Sentieon | 鸡全基因组（WGS）分析流程

原创 于 2025-11-11 11:15:14 发布 · 863 阅读 · 22 ·
CC 4.0 BY-SA版权
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。
文章标签：

#基因数据分析 #Sentieon #变异检测 #生信服务 #基因测序

今天给大家介绍的是基于 Sentieon 软件开发的用于鸡全基因组测序数据的自动化流程脚本。该流程实现了从原始测序数据（FASTQ）到变异检测结果（GVCF）以及joint calling的完整分析流程，支持多个测序平台和输出格式。

脚本支持原始测序数据（raw_fastq）、过滤后的测序数据（clean_fastq），进行质控、比对、排序、标记重复、生成质量评估指标，最终通过Haplotyper 算法进行变异检测输出 gVCF 文件，通过joint calling输出VCF文件。

测试鸡样本测序深度55.26X，从FASTQ到VCF全流程分析最快用时29.21分钟，大幅缩短了鸡的全基因组WGS分析时间，有效加快畜禽的分子育种进程。

感谢Ampere Computing LLC 和比亚迪服务器部门对本次测试的大力支持！！！

1. 环境设置与参数解析

1.1 Sentieon环境配置

1.1.1 下载地址

软件地址链接

  • https://insvast-download.oss-cn-shanghai.aliyuncs.com/Sentieon/release/sentieon-genomics-202503.01.tar.gz（适配X86架构CPU服务器，例如Intel､ AMD､ 曙光）

  • https://insvast-download.oss-cn-shanghai.aliyuncs.com/Sentieon/release/arm-sentieon-genomics-202503.01.tar.gz（适配ARM架构CPU服务器， 例如华为鲲鹏､ 阿⾥倚天､ Ampere）

模型下载链接

  • https://github.com/Sentieon/sentieon-models

1.1.2 环境设置变量[点击跳转]

1.2 变量定义与参数解析

#!/bin/bash
echo $0 \$SAMPLEID \$WORKDIR \$FASTQ_1 \$FASTQ_2 \$FASTA \$SUFFIX \$DATATYPE \$KEEP_CLEAN \$KEEP_BAM \$PLOIDY
set -euxo pipefail

echo：打印脚本名及输入参数占位符，方便调试时确认参数顺序。

set -euxo pipefail：设置脚本执行规则，增强健壮性。

export SAMPLEID=$1
export WORKDIR=$2
export FASTQ_1=$3
export FASTQ_2=$4
export FASTA=$5
BSUFFIX=$6
TYPE=${7:-"raw"}
KEEP_CLEAN=${8:-keep}
KEEP_BAM=${9:-keep}
PLOIDY=${10:-2}
LOGFILE=$SAMPLEID.run.log
export root=/Path/sentieon/202503/sentieon-genomics-202503/bin/

从命令行读取参数，包括样本 ID、工作目录、输入文件路径等。

部分参数设置默认值。

LOGFILE：定义日志文件名（样本 ID+.run.log）。

root：sentieon工具（基因组分析软件）的安装路径。

更详细的参数表格，如下表所示：

参数

含义

默认值

$1

SAMPLEID

样本ID

$2

WORKDIR

工作目录

$3

FASTQ_1

FASTQ R1文件

$4

FASTQ_2

FASTQ R2文件

$5

FASTA

参考基因组 fasta 文件

$6

BSUFFIX

输出格式：bam/cram/空格

无默认

$7

TYPE

数据类型："raw" 或 "clean"

"raw"

$8

KEEP_CLEAN

是否保留质控后的 fastq

"keep"

$9

KEEP_BAM

是否保留去重后的 bam/cram

"keep"

$10

PLOIDY

样本倍性（根据实际调整）

2

1.3 输入文件有效性检查

if [ "$BSUFFIX" = "bam" ] || [ "$BSUFFIX" = "cram" ] || [ "$BSUFFIX" = " " ]; then
    echo "$BSUFFIX check"
else
    die "Error: check 6th blank, BSUFFIX must be 'bam' or 'cram' or space"
fi

