<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_42831621的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_42831621</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_42831621]]></copyright><item><title><![CDATA[超大视野相机标定解决方案]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/168427126</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/168427126</guid><author>qq_42831621</author><pubDate>Mon, 19 Oct 2026 11:42:00 +0800</pubDate><description><![CDATA[超大视野标定中，编码标记点替代传统大平面板，实现低成本、高灵活性部署。其优势在于：点可分散布置于墙面、地面等非共面位置，覆盖全视野（含边缘畸变区），提升畸变模型精度；每个点自带身份，支持自动匹配与部分遮挡容错；结合光束法平差，可自标定相机参数与点三维坐标，仅需一根基准尺定尺度；适用于多相机、多站位统一坐标系及高精度中心定位（达0.04mm）。通过合理布点与拍摄设计，显著优于传统棋盘格方案。]]></description><category></category></item><item><title><![CDATA[形状模板匹配：从梯度特征到 LINE2D 搜索]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/168335844</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/168335844</guid><author>qq_42831621</author><pubDate>Sun, 18 Oct 2026 23:00:00 +0800</pubDate><description><![CDATA[设模板中的特征位置为 p，目标图中的对应位置为 q。其中，t = (tx, ty) 表示平移，θ 表示旋转角，s 表示尺度，R(θ) 为二维旋转矩阵。坐标原点和旋转中心应在实现中明确；改变旋转中心会影响平移项的定义。匹配任务就是寻找使特征一致程度较高的变换参数。实际搜索的自由度越多，计算与歧义也越多。流程搜索变量适用前提快速梯度匹配平移角度和尺度基本不变尺度匹配平移、离散尺度方向基本不变角度匹配平移、离散角度尺度基本不变抗噪声匹配平移、离散角度，并做局部位置精修。]]></description><category></category></item><item><title><![CDATA[TF、里程计漂移与回环检测]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167782987</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167782987</guid><author>qq_42831621</author><pubDate>Tue, 13 Oct 2026 10:03:11 +0800</pubDate><description><![CDATA[本文从rviz中无车模现象切入，详解TF坐标变换、里程计漂移成因及修正方法。通过实车与仿真区别分析，阐明map→odom→base_link→laser的TF链作用；揭示AMCL利用地图匹配实现长期定位纠偏，结合EKF融合IMU提升里程计精度；强调回环检测在建图阶段的关键作用——消除累积误差，优化地图闭合性。最终指出：精准融合里程计是回环检测有效性的基础，三者协同保障机器人导航可靠性。]]></description><category></category></item><item><title><![CDATA[相机标定终极科普：内参、畸变、外参、单目_双目标定全流程（附完整计算公式+实例）]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167689842</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167689842</guid><author>qq_42831621</author><pubDate>Mon, 12 Oct 2026 13:31:17 +0800</pubDate><description><![CDATA[本文系统解析相机标定核心原理，涵盖内参、畸变、外参的定义与数学关系，详解单目与双目标定差异，给出从3D点到像素坐标的完整投影公式及数值实例。强调内参与畸变为相机固有属性，外参随位姿变化；正向投影须先加畸变再用内参，顺序不可颠倒。通过实操案例验证计算流程，揭示90%新手误区：单目外参1图足矣，双目需20+组全局优化。内容兼具理论深度与工程实用性，是视觉定位、三维重建、双目测距的标定必读指南。]]></description><category></category></item><item><title><![CDATA[Kiro Gateway配置教程]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167476844</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167476844</guid><author>qq_42831621</author><pubDate>Sat, 10 Oct 2026 14:04:08 +0800</pubDate><description><![CDATA[KiroGateway是一款本地代理服务，可将Kiro（AWS/CodeWhisperer）无缝转换为OpenAI或Anthropic API兼容接口。通过配置Python环境、Git克隆项目、安装依赖并设置.env文件中的认证路径与API密钥，即可在VSCode、CLI中使用Claude模型。推荐通过KiroIDE登录获取凭证文件，配置后启动服务至localhost:8000。配合CCSwitch工具，实现VSCode中Claude代码补全功能，轻松替代OpenAI API使用。]]></description><category></category></item><item><title><![CDATA[[3D LiDAR SLAM]]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167271696</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167271696</guid><author>qq_42831621</author><pubDate>Thu, 08 Oct 2026 13:15:10 +0800</pubDate><description><![CDATA[3D LiDAR SLAM核心挑战在于实时性约束下的点云处理效率与多传感器紧耦合状态估计。相比2D SLAM，其面临6-DOF位姿估计、海量点云（10K–100K/帧）、严重运动畸变等难题。系统架构分为前端配准（ICP、NDT、特征法）、运动畸变补偿、后端优化（图优化/滤波）与回环检测四大模块。算法演进从LOAM到FAST-LIO2，直接法与增量式ikd-Tree显著提升实时性，尤其在低特征环境表现优异。工程落地中，kNN搜索、非线性优化、内存管理与外参标定是关键瓶颈。