曾经也曾立志

原创 YOLO系列——yolo11n-seg.onnx模型在C++ OpenCV4.10.0DNN模块下进行分割并绘制分割区域（附源码）（十七）

参看之前博客，得到yolo11n-seg.onnx，这里直接给出代码。

原创 YOLO系列——OpenCV DNN模块在YOLOv11检测物体时输出的边界框坐标问题（十六）

YOLOv11检测物体时，OpenCV DNN模块输出的边界框坐标采用‌中心点坐标加宽高的格式‌（x_center, y_center, width, height），即每个边界框由‌中心点横纵坐标和宽度高度‌四个参数确定。‌。

原创 YOLO系列——Ubuntu20.04下通过conda虚拟环境源码安装opencv-4.10与opencv_contrib-4.10.0（十五）

【代码】YOLO系列——Ubuntu20.04下通过conda虚拟环境源码安装opencv-4.10与opencv_contrib-4.10.0。

原创 YOLO系列——恢复中断的训练（十四）

当训练恢复时，Ultralytics YOLO 会从上次保存的模型加载权重，还会恢复优化器状态、学习率调度器和 epoch 编号。这使得可以从中断的地方无缝地继续训练过程。只需指定包含部分训练模型权重的 .pt 文件的路径；并在调用 train 方法时，设置 resume 参数为 True即可。以下是如何使用 python 恢复中断训练的代码。

原创 YOLO系列——基于YOLOv11进行自己的数据集（井盖）训练与检测（附源码）（十三）

这里将YOLODataset文件重命名为manhole，yolo需要的数据都在这个文件夹下。将第3步中的best.pt拷贝，并重命名为manhole.pt。注：该文主要记录方法流程，为了节省时间，才选择了很少的样本。best.pt就是训练后的模型。

原创 YOLO系列——基于YOLOv11图像分割实现路面坑洼检测（附源码）（十二）

1.1将标注的数据按照如下目录结构存放1.2 创建yaml文件。

原创 YOLO系列——使用labelimg标注yolo训练数据（九）

使用labelimg标注工具进行目标检测数据标注时，需先建立规范的文件结构，包含images训练/验证集目录和标注文件。

原创 YOLO系列——将LabelMe标注转换为YOLO格式（Labelme2YOLO）（十一）

将所有LabelMe JSON文件放在labelme_json_dir下。脚本会根据文件夹读取训练和验证数据集。运行以下Python命令。

原创 YOLO系列——JSON 数据可视化工具JSON Crack（八）

JSON Crack 是一个简单、强大且开源的可视化工具，它能够将复杂的 JSON、YAML、CSV、XML 等数据格式转换成清晰、直观的图形化树状图。

原创 YOLO系列——Ubuntu20.04下通过conda虚拟环境安装Labelme（七）

YOLO系列——Ubuntu20.04下通过conda虚拟环境安装Labelme。

原创 YOLO系列——基于Ultralytics YOLOv11模型在C++ OpenCV4.8.0/OpenCV4.10.0两个版本DNN模块进行模型加载与推理（附源码）（十）

【代码】使用Ultralytics YOLOv11模型在C++ OpenCV DNN模块进行模型加载与推理（附源码）

原创 YOLO系列——模型查看器Netron（六）

Netron 支持 ONNX、TensorFlow Lite、Core ML、Keras、Caffe、Darknet、PyTorch、TensorFlow.js、Safetensors 及 NumPy 等格式。Netron 是一款用于神经网络、深度学习及机器学习模型的查看器。

原创 可视化ping包工具-gping

【代码】可视化ping包工具-gping。

原创 YOLO系列——Ubuntu20.04使用venv创建虚拟环境并安装ultralytics（五）

本文介绍了在Ubuntu 20.04系统下使用VSCode创建Python虚拟环境并安装ultralytics库的方法。

原创 YOLO系列——Ubuntu20.04安装NVIDIA显卡驱动、CUDA Toolkit、cuDNN步骤（二）

在Ubuntu 20.04上安装NVIDIA驱动和CUDA对于深度学习、科学计算或图形处理等工作非常重要。

原创 YOLO系列——VSCode编译器测试yolo环境配置（四）

在VSCode的集成终端（确保环境已激活），运行一个简单的检测命令来测试环境。on macOS)，输入 “Python: Select Interpreter”），点击右上角的运行按钮，或者右键选择“在终端中运行Python文件”。：你也可以直接在VSCode中打开项目的Python文件（如。如果环境配置正确，脚本会执行并生成检测结果图片，如下。* 选择刚才创建的虚拟环境，如下。一切就绪后，可以进行测试。

