<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fanstering的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fanstering</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fanstering]]></copyright><item><title><![CDATA[WPS绿化检索指南]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/169461238</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/169461238</guid><author>fanstering</author><pubDate>Thu, 29 Oct 2026 17:15:44 +0800</pubDate><description><![CDATA[本文提供WPS官方纯净版的检索方法，适用于机关、事业单位、合作企业及技能考试场景。可直接复制以下关键词进行搜索：1. WPS 2023 12.8.2.18205 电信版；2. WPS软件政府专用（2019版）；3. 全国计算机等级考试wps。不提供下载资源，仅指导用户通过正规渠道获取所需版本。]]></description><category></category></item><item><title><![CDATA[腾讯混元P3-SAM: Native 3D Part Segmentation]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153269264</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153269264</guid><author>fanstering</author><pubDate>Tue, 14 Oct 2025 17:42:28 +0800</pubDate><description><![CDATA[摘要： 论文《P³-SAM: Native 3D Part Segmentation》提出首个原生3D点提示式部件分割模型，解决了现有方法依赖2D迁移、预定义类别和人工干预的问题。通过两阶段多头分割器和IoU预测器，结合自动标注流水线（FPS采样+NMS去重+洪泛填充），实现了高精度、无类别约束的部件分割。模型在PartNetE等基准上达到SOTA性能（mIoU 59.9%~81.1%），并构建了包含370万模型的大规模3D部件数据集。创新点包括纯3D架构、自动化分割算法和多任务支持，但存在对几何表面过度依]]></description><category></category></item><item><title><![CDATA[Farthest Point Sampling (FPS) 最远点采样原理详解]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153269106</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153269106</guid><author>fanstering</author><pubDate>Tue, 14 Oct 2025 17:29:18 +0800</pubDate><description><![CDATA[FPS最远点采样是一种高效的点云采样算法，采用贪心策略每次选择离已选点最远的点，确保采样均匀分布。其时间复杂度为O(N·K)，在几何保留和计算效率间取得平衡，广泛应用于点云简化、三维重建等领域。尽管对噪声敏感且依赖初始点选择，其改进算法如Adaptive FPS和Fast FPS进一步优化了性能。FPS通过简单有效的策略解决了点云冗余与关键信息保留的矛盾，成为三维处理领域的基础工具。]]></description><category></category></item><item><title><![CDATA[深度相机结构光vs.激光雷达]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153203306</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153203306</guid><author>fanstering</author><pubDate>Mon, 13 Oct 2025 17:36:39 +0800</pubDate><description><![CDATA[结构光与激光雷达是两种主流的深度感知技术。结构光通过投射已知光图案并分析形变计算深度，适用于近距离、高精度场景（如手机人脸识别），成本低但抗干扰弱。激光雷达则利用激光束飞行时间测量距离，通过扫描构建三维点云，具有长量程、强抗干扰能力，广泛应用于自动驾驶、测绘等领域，但成本较高。两者在精度、量程、环境适应性上形成互补，选择取决于具体应用场景需求。]]></description><category></category></item><item><title><![CDATA[我想告诉你关于点云（Point Cloud）的一切]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153196169</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153196169</guid><author>fanstering</author><pubDate>Mon, 13 Oct 2025 17:29:37 +0800</pubDate><description><![CDATA[点云（Point Cloud）是三维空间中离散点的集合，包含坐标和可选属性（如颜色、强度）。作为三维计算机视觉的核心数据，点云相比网格更原始灵活，可通过LiDAR、深度相机等方式获取。其处理流程分为四层：基础数据层（获取与属性）、预处理层（去噪、配准等）、特征提取层（手工或深度学习特征）、高层任务层（分类、检测等应用）。点云在自动驾驶、机器人导航等领域发挥关键作用，是连接原始数据与三维应用的重要桥梁。]]></description><category></category></item><item><title><![CDATA[深度相机初探：立体视觉（Stereo Vision）、结构光（Structured Light）、TOF（Time of Flight，飞行时间）]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153048347</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153048347</guid><author>fanstering</author><pubDate>Sat, 11 Oct 2025 14:35:50 +0800</pubDate><description><![CDATA[深度相机通过三种技术获取三维深度信息：立体视觉基于双相机视差计算，适合低成本户外应用但依赖环境光；结构光主动投射编码图案，实现高精度近距离测量，适用于弱光环境的人脸识别等场景；TOF技术通过测量光飞行时间实现长距离探测，抗干扰能力强，常用于户外机器人和AR导航。