检查BSUFFIX，只能是bam（二进制比对格式）、cram（压缩比对格式）或空格，否则报错退出。

1.4 测序平台判断

if [ -e $LOGFILE ];then
    export PLATFORM=$(awk '/Platform/{print $NF;exit}'$LOGFILE)
else
    export count=$(zcat $FASTQ_1|head -n 1|awk '{print NF}')
    if [ $count -eq 1 ];then
        export PLATFORM="DNBSEQ"
    elif [ $count == 2 ];then
        export PLATFORM="ILLUMINA"
    elif [ $count == 3 ];then
        export PLATFORM="ILLUMINA"
    else
        echo"Unrecognized platform"
        export PLATFORM="ILLUMINA"
    fi
fi

若日志文件已存在，从日志中提取测序平台（Platform字段）。

若日志不存在，通过 FASTQ 文件首行的字段数判断平台。

1.5 输出文件格式确定

FAI=$FASTA.fai
if [ "$BSUFFIX" = "bam" ] || [ "$BSUFFIX" = "cram" ];then
export SUFFIX=$(awk -v preset=$BSUFFIX 'BEGIN{max=0}{if($2>max)max=$2}END{if(max>536870911){print "cram"}else{print preset}}' $FAI)
else
export SUFFIX=$(awk 'BEGIN{max=0}{if($2>max)max=$2}END{if(max>536870911){print "cram"}else{print "bam"}}' $FAI)
fi

根据参考基因组索引文件（$FASTA.fai）中最长序列的长度决定输出比对文件格式：

  • 若最长序列长度 > 536870911（约 512MB），强制使用cram（更适合大基因组压缩）。

  • 否则根据BSUFFIX或默认bam。

补充说明：对于单个染色体长度 > 536870911（约 512MB）的物种，Sentieon软件可以切换至cram，不用因BAM 文件索引 (.bai) 的格式限制切割染色体。

1.6 环境与目录配置

export TMPDIR=$WORKDIR
export THREADS=$(nproc)
[ -e $WORKDIR ]||mkdir -p $WORKDIR
cd $WORKDIR
exec >>$LOGFILE 2>&1
echo "SampleID:" $SAMPLEID
echo "DataType:" $TYPE
……

配置临时目录、线程数，确保工作目录存在，并将所有输出写入日志文件。

1.7 设置计时函数(可选)

timer(){
    start_time=$(date +%s)
    eval $2 && touch $3
    end_time=$(date +%s)
    cost_time=$[ $end_time-$start_time ]
    echo -e "TIMER: $1\t$(($cost_time/60)) min $(($cost_time%60)) s"
}

用于记录每个分析步骤的开始/结束时间、耗时，并通过创建标记文件（如qc.ok）标记步骤完成，避免重复执行。

2. 数据质控（Raw2clean）

  • 双端测序质控脚本：

raw2clean(){
    cmd="fastp -w 16 -i $FASTQ_1 -I $FASTQ_2 -o $clean1 -O $clean2 -j $SAMPLEID.qc.json -h $SAMPLEID.qc.html&&rm $FASTQ_1 $FASTQ_2"
    timer raw2clean "$cmd" qc.ok
}

  • 单端测序质控脚本：

raw2clean(){
    cmd="fastp -w 16 -i $FASTQ_1 -o $clean1 -j $SAMPLEID.qc.json -h $SAMPLEID.qc.html&&rm $FASTQ_1"
    timer raw2clean "$cmd" qc.ok
}

使用fastp工具对原始 FASTQ 数据进行质控（过滤低质量 reads、接头等），输出过滤后的 FASTQ 文件及质控报告文件（JSON/HTML）。

成功后创建qc.ok标记文件。

3. 序列比对与排序（Alignment）

  • 双端测序比对脚本：

alignment(){
    tag="@RG\tID:rg_$SAMPLEID\tSM:$SAMPLEID\tPL:$PLATFORM"
    cmd="sentieon bwa mem -R \"$tag\" -t $THREADS -K 10000000 -x $ML_MODEL/bwa.model $FASTA $clean1 $clean2|sentieon util sort --temp_dir $TMPDIR -r $FASTA -o $SAMPLEID.sorted.$SUFFIX -t $THREADS --sam2bam -i -"
    echo $cmd
    timer alignment "$cmd" align.ok
}