原创 YOLO系列——Ubuntu 20.04下安装Miniconda、配置conda环境，安装PyTorch，安装YOLO等相关库（三）

本文介绍了在Ubuntu 20.04系统下安装Miniconda、配置PyTorch环境及安装YOLO库的完整流程。主要内容包括：1）安装Miniconda；2）创建独立的conda环境并安装PyTorch（区分GPU和CPU版本）；3）验证PyTorch安装；4）使用pip安装ultralytics包以支持YOLO；5）基本环境验证方法。文中还提供了注意事项，包括驱动/CUDA检查、包管理器选择和镜像源配置等建议，帮助用户顺利完成深度学习环境的搭建。

原创 YOLO系列——Ubuntu 20.04安装Miniconda3（一）

本文详细介绍了在Ubuntu 20.04上安装Miniconda3的完整步骤。主要内容包括下载Miniconda安装脚本、验证文件完整性、添加执行权限、运行安装程序（交互式或静默模式）、初始化conda环境、验证安装结果、配置conda选项以及创建测试环境。还提供了卸载方法和注意事项，如安装路径、权限要求和磁盘空间等。该指南适用于需要搭建Python数据科学环境的用户，涵盖了从安装到基本配置的全过程。

原创 ffprobe安装与简单使用

命令示例用途快速查看文件基本信息获取文件的完整详细信息（JSON）脚本常用：获取视频分辨率脚本常用：获取视频时长只查看第一个视频流的详细信息ffprobe的功能非常强大，以上只是最常用的一些命令。可以通过查看所有可用的选项和帮助信息。对于媒体文件分析和自动化处理来说，它是一个不可或缺的工具。

原创 LCM传输未经压缩的1920x1080彩色RGB图像原始数据的可行性探讨

原始数据：通过LCM传输1080p RGB原始图像，在千兆网下延迟高达50-60ms，且会塞满网络，完全不可行。压缩后数据：先在发送端对图像进行JPEG压缩，再将压缩后的数据（几百KB）通过LCM发送，可以将总延迟降低到个位数毫秒（千兆网约5ms，万兆网更低），这才是可行且合理的方案。最佳实践：对于视频流，首选专用视频编码器(H.264)流媒体协议(RTP)。LCM更适合传输压缩后的图像、检测结果、控制指令、点云等小规模数据。

原创 在紧耦合LIO系统中的基于IESKF的观测方程的形式

在紧耦合LIO系统中的基于IESKF的观测方程使用NDT形式时，观测方程形式为uj=Rqj+t+w，w为误差，R,t为位姿，qj为点坐标，uj为NDT的体素均值。

原创 在自动驾驶中ESKF实现GINS时，是否将重力g作为变量考虑进去的目的是什么？

特性不加入重力变量加入重力变量本质一种开环策略。重力是一个固定的输入，如果这个输入有误，误差会直接进入系统并传播。一种闭环策略。重力是一个被观测和反馈校准的变量，系统对初始误差和模型误差具有自校正能力。适用场景IMU精度极高（战术级）、应用场景简单（如始终水平路面）、或对计算资源极度敏感的场合。自动驾驶的主流选择。尤其适用于消费级、汽车级IMU，面对复杂路况和全球应用，追求更高鲁棒性和精度的系统。推荐度不推荐用于高性能自动驾驶系统。它是一种简化模型，牺牲了精度和鲁棒性。强烈推荐。

原创 开源代码——gtsam_points配置安装

或者私信。

原创 cmake多版本共存

安装 CMake 3.20。安装 CMake 3.25。

原创 Ubuntu 18.04上安装GCC 9

Ubuntu 18.04默认GCC版本为7，安装GCC 9后两者可共存。管理版本切换，避免破坏系统依赖。切换版本（参考步骤5）。

原创 Realsense D435i驱动安装及测试

注意：拔下任何连接的Intel RealSense摄像头。

原创 ORB_SLAM3测试记录-terminate called after throwing an instance of ‘std::system_error‘ what()...

