Android调试GDB

本文介绍了一种通过gdbserver远程调试Android设备上应用程序的方法。首先需要在设备上启动gdbserver,并设置相应的参数如端口及要调试的目标文件路径。接着在本地配置.gdbinit文件以指定目标binary文件的位置,并通过target remote命令连接到远程设备的gdbserver进行调试。

详解: http://bbs.chinaunix.net/thread-2057946-1-1.html

 

通过在设备上打开gdbserver,然后本地需要有设备上被调试的binary文件,然后方可开始调试gdb。

开启设备的gdbserver

 

#!/bin/bash
# Open device gdbserver

ADB=adb
DEVICE_DIR=/sdcard/gdb
VM=dalvikvm
PORT=2345

jar=$1.jar

$ADB shell kill -9 `$ADB shell ps | grep gdbserver | awk '{print $2}'`
$ADB shell gdbserver :$PORT $VM -cp $DEVICE_DIR/$jar $1
$ADB forward tcp:$PORT tcp:$PORT

 

配置本地的gdbinit(.gdbinit文件)

#需要gdb的binary文件地址。注意是目标设备上的binary
file android/out/target/product/whistler/symbols/system/bin/dalvikvm

set solib-absolute-prefix android/out/target/product/whistler/symbols
set solib-search-path android/out/target/product/whistler/symbols/system/lib
#连接目标设备的gdbserver
target remote :2345
shared

 然后在本地启动 arm-eabi-gdb

 

 

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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