  • 单端测序比对脚本：

alignment(){
    tag="@RG\tID:rg_$SAMPLEID\tSM:$SAMPLEID\tPL:$PLATFORM"
    cmd="$root/sentieon bwa mem -R \"$tag\" -t $THREADS -K 10000000 $FASTA -x $ML_MODEL/bwa.model $clean1 |$root/sentieon util sort --temp_dir $TMPDIR -r $FASTA -o $SAMPLEID.sorted.$SUFFIX -t $THREADS --sam2bam -i -"
    echo $cmd
    timer alignment "$cmd" align.ok
}

使用sentieon bwa mem进行序列比对（基于BWA算法），添加Read Group信息（用于后续变异分析），并通过sentieon util sort对结果排序，输出sorted.bam或sorted.cram。

基于测序平台选择不同的机器学习模型（$ML_MODEL）优化比对。

成功后创建align.ok标记文件。

4. 生成质量评估指标（Metrics）

metrics(){
    cmd="sentieon driver --temp_dir $TMPDIR -r $FASTA -t $THREADS -i $SAMPLEID.sorted.$SUFFIX --algo WgsMetricsAlgo $SAMPLEID.WGS_METRICS.txt --algo MeanQualityByCycle $SAMPLEID.mq_metrics.txt --algo QualDistribution $SAMPLEID.qd_metrics.txt --algo GCBias --summary $SAMPLEID.gc_summary.txt $SAMPLEID.gc_metrics.txt --algo AlignmentStat $SAMPLEID.aln_metrics.txt --algo BaseDistributionByCycle $SAMPLEID.bd_metrics.txt --algo QualityYield $SAMPLEID.qy_metrics.txt --algo InsertSizeMetricAlgo $SAMPLEID.is_metrics.txt"
    timer metrics "$cmd" metrics.ok
}

使用sentieon driver计算多种测序质量指标，包括：

  • 全基因组测序指标（WgsMetricsAlgo）。

  • 碱基质量分布、GC 偏差、插入片段长度等。

结果输出到多个质量指标的.txt文件，成功后创建metrics.ok。

5. 标记重复序列（Dedup）

dedup(){
    cmd="sentieon driver -r $FASTA --temp_dir $TMPDIR -t $THREADS -i $SAMPLEID.sorted.$SUFFIX --algo LocusCollector --fun score_info $SAMPLEID.score.txt&&sentieon driver -r $FASTA -t $THREADS -i $SAMPLEID.sorted.$SUFFIX --algo Dedup --score_info $SAMPLEID.score.txt --metrics $SAMPLEID.dedup_metrics.txt $SAMPLEID.deduped.$SUFFIX&&rm $SAMPLEID.sorted.$SUFFIX* $SAMPLEID.score.txt*"
    timer markdup "$cmd" markdup.ok
}

标记重复序列分两步：

  • LocusCollector：收集位点质量分数信息。

  • Dedup：基于分数标记并去除 PCR 重复序列。

完成后删除中间文件（排序后的比对文件），创建markdup.ok。

6. 碱基质量重校正(BQSR可选)

bqsr(){
    sentieon driver -t $THREADS -r $FASTA -i $SAMPLEID.deduped.$SUFFIX --algo QualCal -k $KNOWN_SITES $SAMPLEID.RECAL_DATA.TABLE
    sentieon driver -t $THREADS -r $FASTA -i $SAMPLEID.deduped.$SUFFIX -q $SAMPLEID.RECAL_DATA.TABLE --algo QualCal -k $KNOWN_SITES $SAMPLEID.RECAL_DATA.TABLE.POST --algo ReadWriter $SAMPLEID.deduped.RECALIBRATED.$SUFFIX
    timer markdup "$cmd" markdup.ok
}

  • 此过程分为两个主要部分：首先创建一个校正模型（生成 .TABLE 文件），然后应用该模型生成报告和碱基质量重校正后的bam。

  • --algo QualCal: 指定运行的算法是 QualCal（质量校正算法）。

  • KNOWN_SITES：已知变异数据库的VCF文件路径。

  • RECAL_DATA.TABLE：重校准表的位置和文件名。

  • RECAL_DATA.TABLE.POST: 临时性的后重校准表的位置和文件名。

  • --algo ReadWriter：这一步为可选的。Sentieon® 变异检测可以在运行时使用校正前的 BAM 加上重校准表来即时执行重校正。便可以不输出巨大的BAM文件，节省磁盘的空间。