选型需根据传感器配置与场景需求：纯Li]]></description><category></category></item><item><title><![CDATA[【2D SLAM 的技术全貌】]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167269913</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167269913</guid><author>qq_42831621</author><pubDate>Thu, 08 Oct 2026 11:35:05 +0800</pubDate><description><![CDATA[2D SLAM 通过单线激光雷达实现机器人在平面环境中的定位与建图，核心为状态估计问题，依赖扫描匹配、后端优化、回环检测与地图构建四大模块。主流算法从滤波派（如Gmapping）演进至图优化派（如Cartographer），后者在大场景下表现更优。关键技术包括占据栅格地图更新、子图机制与分支定界回环检测。工程中需注意时间同步、TF链、传感器融合等细节。当前趋势聚焦多传感器融合、语义SLAM与端到端学习，部署时需优化粒子滤波与图优化性能。]]></description><category></category></item><item><title><![CDATA[opencv复现 Halcon 双相机拼接]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/167262065</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/167262065</guid><author>qq_42831621</author><pubDate>Thu, 08 Oct 2026 11:13:31 +0800</pubDate><description><![CDATA[读取写死的相机 division 参数。读取写死的两台相机 pose。针对每个物体场景，为左右相机施加一个局部平移，定义物体在世界平面中的放置位置。调用为左右相机生成世界平面的反向映射表。读取左右物体图像。调用 `remapWithMask` 完成重映射并生成有效域掩膜。调用 `stitchLikeHalcon` 做带掩膜约束的拼接。调用 `rotateCropMirror` 做旋转、裁剪和镜像。输出 `result_01.png` 到 `result_04.png`。]]></description><category></category></item><item><title><![CDATA[配置VNC sever 6.11.0版本 linux（激活码）]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/166842213</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/166842213</guid><author>qq_42831621</author><pubDate>Tue, 29 Sep 2026 14:29:37 +0800</pubDate><description><![CDATA[官网下载vnc senver6.11.0版本后，进入软件 不要选择用户密码名登录。有个licence选择。输入key 便可激活。]]></description><category></category></item><item><title><![CDATA[linux so库（arm）对比分析]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/163948515</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/163948515</guid><author>qq_42831621</author><pubDate>Fri, 21 Aug 2026 16:08:03 +0800</pubDate><description><![CDATA[本文对比了两个 OpenCV 库（]]></description><category></category></item><item><title><![CDATA[qt creator x86交叉编译arm 配置]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/163302193</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/163302193</guid><author>qq_42831621</author><pubDate>Wed, 29 Jul 2026 13:23:01 +0800</pubDate><description><![CDATA[该CMake配置显示了一个用于Qt6项目的调试版本构建设置。主要配置包括：构建类型设为Debug，启用彩色诊断输出，指定gcc编译器和Qt6相关路径（如/usr/lib/x86_64-linux-gnu/cmake/Qt6），设置临时安装目录为/tmp，并包含QML调试标志。部分变量如XKB相关路径未找到（NOTFOUND），同时配置了Qt Creator的包管理器和源码组支持。该配置面向Linux环境，使用Unix Makefiles生成系统，并设置了多个Qt6模块（Core、DBus、Gui、Widge]]></description><category></category></item><item><title><![CDATA[【deban13】系统 安装arm qt6.8.2]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/163272115</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/163272115</guid><author>qq_42831621</author><pubDate>Tue, 28 Jul 2026 18:20:26 +0800</pubDate><description><![CDATA[本文介绍了如何在Debian系统上配置ARM64架构的交叉编译环境，重点说明Qt6的跨平台编译方法。主要内容包括：1)配置清华镜像源；2)添加ARM64架构支持并安装交叉编译工具链；3)安装ARM64版本的Qt6开发库；4)创建CMake交叉编译工具链配置文件；5)进行Qt6程序交叉编译测试。通过这种方法，可以在x86_64主机上编译出可在ARM64设备上运行的Qt6程序，但目标设备仍需安装相应的Qt6运行时库。文章提供了详细的命令行操作步骤和配置文件内容，适用于需要为ARM平台开发Qt应用的情况。]]></description><category></category></item><item><title><![CDATA[snpe-VGG案例（uv环境-全流程 教程）]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/162849391</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/162849391</guid><author>qq_42831621</author><pubDate>Mon, 13 Jul 2026 20:43:03 +0800</pubDate><description><![CDATA[本文详细介绍了在Linux主机上使用Qualcomm SNPE SDK 2.21部署VGG16 ONNX模型的完整流程。内容包括： 环境配置：Python虚拟环境创建与依赖安装 模型准备：VGG16 ONNX模型下载与转换DLC格式 主机验证：CPU推理测试与结果验证 交叉编译：ARM64架构C++示例程序的编译 板端部署：将模型、工具和库文件传输到ARM设备 运行测试：在ARM设备上执行推理并验证结果 特别针对官方示例中Python环境配置问题，提供了多种解决方案，包括虚拟环境安装、PYTHONPATH设]]></description><category></category></item><item><title><![CDATA[SNPE 2.21：VGG16 Demo 交叉编译到 ARM64 Linux 并推理]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/162767045</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/162767045</guid><author>qq_42831621</author><pubDate>Fri, 10 Jul 2026 16:31:57 +0800</pubDate><description><![CDATA[本文详细介绍了在Ubuntu 20.04 x86_64主机上，将SNPE 2.21.0 SDK的VGG16 Demo交叉编译到ARM64 Linux板端并完成CPU推理的完整流程。