项目搞得差不多了

最新推荐文章于 2025-10-11 12:47:05 发布
原创 最新推荐文章于 2025-10-11 12:47:05 发布 · 953 阅读 · 0 ·
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：

#工作

博客作者表示开发工作基本完成，只需查找并修改bug，此时陷入迷茫，不知道未来该做什么。

这个时候最迷茫。开发工作已经基本完成，只需查找，改下bug。

不 知道以后 该做什么了。

mmxopq
关注
项目进度估算难题
安晓辉生涯——聚焦程序员的职业规划与成长
09-21 4543
程序员要面临的挑战千千万，项目进度评估是有史以来就存在而且到现在也没有完美解决的重量级问题。那到底有没有良方呢？
怎样和虐死人的老项目谈恋爱
安晓辉生涯——聚焦程序员的职业规划与成长
05-17 3万+
遇到令人头疼的老项目老代码，怎样才能好过一点点？
孙茂松：深度学习的红利我们享受得差不多了！
AI科技大本营
11-20 2198
整理 | 夕颜出品 | AI科技大本营（ID:rgznai100）【导读】2019 年 10 月 31日，在北京举行的智源大会上，清华大学教授、智源首席科学家孙茂松接受了媒体采访，畅谈当前人工智能技术与产业应用发展现状和存在的问题，包括自然语言处理研究面临的瓶颈、神经网络黑箱、常识、大数据与知识等，并提出了他对于改进 AI 实用性的看法和建议。本文将提炼孙茂松教授在访谈中表达的主要观点，供读者交流...
软件项目管理
likunpeng6656201的博客
08-16 1万+
目 录 前言 2 如何做业务调研？ 2.1 调研工作如何组织？ 2.2 调研准备阶段容易犯哪些错误？ 2.3 调研准备阶段容易犯哪些错误？) 2.4 调研准备阶段容易犯哪些错误？ 2.5 现场调研阶段容易犯哪些错误？ 2.6 现场调研阶段容易犯哪些错误？ 2.7 现场调研阶段容易犯哪些错误？ 2.8 现场调研阶段容易犯哪些错误？) 2.9 现场调研阶段容易犯哪些错误？ 2.10 现场调研阶段容...
从程序员到项目经理
zzming2012的专栏
01-12 8121
从程序员到项目经理（一）：为什么要当项目经理 “从程序员到项目经理”，这个标题让我想起了很久以前一本书的名字《从Javascript到Java》。然而，从Javascript到Java充其量只是工具的更新，而从程序员到项目经理，却是一个脱胎换骨的过程。从Javascript到Java，是一个取巧的方法；而从程序员到项目经理，却并无捷径可走，必须从内而外的改变和提升。 一．为什么要当项目经理
大项目售前、售中和售后感悟
allenwithallen的博客
01-19 4679
1、中国充满大量非常敬业但不够职业的项目经理，不了解这一点，就做不好中国的项目。 2、真正的原因往往都隐藏在表面的理由背后。 3、做项目最高境界是和用户形成长期共生双赢关系。 4、卖功能，卖利益，卖服务，卖价值，卖口碑，这是做项目的五个境界。 5、大项目往往是从小项目建立信任开始的。 6、做项目的公司梦想往往是通过项目形成一个好产品去走批量化复制的路。 7、做大项目最大的愿望就是“不差钱”，最大的风险就是“没钱花”。 8、大项目往往培养出很多赌性十足的销售。 9、基于项目型运作最好的商业模式
idea运行项目流程
热门推荐
心有猛虎 细嗅蔷薇
11-18 7万+
  在此之前下载好idea以及必要的插件和tomcat   1导入项目： 注意是选择t0vkfe文件夹不要选错了 打开后注意观察，如果maven有红线可能是包没有导入，点击刷新就可以从maven仓库中下载对应的包了，可能需要时间，如果不行就百度idea配置maven，将maven配置正确。   可以看见右上角有个tom猫的标准不过是红色的叉叉，这是因为文件中带有.idea...
项目经验!