  • 若选择执行这一步，第七部分变异检测中请将$SAMPLEID.deduped.RECALIBRATED.$SUFFIX设为输入文件。

7. 变异检测（DNAseq）

dnaseq(){
    cmd="sentieon driver --temp_dir $TMPDIR -r $FASTA -t $THREADS -i $SAMPLEID.deduped.$SUFFIX --algo Haplotyper --emit_conf=30 --call_conf=30 --emit_mode gvcf --ploidy $PLOIDY $SAMPLEID.hc.gvcf.gz && md5sum $SAMPLEID.hc.gvcf.gz > $SAMPLEID.hc.gvcf.gz.md5"
    timer Haplotyper "$cmd" hc.ok
}

使用Haplotyper算法进行单倍型分析，生成 GVCF 文件。

计算 GVCF 文件的 MD5 ，确保文件完整性，成功后创建hc.ok。

8. Joint Calling

8.1 参数检查与使用说明

#!/bin/bash
[ $# -eq 0 ]&&echo Usage: $(basename $0) \$FASTA \$GVCF_LIST  \$NUM \$DATADIR&&exit
start_time=$(date +%s)

如果脚本没有传入任何参数，则打印使用说明并退出。

使用方式：脚本名 FASTA文件 GVCF列表文件 NUM 数据目录。

记录脚本开始执行的时间。

8.2 设置错误处理

set -euo pipefail

-e: 任何命令失败则退出脚本。

-u: 使用未定义的变量时报错。

-o pipefail: 管道中任何一个命令失败则整个管道失败。

8.3 参数赋值

DATADIR=$4
FASTA=$1 #"$FASTA_DIR/genomeEN_split.fa"
GVCF_LIST=$2
NUM=$3

$1: 参考基因组 FASTA 文件路径。

$2: 包含所有样本 GVCF 文件路径的列表文件。

$3: 用于命名输出文件的数字标识（如批次号）。

$4: 数据目录，用于存放输出文件。

8.4 设置线程数、工作目录和日志文件

NT=$(nproc) #number of threads to use in computation, set to number of cores in the server
WORKDIR="$DATADIR/JointCall-${NUM}"
[ -e $WORKDIR ]||mkdir -p $WORKDIR
#[ -e $file ]&&exit 0
cd $WORKDIR
LOGFILE=$WORKDIR/joint-call${NUM}_run.log
exec >$LOGFILE 2>&1

NT: 获取当前系统的 CPU 核心数。

WORKDIR: 根据 NUM 创建唯一的工作目录。

如果目录不存在则创建，并进入该目录。

将所有标准输出和标准错误重定向到日志文件。

8.5 执行联合变异检测

root=/APP/u22/x86_com/sentieon/202503/sentieon-genomics-202503
cat $GVCF_LIST|$root/bin/sentieon driver -r $FASTA  --algo GVCFtyper   \
      $WORKDIR/output${NUM}-jc.vcf.gz - || { echo echo "GVCFtyper failed"; exit 1; }

cat $GVCF_LIST: 读取 GVCF 文件列表。

sentieon driver: 调用 Sentieon 驱动程序。

-r $FASTA: 指定参考基因组。

--algo GVCFtyper: 使用 GVCFtyper 算法进行联合变异检测。

output${NUM}-jc.vcf.gz: 输出的压缩 VCF 文件。

如果命令失败，输出错误信息并退出。

8.6 计算并输出运行时间（可选）

end_time=$(date +%s)
cost_time=$[ $end_time-$start_time ]
echo "joint calling time is $(($cost_time/60))min $(($cost_time%60))s"
echo "the Joint-calling done at `date +%H:%M:%S` !!!"

