墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
900+累计阅读
979平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
QT实现右下角悬浮按钮
在本文中，我们将介绍如何使用Qt框架实现一个右下角悬浮按钮。该按钮将悬浮在应用程序的主窗口之上，并且始终保持在屏幕的右下角位置。我们将使用Qt Widgets模块来创建按钮，并使用Qt的信号和槽机制来处理按钮的点击事件。
首先，我们需要创建一个新的Qt Widgets应用程序。在Qt Creator中，选择"File -> New File or Project"，然后选择"Qt Widgets Application"模板，并按照向导的指示创建一个新项目。
在主窗口的设计界面中，我们需要将一个QPushButton控件放置在窗口上。确保将按钮的初始位置设置为右下角。可以通过将按钮的layout属性设置为"右下对齐"来实现这一点。
接下来，我们需要编写一些代码来处理按钮的点击事件。打开主窗口的源文件（通常是一个名为mainwindow.cpp的文件），并在类的构造函数中添加以下代码：
connect(ui->pushButton, &QPushButton::clickedPython上位机开发：PySide6+QML+ESP32串口通信实战
上位机开发是嵌入式系统实现人机交互、数据可视化与设备管理的关键环节，其本质是构建运行于PC端的控制与监控软件。原理上依赖操作系统级硬件访问能力（如串口、USB）、跨语言绑定机制（Python调用C++ Qt库）及实时通信协议设计。技术价值体现在高可靠性、低延迟响应与深度调试支持，显著优于Web方案在离线性、权限控制和错误码粒度上的局限。典型应用场景包括工业传感器监控、实验室仪器联机、教育套件配套工具等。本文聚焦基于PySide6与QML的Python上位机开发路径，并深度融合ESP32 MicroPytho
五款主流AI编程助手硬核横评：Cursor、Copilot、Claude Code等实战对比
AI编程助手是当前开发者提效的核心工具，其本质是基于大语言模型的代码理解与生成系统，通过深度集成IDE上下文实现智能补全、错误诊断与文档生成。技术价值在于将重复性编码劳动（如语法纠错、注释编写、API调用转换）自动化，显著降低认知负荷。典型应用场景包括跨文件重构、报错日志分析、框架适配代码生成及中文技术文档输出。本次横评聚焦真实开发流中的关键能力——上下文感知深度、中文注释质量、本地化支持与调试协同效率，覆盖Cursor、GitHub Copilot、Claude Code等主流工具，为工程师提供可落地的选
Qt 之 自定义按钮 在鼠标 悬浮、按下、松开后的效果
一、简述在上一篇 Qt 之 去除窗口部件被选中后的焦点虚线框 中，我们为了去除焦点虚线框，给按钮的样式加上了如下的样式。QPushButton { background:red; border:0px; }这样导致鼠标点击按钮之后没有按下凹陷的反馈感觉是没有点击上去似的。上面两个按钮加上了border:0px;去除了边框，点击之后没有凹陷的感觉，而后两个按钮没有加上border:0p
C++ Qt鼠标悬浮在按钮上显示对话框的效果实现
最近在修改播放器项目时，决定把音量调节按钮改成腾讯视频的样式，如下： 我的音量调节样式： 项目链接：https://mingshiqiang.blog.youkuaiyun.com/article/details/119281543 之前为了实现播放器的功能，对界面样式没有精心实现，时间进度条和音量调节进度条都是直接用slider, 是按press, release,valuechange信号，这样很容易实现视频的seek, 音量调节的功能，这几天决定做优化，尽量达到QQ影音的效果， 腾讯视频的选集功能、音量调节
Qt音视频开发 通用悬浮按钮工具栏的实现
在这个源代码中，我们实现了一个包含5个按钮的工具栏，并通过重写enterEvent和leaveEvent函数实现了鼠标进入和离开时的显示和隐藏功能。在这个QWidget中，我们添加若干个QPushButton，作为工具栏中的按钮，同时设置这些按钮的图标和提示信息。最后，为了让这个工具栏能够浮在其他窗口的上面，我们需要将其设置为顶层窗口，并设置其透明度。本文将介绍如何使用Qt实现这个功能。通过这个例子，我们可以看到Qt非常方便地实现了这个悬浮按钮工具栏的功能，同时也为我们提供了很多其他强大的GUI开发功能。
Qt/C++音视频开发23-通用视频控件
一、前言 在之前做的视频监控系统中，根据不同的用户需要，做了好多种视频监控内核，有ffmpeg内核的，有vlc内核的，有mpv内核的，还有海康sdk内核的，为了做成通用的功能，不同内核很方便的切换，比如pro直接改一个DEFINE的变量名，所以需要将各种内核的使用方法做成一样的接口，这样看起来就很整齐，所以后面特意提炼了一个通用的视频控件，该控件没有具体的视频播放控制功能，需要根据不同的内核去调用具体的方法实现，后面还需要增加大华sdk或者其他第三方厂家的协议的时候，直接套用这个通用视频控件即可，以后增加新
13视频监控-04视频监控窗体-videowidget
一、运行效果 二、功能特点 可设置边框大小。 可设置边框颜色。 可设置两路OSD标签。 可设置是否绘制OSD标签。 可设置标签文本或图片。 可设置OSD位置 左上角、左下角、右上角、右下角。 可设置OSD风格 文本、日期、时间、日期时间、图片。 自定义半透明悬浮窗体，一排按钮。 悬浮按钮可自定义设置，包括背景颜色+按下颜色。 发送信号通知单击了哪个悬浮按钮。 能够识别拖进来的文件，通知url。 提供open close pause等接口。 三、公共接口 public: //标签格式 e
用UltraISO制作镜像以RAW格式刻录系统到U盘后，在Windows上无法识别的解决办法
在这篇文章中，用UltraISO制作镜像后，会使得U盘无法识别！！！那么，如何抹掉U盘的数据，格式化U盘呢？
【Educoder作业】※ 数字图像——绿幕抠像
这次作业比上一篇博客基本得多，大多都是基础函数的运用。没啥说的，就整个sizesizesize即可。 T2 获取一个像素 T3 图像反色 T4 修改透明度 ′RGBA′'RGBA'′RGBA′也是一种图像格式 T5 抠图 T6 添加场景 这个主要是pastepastepaste函数里面的maskmaskmask参量没整明白，转载一篇博客供参考。...