主要内容包括：环境准备、交叉工具链安装、ONNX模型转换、DLC生成、Native C++ Demo交叉编译、板端部署与运行、结果拉取与Top-5展示等关键步骤。文章还提供了Yocto/OE目标板适配、GPU/DSP扩展和常见错误排查等进阶内容。通过流程图明确展示了从主机环境准备到最终推理验证的完整链路，并给出了详细的命令和检查点]]></description><category></category></item><item><title><![CDATA[libcurl Linux ARM交叉编译]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/162728077</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/162728077</guid><author>qq_42831621</author><pubDate>Thu, 09 Jul 2026 13:33:56 +0800</pubDate><description><![CDATA[SYSROOT：ARM64 (aarch64) 平台系统库、头文件根目录；交叉编译时，编译器会从此路径读取目标平台的.h头文件、.so/.a库，而非主机 x86 的系统文件。平台：x86 主机交叉编译 aarch64 (ARM64) 架构 curl；功能：仅支持，无 HTTPS、无压缩、无 HTTP2、无其他任何协议；依赖：完全不依赖第三方库，静态链接系统基础 libc；产物：安装到自定义目录，体积极小，适合资源受限的嵌入式 Linux 设备；]]></description><category></category></item><item><title><![CDATA[HIK相机SDK调用顺序导致采图异常]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/162071485</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/162071485</guid><author>qq_42831621</author><pubDate>Wed, 17 Jun 2026 16:08:06 +0800</pubDate><description><![CDATA[海康线扫相机采图异常问题排查总结 问题现象：调用海康SDK采图时出现图像异常，设置网口巨型帧后硬件采图正常，但软件显示仍异常。 根本原因：SDK调用时序错误。在OpenDevice之前就调用了GetOptimalPacketSize和GevSCPSPacketSize函数，导致参数配置未生效。 解决方法：调整SDK函数调用顺序，确保在打开设备后再进行参数配置。]]></description><category></category></item><item><title><![CDATA[【GDB 查看调用堆栈（常用命令）】]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/161996929</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/161996929</guid><author>qq_42831621</author><pubDate>Mon, 15 Jun 2026 10:26:16 +0800</pubDate><description><![CDATA[GDB 查看调用堆栈（常用命令）先进入 gdb 调试环境： bash 运行 gdb 可执行程序名。]]></description><category></category></item><item><title><![CDATA[点云统计滤波（基于中值距离） ]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/161087144</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/161087144</guid><author>qq_42831621</author><pubDate>Thu, 14 May 2026 16:58:20 +0800</pubDate><description><![CDATA[本文介绍了一种基于统计滤波的点云离群点去除方法，通过KD-Tree加速邻域搜索，计算每个点的局部距离中位数，并基于全局中位数设定阈值筛选离群点。方法包含三个关键参数：搜索半径(0.05-1.0米)、最小邻居数(10-200)和阈值倍率(0.3-2.0)。通过多线程优化，构建多个KD-Tree实例并行处理，显著提升计算效率。实验结果显示，该方法能有效去除噪声点，同时保留主要结构特征，并通过左右对比可视化直观展示滤波效果。]]></description><category></category></item><item><title><![CDATA[Foundationpose环境配置【非conda--纯UV】（linux22.04+python3.10）]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/160659544</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/160659544</guid><author>qq_42831621</author><pubDate>Thu, 30 Apr 2026 16:04:14 +0800</pubDate><description><![CDATA[本文介绍了在禁用conda环境下复现FoundationPose的具体流程。主要步骤包括：1)安装gcc-10/g++-10编译器和CUDA11.8工具包；2)使用uv工具创建Python3.9虚拟环境并安装依赖；3)手动安装Kaolin和PyTorch3D的whl包；4)配置NVDiffRast编译环境，特别注意setuptools版本需为69.0.0；5)修改项目编译脚本并完成构建。整个过程涉及多个依赖项的版本控制，包括编译器、CUDA、Python包等，需要严格遵循指定版本要求以确保成功编译和运行。]]></description><category></category></item><item><title><![CDATA[关于halcon窗口画roi（线），发生偏移问题]]></title><link>https://blog.youkuaiyun.com/qq_42831621/article/details/159423926</link><guid>https://blog.youkuaiyun.com/qq_42831621/article/details/159423926</guid><author>qq_42831621</author><pubDate>Tue, 24 Mar 2026 13:38:00 +0800</pubDate><description><![CDATA[摘要：使用Halcon绘制工具时发现图像放大后绘制位置存在1像素内偏差。经排查，原因是SetPart算子即使接收小数参数也会自动取整。解决方法是在调用SetPart前手动对参数进行强制取整，确保坐标精度准确。该问题在图像放大操作时尤为明显，通过主动控制参数类型可消除绘制偏差。]]></description><category></category></item></channel></rss>