计算脚本运行的总时间，并以“分:秒”格式输出。最后输出完成时间。

9. 总结

该脚本实现了 DNA 测序数据从原始 FASTQ 到 GVCF 的全自动化分析流程，支持 Illumina/DNBSEQ 平台，可配置输出格式（BAM/CRAM）和中间文件保留策略，通过标记文件和日志确保流程可进行追溯，适用于大规模基因组变异检测场景。特点包括：

  • 参数化：通过命令行参数灵活控制输入、输出和流程选项。

  • 自动化：自动检测测序平台和参考基因组以决定最佳分析策略。

  • 稳健性：使用 set -euxo pipefail和标记文件实现错误处理和断点续跑。

  • 模块化：将每个分析步骤封装成函数。

  • 高效性：使用商业优化的sentieon工具替代金标准GATK/BWA，速度更快。

  • 可追溯性：详细的日志记录和 MD5 校验确保结果可重现。

要运行此脚本，需要预先安装好 sentieon、fastp等软件，并准备好对应的模型文件 bundle。

10. 脚本应用示例

使用上述脚本对鸡全基因组测序数据分析的测序结果，具体样本信息如下表所示：

类别

详情

物种ID

Gallus_gallus

物种名和倍性

鸡(二倍体)

参考基因组

GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b_genomic.fna

参考基因组大小（G）

1.07

测试数据来源

自有数据

系统版本

Ubuntu 24.04/Kernel 6.8

cpu型号

AmpereOne A192-32X

分析软件

sentieon-genomics-202503

raw_reads

395785930

raw_data(G)

59.13

测序深度（X）

55.26

数据下载

参考基因组下载：

方法一

wget -c 
https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/016/699/485/GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b/GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b_genomic.fna.gz

方法二

curl -C - -O --progress-bar 
https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/016/699/485/GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b/GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b_genomic.fna.gz

解压：

gunzip GCF_016699485.2_bGalGal1.mat.broiler.GRCg7b_genomic.fna.gz 

  • 测试硬件配置

  1. CPU为单颗AmpereOne A192-32X

  2. 内存为512GB DDR5

  3. 系统为Ubuntu 24.04/Kernel 6.8

  • 测试结果

使用本文流程对鸡全基因组测序数据进行变异检测分析，下表为不同CPU核数下的计算时间和资源调用情况：

128核

96核

64核

32核

16核

比对时间（min）

22.72 

21.51

 27.28 

56.15 

119.37

比对内存峰值（G）

49.44

43.61

47.64

52.43

51.02

度量指标内存时间（min）

1.25

1.40

1.90

3.49

6.68

度量指标内存（G）

3.46

3.13

3.08

2.70

1.26

去重时间（min）

1.04

1.28

1.27

2.42

4.22

去重内存（G）

12.26

7.38

4.43

2.29

1.75

变异检测时间（min）

4.20

5.71

8.57

14.58

31.82

变异检测内存（G）

12.61

9.18

6.89

3.99

2.74

总时间（min）

29.21

29.90

39.02

76.64

162.08

本次测试在不同的线程数上进行性能的比较。从数据中可以明显看出，随着线程数的增加，变异检测的整体效率显著提升。从FastQ到VCF全流程分析最快用时29.21分钟，大幅缩短了鸡的全基因组WGS分析时间，有效加快畜禽的分子育种进程。

Sentieon在不断地优化算法的运行效率，为科研工作者提供更快速、更经济的基因检测方案。若您刚好有需要检测的数据，不妨来申请试用Sentieon吧！

Sentieon软件介绍

Sentieon为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升WGS、WES、Panel、UMI、ctDNA、RNA等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。

图片

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。

截至2025年7月份，Sentieon已经在全球范围内为1860+用户提供服务，用户处理超过4980+PB数据量，被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用，引用次数超过1500篇。此外，Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠，在业内获得广泛认可。