智驾系统分层架构：从传感器到执行器的全链路解析
本文深入解析了智能驾驶系统的分层架构，从传感器数据采集融合、应用层决策到车辆管理层执行，完整呈现了从感知到控制的全链路工作流程。文章重点阐述了架构设计的核心优势在于接口标准化与模块解耦，以ACC和LKA协同场景为例，说明了各层级如何通过清晰分工与高效协作，实现复杂系统的可靠、灵活与易于升级。
5-EP4CE10F17C8-引脚配置
EP4CE10F17C8-引脚配置
TIP 2024 | 跨类与跨域语义增强用于域泛化
域泛化方法旨在通过多样化的源域帮助开发一个在未知目标域上表现良好的通用模型。数据增强已被证明是增强计算机视觉中域泛化的有效方法。最近，基于语义级别的数据增强取得了显著成果。然而，这些方法主要集中在从类内和域内采样语义方向，限制了源域的多样性。为了解决这个问题，作者提出了一种新的方法，称为跨类与跨域语义增强（CDSA）。首先，作者引入了一种基于采样的方法CrossSmooth，从跨类中获取语义方向。然后，CrossVariance通过采样语义方向获取不同域的样式。
【DEIM创新改进】全网独家创新、注意力改进篇 | AAAI 2026 | DEIM 引入轻量级群体注意力（LWGA）模块，可以显著提高其多尺度物体检测能力，特别是在小物体和复杂背景下的表现
本文提出了一种改进的DEIM网络模型，通过引入轻量级LWGA模块显著提升了多尺度物体检测性能。LWGA模块采用局部和全局注意力机制，有效提升了小物体和复杂背景下的识别能力，同时保持低计算成本。该模块通过分割输入特征图并应用多种注意力机制（GPA、RLA、SMA、SGA）进行特征提取和融合，优化了多尺度物体的特征表示。实验表明，改进后的DEIM模型在遥感图像处理等任务中表现出色，在12个数据集上实现了性能与计算效率的最佳平衡，为资源受限设备提供了高效的解决方案。
【BUG已解决】RuntimeError: CUDA error: no kernel image is available for execution on the device 解决方案
方案适用场景推荐指数精确匹配官方版本绝大多数场景（大众消费卡+主流数据中心卡）⭐⭐⭐⭐⭐安装历史旧版本Pascal/Maxwell等老显卡⭐⭐⭐⭐安装Nightly版本刚发布的最新架构显卡⭐⭐⭐⭐源码编译官方各版本均不支持的特殊硬件⭐⭐Docker官方镜像追求省心、避免版本排查⭐⭐⭐⭐⭐的核心是PyTorch 预编译包不包含你显卡对应的计算能力架构先确认显卡真实计算能力），而不是盲目重装驱动对比 PyTorch 支持的架构列表），定位是否真的不匹配精确匹配官方版本。
Kubeflow系统性学习教程：从入门到高级实践
Kubeflow学习教程摘要（150字）： Kubeflow是基于Kubernetes的云原生MLOps平台，提供端到端机器学习解决方案。核心功能包括Jupyter Notebooks开发环境、Pipelines工作流编排、分布式训练支持和模型服务部署。教程采用三阶段学习路径：初学者搭建Kind集群体验Notebooks；中级开发自定义Pipeline组件；高级实现企业级应用。通过容器化和K8s CRD深度集成，解决环境一致性、实验跟踪和资源调度等MLOps痛点，相比MLflow/Airflow更适合大规模
Devexpress16.2.6破解工具
Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具
Data-Structures-and-Algorithm-Analysis-in-Java.pdf
作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...
数学建模模型总结
这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
482
扫一扫