极客小俊
08-30 2430
你以为光会写点代码就有项目经验了？
Chromium项目文化
心流汇聚之地
07-22 7055
Chromium是一个开源的浏览器项目，官方网站列出了许多文档。 官网最值得学习的地方：许多指引写得非常细致，能以老师教导学生的态度去叙述如何工作，而不是为了写文档而写文档，例如“不要害怕问问题，总有人会在IRC上帮到你”。多数文章写得很好很凝练，没法抽取主要信息，全文翻译又太耗时，不如直接看原文。所以只需要筛选出有用的信息，而不用自己总结什么。虽然一些文档会偏旧，但胜在齐全，特别是工作规范类的文
Trae完整上手指南：从下载到实战项目
todoitbo的博客
10-11 3万+
偶然发现一个叫trae的AI编程工具，居然有国内版和国外版两个版本，支持的模型还不一样。更巧的是，我正想做个TODO-list练手，打开软件就看到现成的示例！从一个朴素的基础版到精致的优化版，全程只花了不到半小时。这次体验让我重新思考了AI工具在开发中的定位——它不是要替代程序员，而是让我们有更多时间做更有价值的事。
课程设计-基于知识图谱的智能问答系统python源码（95分以上高分项目）.zip
03-25
自己改了EDA源码，取消了近义词和插入，因为自己造数据集的时候已经搞得差不多了，而且实体预处理后的占位单词不能转变为近义词。 LLM使用RWKV，借鉴了wenda的prompt，对用户问题中找到的所有实体，查询其在知识图谱...
python-基于知识图谱的智能问答系统(包含意图识别与类知识库送入LLM方法)+项目源码+文档说明
11-17
自己改了EDA源码，取消了近义词和插入，因为自己造数据集的时候已经搞得差不多了，而且实体预处理后的占位单词不能转变为近义词 LLM使用RWKV，借鉴了wenda的prompt，对用户问题中找到的所有实体，查询其在知识图谱中...
学成在线第一天-项目介绍、项目的搭建、开发流程以及相关面试题
m0_63445035的博客
10-21 764
通过学成在线更加理解面试套话 项目介绍
含中间直流的三相电力电子变压器PET仿真模型（Simulink仿真实现）
12-16
含中间直流的三相电力电子变压器PET仿真模型（Simulink仿真实现）内容概要：本文档介绍了含中间直流环节的三相电力电子变压器（PET）的Simulink仿真模型，重点在于构建和模拟PET系统的核心结构与工作原理。该仿真模型涵盖了PET的前级整流、中间直流环节以及后级逆变部分，能够实现电能的高效转换与隔离，适用于研究PET在智能电网、新能源接入等场景下的动态特性与控制策略。通过Simulink平台，用户可对系统进行稳态与暂态性能分析，验证控制算法的有效性。; 适合人群：电气工程、电力电子及相关专业的高校师生、科研人员以及从事电力系统仿真的工程技术人员。; 使用场景及目标：①用于教学演示电力电子变压器的工作原理；②支撑科研项目中对PET控制策略（如电压、电流双闭环控制）的设计与验证；③为新型电力系统中电能变换装置的开发提供仿真基础。; 阅读建议：建议结合电力电子技术基础知识学习本仿真模型，重点关注各模块的参数设置与控制逻辑实现，建议动手搭建模型并进行仿真实验，以加深对PET系统运行机制的理解。
考虑柔性负荷的综合能源系统低碳经济优化调度【考虑碳交易机制】（Matlab代码实现）
最新发布
12-16
考虑柔性负荷的综合能源系统低碳经济优化调度【考虑碳交易机制】（Matlab代码实现）内容概要：本文围绕“考虑柔性负荷的综合能源系统低碳经济优化调度”展开，重点研究在碳交易机制下如何实现综合能源系统的低碳化与经济性协同优化。通过构建包含风电、光伏、储能、柔性负荷等多种能源形式的系统模型，结合碳交易成本与能源调度成本，提出优化调度策略，以降低碳排放并提升系统运行经济性。文中采用Matlab进行仿真代码实现，验证了所提模型在平衡能源供需、平抑可再生能源波动、引导柔性负荷参与调度等方面的有效性，为低碳能源系统的设计与运行提供了技术支撑。; 适合人群：具备一定电力系统、能源系统背景，熟悉Matlab编程，从事能源优化、低碳调度、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①研究碳交易机制对综合能源系统调度决策的影响；②实现柔性负荷在削峰填谷、促进可再生能源消纳中的作用；③掌握基于Matlab的能源系统建模与优化求解方法；④为实际综合能源项目提供低碳经济调度方案参考。; 阅读建议：建议读者结合Matlab代码深入理解模型构建与求解过程，重点关注目标函数设计、约束条件设置及碳交易成本的量化方式，可进一步扩展至多能互补、需求响应等场景进行二次开发与仿真验证。
大学怎样用AI工具3分钟生成技术成熟度报告？.docx
12-16
大学怎样用AI工具3分钟生成技术成熟度报告？
【云原生运维】基于Kubernetes的CI/CD全流程自动化：Spring Boot应用在容器化环境下的持续集成与部署实践
12-16