毅硕科技
关注
Sentieon | 应用教程：Sentieon分布模式
bio2s
07-01 1219
Sentieon | 应用教程：Sentieon分布模式
Sentieon 应用教程 | 使用CNVscope进行CNV检测分析
bio2s
09-02 1479
CNVscope是Sentieon推出的一款基于机器学习的全基因组CNV分析检测模块。该模块主要用于检测大于5kb的拷贝数增加或缺失，方法是通过分析reads的深度信息，并结合断点检测等其他特征进行拷贝数判断。
Sentieon | 水稻全基因组（WGS）分析流程
bio2s
10-29 612
37X水稻从FastQ到VCF全流程分析最快用时8分钟，大幅缩短了水稻的全基因组WGS分析时间，有效加快作物的分子育种进程。
Sentieon | 泛基因组分析流程详解
bio2s
10-24 1147
Sentieon泛基因组流程是一个利用泛基因组图进行短读长DNA序列数据比对和变异识别的分析流程。该流程基于图结构的参考基因组表示法，旨在提升比对和变异检测的分析效率和精度，特别是在具有高序列多样性的复杂基因组区域中。
Sentieon | 应用教程: 使用DNAscope对HiFi长读长数据进行胚系变异检测分析
bio2s
07-21 285
使用DNAscope对HiFi长读长数据进行胚系变异检测分析
Sentieon | 每周文献-Gene Editing（基因编辑）-第六期
bio2s
07-21 396
本文重点关注 Sentieon 软件在gene editing小鼠模型和相关软件工具开发中的应用
NGS技术：如何一小时完成WGS全基因组数据分析
bio2s
09-27 1236
近日，Sentieon Inc.与MGI合作正式推出高通量测序数据分析一体机Zieon。双方团队详细讨论并测试了华大智造MegaBOLT和Sentieon软件模块的性能，采用合适的模块组合推出了Zieon数据分析一体机。数据显示，Zieon在准确率提升的同时可加速46倍左右。 Zieon是一套高性能的重测序分析系统，整合了华大智造MegaBOLT以及Sentieon软件这两套加速方案。该方案包含胚系突变（Germline）与体细胞突变（Somatic）的全基因组（WGS）、全外显子组（WES）及Panel靶
Sentieon | 每周文献-Agrigenomics（农业）-第四期
bio2s
07-05 147
本文重点关注Sentieon软件在高粱驯化和多倍体棉花有害突变中的应用。
Sentieon | 每周文献-Benchmark and Method Study（基准与方法研究）-第八期
bio2s
08-09 200
Sentieon为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升WGS、WES、Panel、UMI、ctDNA、RNA等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。
Sentieon | 每周文献-Long Read Sequencing（长读长测序）-第七期
bio2s
08-09 306
本文重点关注Sentieon软件在PrecisionFDA和亚洲栽培棉中的应用。
Sentieon文献解读 - 使用 Sentieon ctDNA 分析管道高精度、高效地处理 UMI 数据集
bio2s
05-21 905
在大多数测试数据集中，Sentieon ctDNA流程表现出更优的召回率和精确度，卓越的性能主要归功于共识序列生成工具中使用的复杂统计模型，以及Sentieon TNscope提供的高精度体细胞变异检测。除了更高的准确性外，Sentieon ctDNA流程的运行速度也远快于其他流程，能够及时处理大面板的高深度测序数据。
Lua非空判断方法[源码]
11-24
本文详细介绍了在Lua中进行非空判断的几种方法，特别是针对table类型的变量。首先，文章指出了直接对nil值进行索引会导致异常的问题，并给出了一个简单的例子来说明如何避免这种情况。接着，文章讨论了如何判断一个table是否为空，指出不能简单地使用`#table == 0`的方式，而是应该使用`next(t) == nil`的方法。此外，文章还提到了`next`指令在LuaJIT中的优化问题，建议在非必要情况下少用。最后，文章简要介绍了如何判断一个字符串是否全部由空格组成，使用了正则匹配的方法。这些内容对于Lua开发者来说非常实用，能够帮助他们避免常见的错误。
JS表格转Excel实现[可运行源码]
11-24
该文章详细介绍了如何使用JavaScript将HTML表格数据导出为Excel文件。内容涵盖了针对不同浏览器的兼容性处理，包括IE和非IE浏览器的不同实现方式。对于IE浏览器，使用ActiveXObject进行导出；对于非IE浏览器，则通过base64编码和数据URI方案实现。文章还提供了完整的代码示例，包括表格数据的处理、格式化和导出功能，支持文本和图片类型的数据导出。
