- 博客(90)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 运维_SOC芯片的架构综述
当前市场上绝大多数SoC芯片基于ARM架构，因其低功耗、高能效和成熟生态；RISC-V正快速崛起，尤其在中国市场，成为IoT和AI边缘计算的重要选项；x86仅限PC/服务器SoC；完全自研架构（如苹果）属于顶级玩家的“奢侈品”，依赖强大软硬一体能力。因此，当你看到一款SoC（如骁龙8 Gen3、天玑9300、瑞芯微RK3588），其CPU几乎可以确定是 基于ARM指令集 的实现——要么是ARM公版核心，要么是获得授权后的自研微架构。
2025-12-20 11:21:40
396
原创 运维_SOC时长芯片和运营厂家综述
以上只是部分SoC市场的概览，实际上还有更多专注于特定领域的厂商和技术正在不断涌现和发展。随着技术的进步，在当前全球和中国半导体产业快速发展的背景下，瑞芯微（Rockchip）等中型甚至中小型SoC设计公司，其实已在多个细分市场中占据重要地位，尤其在AIoT（人工智能物联网）领域表现突出。
2025-12-20 10:45:58
467
原创 ADAS_DigialTwin_CARLA + LiDAR + Camera + MPC 控制器
方案延迟开发复杂度是否需 ROS适用场景CARLA 原生 API（单进程）✅ 5–15 ms低❌ 否算法研究、RL、快速原型共享内存桥接✅ 10–20 ms中高✅ 是必须集成 ROS 节点✅ 8–18 ms中✅ 否多进程、多语言中✅ 是ROS2 生态项目传统 ROS1/2 bridge❌ >50 ms低✅ 是非实时演示✅ 最终建议如果你的目标是“延迟 ≤20ms”，请放弃 ROS bridge，直接使用 CARLA 原生 API。
2025-12-19 14:45:59
762
原创 DT_digitalTwin_blender中机器人骨骼建模
目标实现方式骨骼沿小腿方向（视觉合理）在 Edit Mode 中让 Head→Tail 沿部件长度旋转轴对准膝关节（功能正确）调整骨骼 Roll 角度，使局部 X/Y/Z 轴对准物理旋转轴部件跟随骨骼运动用 Empty + Child Of Constraint 绑定限制为 1-DoF添加 Limit Rotation 约束导出正确确保导出插件使用的轴与你设定的局部轴一致✅ 最终建议工作流建模机械部件（圆柱、立方体等）创建骨骼，沿部件方向放置。
2025-12-15 11:43:52
844
原创 DT_digital_twin_ROS+Grazebo仿真
如希望使用 Gazebo Classic (如 Gazebo 11) (例如为了兼容旧机器人模型)，也可以安装，但不推荐用于新项目。ROS 2 Humble 使用 ros_gz 桥接包与Gazebo Sim（Fortress）通信。运动一个简单世界测试。
2025-12-11 15:23:35
335
原创 Robot_机器人步态训练相关的论文推荐
当前人形机器人步态训练的研究已从基于模型的控制走向数据驱动 + 模型融合的新范式。2024–2025年的前沿工作（如TRO那篇）强调在线适应性、多接触处理、计算效率，而康复应用则更关注人机协同、安全性与临床有效性。
2025-12-10 11:21:36
912
原创 界面编辑_Tkinter_常用组块
在 Python 中，tkinter 是标准的 GUI（图形用户界面）库，用于创建桌面应用程序。它基于 Tcl/Tk 工具包，简单易用，适合初学者和快速原型开发。
2025-12-09 10:37:59
268
原创 DL_端到端_基于卷积循环神经网络的(CRNN)车牌号识别
实时性要求 使用轻量模型（如MobileNet + CRNN）、模型剪枝、量化部署。配合CTC Loss 和 torch.nn.CTCLoss，可实现端到端训练。光照变化、模糊、遮挡 数据增强（亮度调整、模糊模拟）、使用鲁棒特征提取网络。多角度/倾斜车牌 引入几何变换（如STN空间变换网络）或使用旋转不变特征。汉字识别难度大 单独训练汉字子网络，或扩大汉字训练样本。
2025-12-07 10:25:41
349
原创 DL_端到端案例_阿里巴巴提出的BST（Behavior Sequence Transformer）
目标：给定用户的历史行为序列和目标电影，预测用户对该电影的评分（1·5分）。本质：回归任务（也可转为分类任务）。关键挑战：捕捉用户兴趣的动态演化（如从“动作片”转向“科幻片”）。这是一个典型的上下文感知的序列推荐问题，而非仅基于协同过滤的静态推荐。输入：原始行为日志（movie_id, rating, timestamp）+用户/电影元数据；输出：预测评分；中间过程：所有特征嵌入、序列建模、注意力。
2025-12-06 13:38:46
555
原创 DL_基于Transformer端到端的模型设计和训练举例
