效果，支持使用本地 fake 数据实现继续加载效果.功能和Android版的知乎专栏相似，这个是仿写的...
爬取知乎专栏文章并生成PDF css文件
11-26
https://blog.csdn.net/mbh12333/article/details/103264866
Vue3.0+TS 仿知乎
11-09
仿知乎每天更新好文章，包括权威的时事解读、有趣的生活建议 　更符合用户口味的「主题日报」，覆盖电影、财经、设计、体育等领域 　长评优先展示 　离线下载功能，及时缓存近期的 30 篇文章
复制知乎专栏文章的方法
qq120633269的博客
01-13 4590
谷歌浏览器 首先，打开你要复制的文章网页，然后打开开发者工具。 然后在弹出的窗口中选择左上角的箭头。 然后你可以移动鼠标选择网页不同区域，被鼠标选中的区域会变蓝色。 当移动到整个页面变蓝色的时候，你可以点击鼠标左键，之后会看到开发者工具窗口选中的代码。 将开发者工具窗口中的代码复制下来。 之后，在你的电脑上新建一个txt文件，将代码复制进去并保存文件。 之后将这个txt文件的后缀名改为h...
robomaster机甲大师：操作手客户端安装方法及相关驱动安装方法
scarecrow_sun的博客
10-23 1万+
前言 本篇文章是因为队里面有些队员不太会安装客户端，对待一些BUG没有统一的解决方法，特写一篇文章来解释这个过程，这篇文章经过队里没安装国客户端的小白成功使用，并被人号称有手就行，能看懂就会装。希望对大家有所帮助 正文 1.安装驱动 所需要安装的驱动名字 ①：DJI Phantom 4 Drivers_1.2 下载地址： https://www.robomaster.com/zh-CN/products/components/detail/2595 网址中对应的名字下载即可 ②：DJI_WIN_Driver
RoboMaster机甲大师——视觉组——摄像头的选型与应用
whl970831的博客
09-28 1万+
RoboMaster机甲大师——视觉组——摄像头的选型与应用（Windows/ubuntu） FOR THE SIGMA FOR THE GTINDER FOR THE ROBOMASTER 简介： 本篇文章主要介绍在进行图像处理时，摄像头的选型与在不同平台上的运用，同时拓展了一些小知识。 操作系统版本： Ubuntu16.04 http://www.ubuntu.org.cn/download/...
大疆新品:机甲大师RoboMaster S1介绍（AI 学习小伙伴）
热门推荐
Winfredzhang的博客
06-12 1万+
简要说明： 全名：机甲大师 RoboMaster S1 价格：3499（RMB） 发布时间：6.11 安装时间：1:30小时，组装方法：下载 1、庐山真面： 2、用途：教于乐的设计理念，教育机器人。 3、组成： 4、特点： 1）支持 Scratch 与 Python 两种编程语言 2) 麦克纳姆轮构成，实现神奇走位。 3) 水晶弹和红外光束两种...
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
最新发布
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
雷电模拟器改成真机环境
09-21
在Android系统中，模拟器通常会被识别为非真实的设备，这可能导致某些应用或服务无法正常运行，尤其是那些需要硬件信息或root权限的应用。改真机环境意味着通过技术手段使模拟器的行为更接近真实的Android设备，包括模拟设备硬件信息、IMEI、MAC地址等，以绕过检测并提升兼容性。LSPSED（Linux System Property Setter and Editor）模块是Magisk的一个扩展，专门用于修改Android系统的系统属性。通过LSPSED，我们可以更改设备的各种系统属性，如设备型号、制造商信息等，这些修改对于使模拟器看起来更像真实设备至关重要。在使用过程中，还需要添加几个机型模块，这些模块通常包含了特定设备的系统配置信息，如设备代号、硬件信息等。通过安装这些模块，雷电模拟器可以模仿各种流行的Android设备，进一步提高应用的兼容性和真实性。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值