三种技术各有优劣，选择需根据场景需求权衡精度、量程和成本。]]></description><category></category></item><item><title><![CDATA[激光扫描（LiDAR）初探]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/153047826</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/153047826</guid><author>fanstering</author><pubDate>Sat, 11 Oct 2025 14:31:17 +0800</pubDate><description><![CDATA[激光扫描（LiDAR）是一种利用激光进行距离测量和目标探测的先进技术。它通过发射激光束并分析反射信号来计算目标距离，可生成包含三维坐标和反射强度信息的点云数据。LiDAR系统主要由激光发射器、扫描系统、接收器和信号处理单元组成，可分为机械式和固态等类型。该技术广泛应用于自动驾驶、测绘、机器人导航和环境监测等领域，具有高精度、不受光照影响等优点，但也存在成本高、数据量大等局限。未来发展趋势包括成本降低、性能提升、多传感器融合和新型技术开发。]]></description><category></category></item><item><title><![CDATA[三维网格（mesh）]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/152934292</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/152934292</guid><author>fanstering</author><pubDate>Fri, 10 Oct 2025 17:14:32 +0800</pubDate><description><![CDATA[三维网格（3D mesh）是计算机图形学和三维建模中用于表示三维物体表面的一种数据结构。简单来说，它是由==点（顶点）、线（边）和面（通常是三角形或四边形）==构成的网络，用来近似表示物体的形状和几何结构。每个面是四边形，常用于建模和细分曲面（Subdivision Surface）。面是实际用于渲染的基本单元，因为图形硬件通常以三角形为基本绘制单元。边用于定义网格的拓扑结构，但在渲染时通常不是单独显示的。由三条或四条边围成的平面（通常是三角形或四边形）。网格的基本单位，表示空间中的一个点，通常包含。]]></description><category></category></item><item><title><![CDATA[激光雷达的结果为什么是点云数据？]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/152931585</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/152931585</guid><author>fanstering</author><pubDate>Fri, 10 Oct 2025 17:05:05 +0800</pubDate><description><![CDATA[物理原理决定了它只能先获取 “单个三维点”；扫描系统通过 “遍历目标区域” 将单点拼接成 “密集点集”；点云的离散特性又能兼顾 “原始测量精度” 和 “后续处理灵活性”，完美匹配三维感知的应用需求。因此，点云数据不是激光雷达 “选择输出的格式”，而是其技术原理和应用目标共同决定的 “天然输出形态”。]]></description><category></category></item><item><title><![CDATA[【SAM】Segment Anything 论文翻译笔记]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/149906172</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/149906172</guid><author>fanstering</author><pubDate>Mon, 04 Aug 2025 15:10:14 +0800</pubDate><description><![CDATA[我们介绍了 Segment Anything （SA） 项目：用于图像分割的新任务、模型和数据集。在数据收集循环中使用我们的高效模型，我们构建了迄今为止最大的分割数据集，在 1100万 个许可和尊重隐私的图像上拥有超过 10 亿个mask。该模型的设计和训练是可提示的，因此它可以零样本迁移到新的图像分布和任务中。我们评估了它在众多任务中的能力，发现其零样本性能令人印象深刻——通常与之前的完全监督结果具有竞争力，甚至优于之前的完全监督结果。]]></description><category></category></item><item><title><![CDATA[mac一键安装gpt-sovit教程中，homebrew卡住不动的问题]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/147900650</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/147900650</guid><author>fanstering</author><pubDate>Mon, 12 May 2025 17:15:10 +0800</pubDate><description><![CDATA[本文介绍了在Mac上安装GPT-Sovit的步骤，并特别针对安装过程中可能遇到的Homebrew卡住问题提供了解决方案。首先，用户需从指定资源地址下载一键安装包，解压后通过终端执行安装脚本。在安装过程中，若遇到Homebrew卡住的情况，可参考提供的链接教程，通过添加镜像源来加速安装过程，确保顺利完成安装。]]></description><category></category></item><item><title><![CDATA[moviepy学习使用笔记]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/147069290</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/147069290</guid><author>fanstering</author><pubDate>Tue, 08 Apr 2025 16:07:00 +0800</pubDate><description><![CDATA[moviepy最好的学习指南]]></description><category></category></item><item><title><![CDATA[MAC终端神器iTerm2最全主题设置，看这篇就够了]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/142099868</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/142099868</guid><author>fanstering</author><pubDate>Tue, 10 Sep 2024 15:20:55 +0800</pubDate><description><![CDATA[这篇非常全面，全程照着配就行，懒得再写一篇了。]]