输入：用户输入的一段自然语言查询（如 “我想看一部浪漫又搞笑的爱情片”）输出：推荐一个或多个电影（如《真爱至上》《初恋50次》）本质：将文本语义与电影表征对齐，实现跨模态匹配（文本 ↔ 电影）这属于 检索式推荐 或 语义搜索推荐，而非生成式推荐（不生成新电影，而是从候选库中选出最匹配的）。
2025-12-06 10:43:55
335
原创 DL_神经网络在MLP、CNN和RNN(LSTM)之后(至2025)的发展
从LSTM的“记忆”开始，我们逐步赋予机器注意力、创造力、跨模态理解力、高效推理力——而这一切，仍在加速演进中。总结：LSTM之后的演进主线。
2025-12-05 14:28:34
496
原创 spline_curve
所谓样条曲线(Spline Curves)是指给定一组控制点而得到一条曲线，曲线的大致形状由这些点予以控制，一般可分为插值样条和逼近样条两种，插值样条通常用于数字化绘图或动画的设计，逼近样条一般用来构造物体的表面。工程中，很多实际应用场景都需要制作平滑的面、线。这些面、线都是被相应的条件约束。把这些需求和约束抽象为数理模型就是样板曲线。样条曲线是经过一系列给定点的光滑曲线。
2025-12-03 17:28:33
766
原创 几何_旋转变换_刚体旋转在特定参考描述下(欧拉角\固定角\轴角)的万向锁和奇异性
万向锁（Gimbal Lock）：万向锁是指在使用欧拉角（Euler Angles）表示三维旋转时，当俯仰角（pitch）为 ±90° 时，偏航角（yaw）和滚转角（roll）的旋转轴重合，导致系统失去一个自由度的现象。奇异性（Singularity）：奇异性是指在某种参数化表示下，旋转空间的雅可比矩阵（Jacobian）秩亏（rank-deficient），导致局部不可逆或导数不存在的点。这是一个更广义的数学概念，不仅限于欧拉角。
2025-12-03 17:27:31
148
原创 Python_编程中代码注释相关格式 PEP8 — Python 官方代码风格指南
Python 的布局规范核心是 清晰、一致、可读。遵循 PEP 8 不仅提升个人代码质量，更是团队协作的基础。项目如有自定义规范，可在 PEP 8 基础上微调，但需确保 组内统一。工具推荐（自动检查/格式化）
2025-11-27 18:18:23
171
原创 NN_名词辨析01_深度学习\模仿学习\强化学习
方法描述角度核心要素是否需要奖励信号典型应用场景深度学习模型结构/表示方式深层神经网络特征自动提取 否（视任务而定）图像识别、自然语言处理模仿学习学习方式/数据来源专家示范（状态-动作对）否机器人控制、自动驾驶强化学习学习范式/目标机制状态、动作、奖励、策略是游戏AI、资源调度。
2025-11-27 15:43:22
634
原创 NN_神经网络不同依据的分类方式
网络数据结构或更具体地说，“信息在神经网络中的流动方式与连接拓扑(Connectivity Pattern / Inductive Bias)”来划分。这些模型共同构成了现代深度学习的架构动物园（Architecture Zoo），而选择哪种架构，最终取决于你的数据具有什么结构。
2025-11-25 17:39:26
591
原创 NN_神经网络的八大核心组成要素
✅ 总结神经网络不是单一技术，而是一个多维设计空间。目标函数（定义优化方向）正则化策略（控制泛化）初始化与归一化（保障可训练性）数据与任务（一切设计的起点）🌟 真正强大的AI工程师，不是记住模型名字，而是理解这8个维度如何组合以解决实际问题。
2025-11-25 16:26:49
889
原创 AI_27中常见的神经网络模型
神经网络结构可视化图展示了 27 种不同类型的神经网络模型，并通过统一的图示语言清晰地表达了它们的和结构。其核心分类逻辑是“拓扑结构 + 单元类型” 的混合体系，这张图不是简单地按“任务”或“时间”分类，而是基于两个关键维度进行系统化组织：🔹 1. 连接方式（Topology）🔹 2. 神经元/单元类型（Cell Type）
2025-11-25 14:46:41
181
原创 AI_人工智能大厦及其组成名词辨析
AI = 整栋大楼ML = 其中一个主力施工队（数据驱动派）NN = ML 队使用的“钢筋混凝土技术”DL = 用超高层钢筋混凝土盖摩天楼SVM/决策树 = ML 队也会用的“砖木结构”专家系统 = 另一支施工队，用“预制模块+逻辑管道”盖楼它们目标相同（建造智能），但材料、工艺、理念完全不同。
2025-11-25 11:49:50
89
原创 IMU_惯性测量单元的主要技术种类
2010年4月，由3个硅MEMS陀螺构成的速率传感器组合SiReus首次在欧空局极地冰层探测卫星上作为姿态测量装置得到成功应用，精度达到10 - 20/h(3标准差)，国外硅MEMS陀螺在战术武器中，低精度领域已有批量应用。1996年后，全固态结构、全数字、低功耗的光纤陀螺在国外进入工程应用阶段，至今已趋于成熟，覆盖了高、中、低精度范围，并在海陆空天各领域获得应用，高精度产品的精度可达到0.001°/h(1个标准差)的水平，尤其在空间飞行器、舰船等领域有独特应用优势，在新研制的惯性系统中日益得到广泛采用。
2025-11-21 19:42:18
385
