安哪个城-优快云博客

原创基于RDK X5 多模态空间感知与建图系统功能介绍

本文介绍了一个基于RDKX5开发板的多模态空间感知与建图系统。该系统集成了Orbbec深度相机和YDLidar激光雷达，通过网页界面提供实时彩色画面、深度画面、雷达建图和扫描画面展示。主要功能包括：支持MP4视频录制、PLY点云导出、JPG地图下载和重新建图操作；采用ROS2框架实现激光里程计和SLAM建图；支持局域网和公网访问，具有自动恢复和异常处理能力。系统实现了摄像头感知、雷达建图和网页可视化的完整集成，可作为机器人建图演示或多传感器项目的开发基础。

2026-05-26 12:15:30 608

原创基于LingBot-Map在云服务器上的部署流程

本文介绍了LingBot-Map高精度地图引擎在云服务器上的部署流程。通过创建conda环境、安装PyTorch及相关依赖，配置云服务器防火墙，实现了地图服务的云端迁移。部署过程包括源码下载、模型权重获取及可视化组件安装，最终通过demo.py测试运行。该方案利用云平台弹性计算能力，解决了本地部署的资源限制问题，为同类地图引擎的云化提供了实践参考。文档还记录了常见问题及优化策略，确保服务的高可用性和可扩展性。

2026-05-17 19:11:31 1306

原创数智红林：基于RDK X5与LingBot‑Map 的单目视频三维重建系统

本文提出了一种低成本红树林三维重建方案，采用地瓜派RDKX5开发板搭配USB单目摄像头作为采集端，结合LingBot-Map工具实现高精度三维环境重建。该方案突破传统依赖昂贵设备的限制，仅需普通RGB视频即可通过高斯泼溅技术生成厘米级精度模型。实验使用三亚红树林公开视频素材，成功构建了可量测的三维场景，为生态监测、碳汇估算等应用提供了经济高效的数字化解决方案。该技术具有低功耗、便携性强等特点，在红树林保护、科普展示和灾害评估等领域具有重要应用价值。

2026-05-11 11:04:33 841

原创基于LingBot-Map：流式（Streaming）3D 场景重建的部署流程

本文提供了LingBot-MAP流式3D场景重建的完整部署方案，重点解决GPU显存不足导致的运行失败问题。部署流程包括：1)创建conda环境；2)安装PyTorch(CUDA12.8)；3)下载并安装LingBot-MAP源码；4)安装可视化依赖；5)下载预训练模型。使用时需将模型文件放入项目目录，视频文件置于data文件夹，通过指定参数运行demo.py脚本。该方法经实测可有效避免显存溢出，成功完成3D重建任务。

2026-05-10 15:41:53 1218

原创【RDK X5开发】Tmini Plus雷达的环境搭建流程及使用方法

本文档为TminiPlus12m雷达在RDKX5开发板上的环境配置指南。首先声明文档基于官方资料补充实践内容，不含商业用途代码。配置步骤包括：1)安装YDLidar-SDK驱动；2)创建工作空间并编译功能包，需解决colcon工具和gedit编辑器缺失问题；3)绑定雷达端口；4)驱动雷达并在RViz显示，需单独安装ros-humble-rviz2包。文档详细记录了配置过程中的常见错误及解决方法，强调所有操作均需在官方授权范围内进行。

2026-05-08 14:58:32 668

原创【全栈AI开发2.0】基于 FastAPI + WebSocket + YOLOv8 的实时视频检测与统计系统

本文介绍了一个基于YOLOv8和FastAPI的智能视频检测系统。该系统实现了实时目标检测、数据统计和可视化功能，适用于课堂行为分析、工厂安防监控等场景。技术架构采用四层设计：采集层通过OpenCV获取视频流，推理层使用YOLOv8进行目标检测，服务层由FastAPI提供接口支持，展示层通过WebSocket实现实时推送。系统核心包括兼容性强的摄像头采集模块、封装完善的YOLOv8检测器、高效的WebSocket通信机制，以及支持动态扩展的Excel数据记录功能。最终打包成exe文件，便于非技术人员使用。