></description><category></category></item><item><title><![CDATA[安装oh-my-zsh后报错zsh: command not found: conda问题解决]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/142099659</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/142099659</guid><author>fanstering</author><pubDate>Tue, 10 Sep 2024 15:14:11 +0800</pubDate><description><![CDATA[系统为macOS Sonoma 14.5所用终端为zsh主要问题：安装了之后conda命令在终端中不可用。]]></description><category></category></item><item><title><![CDATA[mac os 外接设备使用win习惯快捷键]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/141424622</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/141424622</guid><author>fanstering</author><pubDate>Thu, 22 Aug 2024 12:07:17 +0800</pubDate><description><![CDATA[注意默认换的是内置键盘，如果有外接的usb键盘，则需要切换一下再设置，非常简洁 可以分开设置触摸板和外接鼠标是否反转 只勾选鼠标就行了。然后在修饰键中，将control和command键互换就行，建议使用karabiner，个人试了一下感觉没必要。就把ctrl和Command键互换一下就行。推荐用插件：scroll reverser。每个键盘可以各自设置不同的映射。点击设置-键盘-键盘快捷键。]]></description><category></category></item><item><title><![CDATA[NVIDIA Geforce Experience 一直卡在下载更新那里 下载慢的问题最牛解决方案]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/140744457</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/140744457</guid><author>fanstering</author><pubDate>Sun, 28 Jul 2024 02:25:00 +0800</pubDate><description><![CDATA[一直在下载更新，甚至下载完了又会重新开始下载更新的情况有一个。]]></description><category></category></item><item><title><![CDATA[mac外接显示屏，切换程序坞和启动台在哪个屏幕显示，最实用教程]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/140178799</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/140178799</guid><author>fanstering</author><pubDate>Thu, 04 Jul 2024 15:03:29 +0800</pubDate><description><![CDATA[程序坞和展开启动项是同步出现在同一个屏幕的，所以只需要把程序坞“呼唤”到指定的显示器就行。]]></description><category></category></item><item><title><![CDATA[jupyter notebook 优雅使用之——Nbextensions插件安装及配置，代码补全功能优化]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/124784261</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/124784261</guid><author>fanstering</author><pubDate>Thu, 26 Oct 2023 11:53:25 +0800</pubDate><description><![CDATA[俺是目录1. Nbextensions插件介绍2. 插件安装3. 插件配置
1. Nbextensions插件介绍
jupyter notebook的使用就不多介绍了，但是，你不能不知道Nbextensions这个插件！
因为这个插件对jupyter notebook的使用感受提升实在是太大了，
装备了该插件后的jupyter notebook，直接起飞，编程体验直追pycharm的同时，
测试代码、启动速度、边写代码边记笔记和或者整理大纲等优势更是让学生党狂喜！！！
2. 插件安装
3. 插件配置
总体配]]></description><category></category></item><item><title><![CDATA[双系统下解决无grub引导菜单以及grub中没有windows引导项的问题]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/130972231</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/130972231</guid><author>fanstering</author><pubDate>Thu, 01 Jun 2023 16:11:51 +0800</pubDate><description><![CDATA[解决两个问题：1. win10+ubuntu双系统没有引导菜单直接进入ubuntu问题
2. 引导菜单中没有windows选项的问题]]></description><category></category></item><item><title><![CDATA[CUDA_HOME environment variable is not set.cuda : 依赖: cuda-12-1 (＞= 12.1.0) 但是它将不会被安装问题解决]]></title><link>https://blog.youkuaiyun.com/fanstering/article/details/130198378</link><guid>https://blog.youkuaiyun.com/fanstering/article/details/130198378</guid><author>fanstering</author><pubDate>Mon, 17 Apr 2023 14:04:55 +0800</pubDate><description><![CDATA[解决cuda : 依赖: cuda-12-1 (＞= 12.1.0) 但是它将不会被安装报错以及nvcc导致的报错问题]]></description><category></category></item></channel></rss>