内容概要：本文详细展示了在Kubernetes环境下实现CI/CD全流程的完整示例，涵盖从代码提交、自动化构建、测试、安全扫描到多环境部署的各个环节。技术栈包括GitLab CI、Docker、Helm、Kustomize、Trivy等工具，并以Spring Boot应用为例，提供了Dockerfile、Kubernetes资源配置、Helm Chart结构以及蓝绿部署、金丝雀发布等高级部署策略的具体实现。同时，文章还介绍了GitOps（ArgoCD）、HPA自动扩缩容、Prometheus监控告警等增强能力，并强调了安全性、可靠性、可观测性和成本优化的最佳实践。; 适合人群：具备一定Kubernetes、容器化和DevOps基础知识，从事后端开发、运维或平台工程的技术人员，尤其是希望落地标准化CI/CD流程的团队成员； 使用场景及目标：①构建基于Kubernetes的企业级持续交付流水线；②实现安全可控的多环境自动化部署；③集成监控告警与弹性伸缩机制提升系统稳定性；④推动GitOps理念在团队中的实践落地； 阅读建议：建议结合实际Kubernetes集群环境，逐步复现文档中的各个步骤，重点关注CI/CD配置逻辑、部署策略差异及最佳实践部分，并将其适配到自身项目体系中进行持续优化。
【分布式系统】基于Redis的Session集中存储方案：实现Web服务器高可用与横向扩展
12-16
内容概要：本文介绍了基于Redis实现分布式Session的解决方案，重点阐述了将Session集中存储于Redis集群的技术思路与优势。文中指出，传统的tomcat-redis-session-manager仅适用于Tomcat容器层的HttpSession同步，存在应用层适配局限；相比之下，推荐使用Spring Session与Redis结合的方式，实现更灵活的应用层Session管理。通过将sessionId作为key、session数据作为value存储在Redis中，可在多台应用服务器间共享Session，确保高可用性和横向扩展能力。同时，文章对比了多种保证Session一致性的架构方案，包括Session同步法、客户端存储法、反向代理Hash一致性以及后端统一存储法，并强调后端统一存储为最优选择。; 适合人群：具备Java Web开发基础，熟悉分布式架构、Redis及Session机制的1-3年经验后端研发人员； 使用场景及目标：①解决传统Web服务器集群中Session不一致问题；②实现服务无状态化设计，提升系统可扩展性与容灾能力；③在微服务或负载均衡环境下构建统一的Session管理中心； 阅读建议：学习时应结合Spring Session实际集成案例，理解其与Redis的协作机制，并深入掌握不同Session共享方案的适用边界与设计权衡。
浏览器 12.5.0 安装包
12-16
浏览器 安装包 版本号 12.5.0。
跟原来代码差不多得
08-11
<think>我们计划在灯条匹配过程中添加距离条件，并记录最近的一对灯条。在原有角度匹配的基础上，我们将： 1. 在循环中计算每对灯条的中心距离 2. 记录所有满足角度条件的灯条对及其距离 3. 在循环结束后，找到距离最小的灯条对，并构建装甲板 4. 只绘制最近的一对装甲板（或者可以扩展为处理所有匹配对，但只标记最近的一个） 注意：原代码中已经计算了距离，但没有用于筛选最近的一对。 修改思路： 1. 将原来的直接构建装甲板并放入armorRects，改为先记录所有满足角度条件的灯条对（包括距离）。 2. 然后，从这些灯条对中选出距离最小的一个（或几个）来构建装甲板。 具体步骤： - 定义一个结构来存储匹配的灯条对和距离：例如 vector<tuple<RotatedRect, RotatedRect, double>> matchedPairs; - 在双重循环中，当角度差满足条件时，计算距离，并将两个灯条以及距离存入matchedPairs。 - 循环结束后，如果matchedPairs不为空，则按距离排序（或找到最小距离的一对）。 - 只对最小距离的一对灯条构建装甲板，并绘制。 注意：原代码中绘制了所有满足角度条件的装甲板，现在改为只绘制最近的一个。 代码修改如下：</think>以下是在现有灯条匹配代码基础上添加最近灯条距离判断的OpenCV C++实现方案： ```cpp #include <opencv2/opencv.hpp> #include <vector> #include <algorithm> // 添加灯条最小距离匹配条件 void processLightBars(const std::vector<cv::RotatedRect>& lightBarRects, cv::Mat& resultImage) { std::vector<cv::RotatedRect> armorRects; const double maxAngleDiff = 15.0; const double maxDistanceRatio = 5.0; // 最大距离比阈值 const double minDistanceRatio = 1.0; // 最小距离比阈值 // 存储匹配的灯条对及其距离 std::vector<std::pair<std::pair<size_t, size_t>, double>> validPairs; for (size_t i = 0; i < lightBarRects.size(); i++) { for (size_t j = i + 1; j < lightBarRects.size(); j++) { cv::RotatedRect bar1 = lightBarRects[i]; cv::RotatedRect bar2 = lightBarRects[j]; // 计算角度差 float angle1 = fabs(bar1.angle); float angle2 = fabs(bar2.angle); double angleDiff = fabs(angle1 - angle2); // 计算灯条长度（取较长边） double length1 = std::max(bar1.size.width, bar1.size.height); double length2 = std::max(bar2.size.width, bar2.size.height); // 计算中心点距离 double distance = cv::norm(bar1.center - bar2.center); // 计算距离与灯条长度的比率 double avgLength = (length1 + length2) / 2.0; double distanceRatio = distance / avgLength; // 角度差和距离比双重条件判断 if (angleDiff < maxAngleDiff && distanceRatio > minDistanceRatio && distanceRatio < maxDistanceRatio) { // 存储有效匹配对及其距离 validPairs.push_back({{i, j}, distance}); } } } // 如果没有有效匹配对，直接返回 if (validPairs.empty()) return; // 找到距离最小的匹配对 auto minDistancePair = *std::min_element(validPairs.begin(), validPairs.end(), [](const auto& a, const auto& b) { return a.second < b.second; }); // 获取最近灯条对 size_t idx1 = minDistancePair.first.first; size_t idx2 = minDistancePair.first.second; cv::RotatedRect bar1 = lightBarRects[idx1]; cv::RotatedRect bar2 = lightBarRects[idx2]; // 构建装甲板 cv::Point2f armorCenter = (bar1.center + bar2.center) / 2; float distance = cv::norm(bar1.center - bar2.center); cv::Size2f armorSize(distance * 1.1, (bar1.size.height + bar2.size.height) / 2 * 1.2); float armorAngle = (bar1.angle + bar2.angle) / 2; // 绘制最近装甲板 cv::RotatedRect nearestArmor(armorCenter, armorSize, armorAngle); cv::Point2f vertices[4]; nearestArmor.points(vertices); // 用不同颜色绘制最近装甲板 for (int j = 0; j < 4; j++) { cv::line(resultImage, vertices[j], vertices[(j+1)%4], cv::Scalar(0, 255, 0), 3); // 绿色 } // 标记为最近装甲板 std::string label = "Nearest: " + std::to_string(minDistancePair.second) + "px"; cv::putText(resultImage, label, armorCenter, cv::FONT_HERSHEY_SIMPLEX, 0.6, cv::Scalar(0, 255, 0), 2); // 处理最近装甲板（可扩展功能） processNearestArmor(bar1, bar2, minDistancePair.second); } // 处理最近装甲板的扩展函数 void processNearestArmor(const cv::RotatedRect& leftLight, const