2026-05-02 17:41:49 1038

原创【全栈AI开发1.0】基于 FastAPI + WebSocket + YOLOv8 的实时视频检测与统计系统

本文介绍了一个基于YOLOv8的轻量级实时视频检测系统，具备实时目标检测、动态统计和Excel自动记录功能。系统采用FastAPI+WebSocket架构，前端模块化设计，支持自动打开浏览器和优雅退出。核心功能包括：基于YOLOv8的实时检测标注、动态统计面板展示、Excel自动记录检测数据（支持动态新增类别列）、低延迟WebSocket视频流推送。文章详细阐述了系统架构、关键代码实现（摄像头采集、YOLO检测器、WebSocket管理等）以及运行效果，适用于智能安防、工业质检等场景的快速部署和二次开发。

2026-05-01 12:35:33 707

原创【YOLO改进实验】探究“CA注意力机制”在YOLOv8n中的最佳嵌入位置：珊瑚礁白化检测实验

本研究针对水下珊瑚礁健康状态检测问题，在YOLOv8n网络中引入CA注意力机制进行优化。实验采用Roboflow平台的MarjanbalanceDataset数据集，包含健康、死亡和白化三类珊瑚样本。通过在YOLOv8n模型的不同位置（骨干网浅/中/深层及颈部）嵌入CA模块，对比分析其对检测性能的影响。结果表明，在SPPELAN与PSA模块之间插入CA模块能有效提升模型对珊瑚颜色差异和纹理特征的敏感度。该研究为水下目标检测的注意力机制优化提供了实践依据，验证了CA模块在复杂水下环境中的有效性。

2026-04-30 13:00:30 263

原创基于珊瑚礁白化检测的YOLOv8n轻量化模型改进与RK3588部署流程

本文提出了一种面向RK3588平台部署的轻量化YOLOv8改进方法，用于水下珊瑚礁白化检测。主要改进包括：在YOLOv8中嵌入PSA极化注意力机制增强特征响应；通过通道剪枝和INT8量化实现模型压缩。详细介绍了基于RKNN-Toolkit2的部署流程，包括交叉编译工具链安装、conda环境配置、rknn-toolkit2工具安装与测试等步骤。实验结果表明，该方法能在RK3588边缘计算平台上实现高效的目标检测，为珊瑚礁白化监测提供了可行的边缘计算解决方案。

2026-04-29 16:43:25 841

原创 SPMamba-YOLO架构在云服务器上的部署与实现

本文介绍了将SPMamba-YOLO目标检测系统从本地迁移至云服务器的完整方案。通过云端GPU资源与容器化技术，解决了本地硬件性能限制问题。详细说明了云服务器配置流程，包括GPU实例部署、环境搭建（Python3.12、PyTorch-CUDA）、依赖安装（selective_scan）以及训练参数调整（batch_size=4，epochs=300）。同时提供了常见错误的解决方案，如libGL.so缺失和numpy.trapz属性问题。该迁移显著提升了模型训练效率，为边缘计算和大规模视频分析等应用场景。

2026-04-27 15:32:01 737

原创基于辽宁科技大学的论文复现——从零开始SPMamba-yolo全流程部署文档

本文介绍了SPMamba-YOLO水下目标检测网络的部署与改进方法。该网络基于多尺度特征增强和全局上下文建模，在YOLO框架中整合了SPPELAN和PSA模块。部署步骤包括：1)配置Ubuntu环境并安装CUDA、CUDNN和Anaconda；2)安装Mamba-YOLO框架及依赖项；3)创建数据集和配置文件；4)编写训练脚本。改进方法包括将SPPELAN模块替换原有SPPF模块，以及在网络中增加PSA注意力机制。

2026-04-26 15:28:08 957 2

m0_75040840的博客