endif。

原创 使用D435i运行ORB-SLAM3时，纯视觉模式与视觉-惯性模式的位姿矩阵定义问题探讨

差异的根本原因是世界坐标系的定义不同无IMU时：世界坐标系Y向下（与第一帧相机坐标系一致）。有IMU时：世界坐标系Z向上（重力对齐）。

原创 大端存储（Big-Endian）和小端存储（Little-Endian）讲解

特性大端存储 (Big-Endian)小端存储 (Little-Endian)最高有效字节 (MSB)存储在最低内存地址存储在最高内存地址最低有效字节 (LSB)存储在最高内存地址存储在最低内存地址内存顺序数值高位 -> 低地址，数值低位 -> 高地址数值低位 -> 低地址，数值高位 -> 高地址直观性高(内存转储顺序即数值顺序)低(内存转储顺序是数值的逆序)CPU运算亲和性一般可能更好(从低位开始运算)网络传输标准是(网络字节序)否 (需转换为网络字节序)常见架构。

原创 Ubuntu系统下，使用system函数运行终端指令，如何避免输入密码的方法

Ubuntu系统下，使用system函数运行终端指令，如何避免输入密码的方法。

原创 Ubuntu20.04下使用dpkg方式安装WPS后，将WPS改为中文界面方法

Ubuntu20.04下使用dpkg方式安装WPS后，打开WPS后，发现界面是英文的，如有需要可以按照下面的方法将其改为中文界面。

原创 lsusb命令列出当前系统上所有已连接的 USB 设备及其总线信息

lsusb 命令用于列出系统中所有已连接的 USB 设备及其总线信息。输出格式包括总线编号（Bus XX）、设备编号（Device YY）、厂商 ID 和产品 ID（ID VVVV:PPPP）以及设备名称。例如，Bus 001 Device 004: ID 04f2:b681 Chicony Electronics Co., Ltd Integrated Camera 表示总线 1 上的第 4 个设备是群光电子的内置摄像头。根集线器通常由 Linux Foundation 虚拟化，如 ID 1d6b:000

原创 ROS catkin_make 报错error: ‘plus’ is not a member of ‘pcl::traits’ 574 | POINT_CLOUD_REGISTER_POINT

【代码】ROS catkin_make 报错error: ‘plus’ is not a member of ‘pcl::traits’ 574 | POINT_CLOUD_REGISTER_POINT。

原创 ROS catkin_make出错Unable to find either executable ‘empy‘ or Python module ‘em‘... try

【代码】ROS catkin_make出错Unable to find either executable 'empy' or Python module 'em'... try。

原创 翻译-Metasense camera interface details and instructions_V0_EN

Metasense相机接口说明与操作指南_V0_CN。Metasense相机接口详细说明与操作指南 V0。===== 第2页 ========== 第3页 =====

原创 Xsense MTi 传感器坐标系

官方链接

原创 双目立体视觉测距精度计算

这表明双目测深的精度随距离增大而降低，一个像素的视差变化在 5 米处会导致约。

原创 双目立体视觉理论深度最大值计算

现有一个双目相机，焦距2.3mm，像元尺寸3.0um，基线距离50.0mm，现在想要得到双目深度理论最大值，该如何计算？根据双目测深的原理，深度最大值出现在视差最小时。( B = 50.0mm)（基线距离）( d = 1pixel)（最小视差）( s = 3.0um)（像元尺寸）( f = 2.3mm)（焦距）双目相机的理论最大深度为。

原创 Eigen库中旋转矩阵、四元数、旋转向量之间的相互转换

原创 系统监控的命令行工具-htop中列信息解释

S：进程的状态，其中S表示休眠，R表示正在运行，Z表示僵死状态，N表示该进程优先值是负数。%MEM：该进程占用的物理内存和总内存的百分比。TIME+：该进程启动后占用的总的CPU时间。COMMAND：进程启动的启动命令名称。%CPU：该进程占用的CPU使用率。PID：进程标志号，是非零正整数。VIRT：进程占用的虚拟内存值。USER：进程所有者的用户名。RES：进程占用的物理内存值。SHR：进程使用的共享内存值。NI：进程的优先级别数值。PR：进程的优先级别。