原创 NN_ONNX集成、部署工具
ONNX Runtime 是微软开发的跨平台高性能推理引擎，原生支持 C++ API，广泛用于生产环境（如 Windows、Linux、Android、iOS、嵌入式设备等），ONNX 本身是一个模型格式标准（即一个 protobuf 定义的文件），但围绕它有一整套 C++ 工具链。🔧 C++ 使用示例（加载 ONNX 模型并推理）📦 编译依赖。
2025-11-20 11:36:05
584
原创 算法_四元数到姿态角(欧拉角\固定角\轴角)的转换代码python/C++
姿态角旋转的类别主要涉及有内旋(欧拉角)和外旋(固定角)，姿态角按照旋转轴是x轴，y轴和z轴的顺序可以通俗的叫做横滚角(roll)、俯仰角(pitch)和航向角(heading/yaw)。
2025-11-13 09:46:05
233
原创 math_旋转变换
我们目标是求 a → c 的旋转四元数 **q2**。## 1.1、从一个坐标系（或向量）旋转到另一个的变换。- 从 b → a 的旋转四元数是 q0。- 从 b → c 的旋转四元数是 q1。
2025-11-12 17:15:14
208
原创 IMU_战术及惯性测量单元(IMU)
在科研领域，尤其是涉及高动态运动测量、自主导航、机器人控制、无人机/无人车系统、航空航天仿真等方向时，战术级IMU（Tactical-grade IMU）因其较高的精度和可靠性而被广泛采用。这类IMU的典型特征包括：陀螺仪零偏稳定性：约 0.1°/h 到 10°/h加速度计零偏稳定性：通常优于 1 mg具备良好的温漂补偿与抗振动能力支持高频率输出（≥200 Hz）常集成于组合惯导系统（GNSS/INS）
2025-11-12 11:30:24
884
原创 AD_加减速和变道博弈
从组成元素上说，博弈论包括：参与者、策略空间、行动、收益、相关信息、均衡(博弈的解)从分类上说，博弈论包括：合作性和非合作性、静态性和动态性、完全信息和非完全信息。博弈论可以理解为依据规则、评估收益和损失。选择行动策略，最大化收益。
2025-11-12 11:04:11
171
原创 维护_分布式或进程间常用通信一，vrpn、LCM、DDS和GRPC的通信区别和优缺点
✅ VRPN优点：超低延迟、专为 VR 设备优化、简单易用缺点：协议封闭、无现代特性、生态萎缩✅ LCM优点：极简、高效、适合科研原型缺点：不可靠、无 QoS、社区活跃度下降✅ DDS优点：去中心化、高可靠、QoS 丰富、工业级缺点：学习曲线陡、配置复杂、资源占用较高✅ gRPC优点：强类型、跨语言、生态强大、云原生友好缺点：延迟较高、不适合纯设备通信、依赖中心化服务发现。
2025-11-11 15:35:15
249
原创 维护_进程间通信(IPC Inter-Process communication)和分布式通信框架列述二
语言支持 主要 C/C++，社区有 Python/Java 封装（有限） 官方支持 10+ 语言（C#, Go, Java, Python, C++, Node.js 等）调试难度 较难（二进制协议，需专用工具或日志） 中等（可用 grpcurl、Wireshark + HTTP/2 解码）CPU/内存开销 轻量，C/C++ 实现，无复杂依赖 相对较重（需 TLS、HTTP/2 栈、Protobuf 解析）传输层协议 主要基于 TCP（默认），部分支持 UDP（需定制） 基于 HTTP/2（强制）
2025-11-11 15:14:22
561
1
原创 维护_编辑图片分辨率的方法
调整照片的分辨率（通常指 DPI / PPI，即每英寸像素数）是一个常见需求，尤其是在准备证件照、打印照片或提交官方材料时。✅ 一、什么是“调整分辨率”？我们这里重点讲 如何正确设置 DPI 以满足如“26mm×32mm，150dpi以上”的要求。✅ 二、推荐方法：使用专业工具调整分辨率方法 1：使用 Photoshop（最标准）✅ 此时照片的 DPI 已设为 150，打印时就会按对应物理尺寸输出。方法 2：使用免费软件 GIMP（开源替代品）方法 3：使用 Windows 照片编辑器（基础版）
2025-10-29 13:54:52
827
原创 维护_linux_tar压缩指令解析
虽然 .gz.tar 在技术上不会导致失败（因为只是个名字），但它违反了标准命名惯例，容易引起误解。✅ 含义清晰：xx → 打包成 .tar → 再压缩成 .gz → 最终为 .tar.gz。🔧 修复后不仅语义正确，也便于他人理解和自动化脚本识别。—— 后缀顺序错了！💡 补充建议在这里插入图片描述。
2025-09-25 18:06:06
231
原创 C++_指针01_指针及其关键点
指针是C++的“双刃剑”：掌握它，你将能写出高效、灵活的代码；滥用它，则可能导致难以调试的错误。在现代C++中，应尽量使用RAII和智能指针来管理资源，将指针的使用限制在必要场景。
2025-09-12 09:09:33
308
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人