图片转bin文件存储[项目代码]
11-24
本文介绍了在OpenCV项目中如何将大量图片数据转换为二进制（bin）文件进行高效存储和读取的方法。作者在项目中遇到需要处理大量图片数据的问题，尝试了多种格式（如.mat、.txt、.yml）后发现效率较低。通过使用二进制文件存储，显著提升了读写速度。文章详细展示了使用OpenCV将图片写入二进制文件的代码示例，以及从二进制文件读取图片数据的实现方法。虽然该方法需要提前知道图片的尺寸和数量，但读写速度极快，适合处理大量图片数据。作者还提到可以通过换行符或终止符优化读取过程，但未深入探讨。
ROS视觉处理与色彩识别[项目源码]
11-24
本文详细介绍了在ROS环境下进行视觉处理的基础步骤，特别是针对色彩识别的实现方法。内容涵盖了从摄像头驱动的安装与配置（如usb_cam驱动和image_view工具的使用），到创建功能包和编写图像处理节点（包括RGB图像回调函数、HSV色彩空间转换、二值化处理及形态学操作）。此外，还演示了如何在仿真环境中获取图像，并通过OpenCV实现红色和绿色物体的识别与追踪。最后，文章提供了完整的代码示例和编译运行步骤，帮助读者快速上手ROS视觉处理项目。
Anaconda安装与使用指南[项目源码]
11-24
本文详细介绍了在Anaconda环境下安装和使用jupyter及numpy的步骤。首先，指导用户如何安装Anaconda并创建虚拟环境，然后详细说明了如何在虚拟环境中安装jupyter和numpy。接着，文章提供了多个numpy的练习示例，包括创建零向量、矩阵操作、归一化等。此外，还介绍了如何在Jupyter中完成numpy、pandas和matplotlib的例题，涵盖了从基础操作到实际应用的多个方面。最后，文章总结了实验过程中的经验，特别是在使用国内镜像源后下载速度的提升。
【动静障碍物】基于JPS算法（改进A）全局路径规划与DWA动态窗口局部避障的机器人自主导航混合控制算法（Matlab代码实现）
11-24
【动静障碍物】基于JPS算法（改进A）全局路径规划与DWA动态窗口局部避障的机器人自主导航混合控制算法（Matlab代码实现）内容概要：本文介绍了一种结合改进A*算法的JPS（跳跃点搜索）全局路径规划与DWA（动态窗口法）局部避障的混合控制算法，用于机器人在动静态障碍物环境下的自主导航。该算法通过JPS优化全局路径搜索效率，提升路径规划速度，并结合DWA实现实时动态避障，增强了机器人在复杂动态环境中的适应性和安全性。整个系统在Matlab平台上进行了代码实现与仿真验证，展示了良好的路径规划效果与避障性能。; 适合人群：具备一定机器人学、自动控制或路径规划基础知识的研究生、科研人员及从事智能机器人开发的工程技术人员。; 使用场景及目标：①应用于移动机器人在静态与动态障碍共存环境中的自主导航任务；②为研究高效全局规划与实时局部避障的融合策略提供技术参考与实现案例；③支持Matlab仿真环境下的算法验证与优化。; 阅读建议：建议读者结合Matlab代码深入理解JPS与DWA的集成逻辑，重点关注算法在路径最优性、计算效率与避障实时性之间的平衡设计，可进一步扩展至多机器人系统或复杂地形场景的应用研究。
Lua中loadstring应用[源码]
最新发布
11-24
本文介绍了在Lua编程中使用loadstring函数解析字符串公式的方法，特别是在游戏开发中的应用。通过示例代码展示了如何解析包含动态变量的字符串，如属性键、操作符和技能等级等，并动态计算其值。文章详细说明了如何利用loadstring将字符串转换为可执行的Lua代码，并处理复杂的公式解析，如计算buff持续时间和属性加成。这对于需要动态处理游戏内文本和公式的开发者具有实用价值。
VINS-Fusion部署流程[项目源码]
11-24
本文详细介绍了VINS-Fusion的部署及启动流程。首先，系统需要安装Ubuntu16.04以上版本并配置ROS环境，同时安装OpenCV、Glog、Ceres等依赖库。其次，编译功能包并进行多线程编译。启动阶段需获取IMU数据和图像信息，通过模拟器启动VINS-Fusion并查看Rviz可视化效果。标定部分包括相机内参和外参的配置，以及回环检测的优化。最后，文章简要提及实机启动的步骤，包括飞控和相机驱动的安装，以及通过脚本启动VINS-Fusion的流程。
基于Snakemake的WGS/GWAS全基因组分析流程实现
本文所介绍的“WGS/GWAS全基因组分析流程[代码]”正是基于当前高通量测序技术发展背景下构建的一套系统化、自动化、可重复性强的生物信息学分析流程。该流程以Snakemake为工作流管理工具，整合了从原始测序数据...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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