cv::RotatedRect& rightLight, double distance) { // 计算装甲板中心 cv::Point2f center = (leftLight.center + rightLight.center) / 2.0f; // 计算装甲板尺寸 float width = distance; float height = (std::max(leftLight.size.width, leftLight.size.height) + std::max(rightLight.size.width, rightLight.size.height)) / 2.0f; // 计算装甲板角度 float angle = (leftLight.angle + rightLight.angle) / 2.0f; // 输出调试信息 std::cout << "最近装甲板信息:\n"; std::cout << " - 中心位置: (" << center.x << ", " << center.y << ")\n"; std::cout << " - 灯条距离: " << distance << " 像素\n"; std::cout << " - 装甲板尺寸: " << width << " x " << height << "\n"; std::cout << " - 装甲板角度: " << angle << " 度\n"; // 此处可添加更多处理逻辑，如： // 1. 距离滤波 // 2. 坐标转换 // 3. 发送控制指令 } ``` ### 关键改进说明 1. **双重匹配条件**： - 角度差条件：$|\theta_1 - \theta_2| < 15^\circ$ - 距离比条件：$1.0 < \frac{\text{distance}}{\text{avgLength}} < 5.0$ - 同时满足两个条件的灯条对才被认为是有效匹配 2. **最近灯条选择**： ```cpp auto minDistancePair = *std::min_element(validPairs.begin(), validPairs.end(), [](const auto& a, const auto& b) { return a.second < b.second; }); ``` 使用`std::min_element`找到所有有效匹配中距离最小的一对灯条 3. **可视化增强**： - 使用绿色（`cv::Scalar(0, 255, 0)`）突出显示最近装甲板 - 添加距离标签：`"Nearest: XXXpx"` - 在控制台输出详细的装甲板信息 4. **距离比计算**： $$ \text{distanceRatio} = \frac{\|\text{center}_1 - \text{center}_2\|}{\frac{1}{2}(l_1 + l_2)} $$ 其中$l_1$和$l_2$是灯条长度（取width/height中的较大值） ### 参数调优建议 1. **距离比阈值**： ```cpp const double maxDistanceRatio = 5.0; // 最大距离比 const double minDistanceRatio = 1.0; // 最小距离比 ``` 根据实际场景调整： - 较小值：适合近距离小装甲板 - 较大值：适合远距离或大装甲板 2. **角度容差**： ```cpp const double maxAngleDiff = 15.0; // 角度差阈值 ``` 可调整为10-20度范围，根据相机视角和机器人运动调整 3. **性能优化**： ```cpp // 提前计算灯条长度避免重复计算 std::vector<double> lightLengths; for (const auto& bar : lightBarRects) { lightLengths.push_back(std::max(bar.size.width, bar.size.height)); } ``` ### 相关问题 1. 如何优化大量灯条情况下的匹配效率？ *可使用空间划分数据结构如KD树加速最近邻搜索[^1]* 2. 怎样处理多个等距的装甲板对？ *添加角度或面积作为次要排序条件，或使用非极大值抑制(NMS)* 3. 如何将像素距离转换为实际物理距离？ *需要相机标定参数和PnP求解[^2]* 4. 在动态场景中如何稳定距离测量？ *使用卡尔曼滤波或移动平均平滑距离值* 5. 如何区分大小装甲板？ *根据灯条距离和长度设置不同阈值，或使用机器学习分类器[^3]* [^1]: OpenCV学习实践（五）——Robomaster装甲板识别 [^2]: RM视觉组考核-装甲板识别（Opencv和C++实现) [^3]: 基于深度学习的装甲板识别方法研究
评论
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