- 博客(42)
- 收藏
- 关注
RSS订阅原创 agent各指标定义
含义： Agent 的回复是否答在了点子上，有没有答非所问。定义：测算方法：面试话术：含义： 生成的处置方案是不是真能落地——处置等级是否符合规范、是否匹配对应检修工艺、有没有幻觉性建议（比如编造一个不存在的操作规程）。定义： 三档人工评级：测算方法：面试话术：含义： 风险研判 Agent 把"真正需要立即处理的高危病害"正确标出来的能力。注意坑： 项目介绍里写"识别准确率"是笼统说法，面试时建议主动拆成 精确率（Precision）和召回率（Recall）——尤其在这个场景，召回率比精确率重要（漏报高
2026-08-01 14:49:10
175
原创 做一个表单自动提取数据，数据分析建议的skill
然后基于cursor，trae ide 各自开发了一版基于关键词的skill。各自开发了一版基于外接模型的skill。
2026-05-08 17:11:47
34
原创 3-24工作规划
2.文献自动化抓取项目进行到了，抓取多个文献的调试环节，当前较少人工介入。3.mcp项目当前进行到了算法上车不好用，需要复杂的调试，重构工作。1.规划好自动驾驶项目落地方案（Apollo，autoware）4.地铁项目当前进展到了扣件的识别定位环节。对外的表述为重构算法（backbone层等）5.对于明天招聘会，需要拿出来一版简历。去学习和了解有关经验。
2026-03-24 21:31:38
42
原创 复杂工程拆解：自顶向下设计，自底向上实现
复杂的项目不能停留在“让车自己跑”这种模糊的描述上，必须将需求转化为可测试、可量化的工程指标。重点：功能需求，性能/实时性指标，硬件约束，具体如下：功能需求：车辆需要在指定路段（如园区或固定轨道）实现循迹行驶、动态避障、以及特定目标的识别（如路面缺陷或轨道病害）。性能/实时性指标：视觉感知模块（如使用 YOLO 系列）必须保证 30 FPS 以上的处理速度；控制算法（如 MPC 或 PID）的计算周期必须稳定在 10ms (100Hz) 以内。硬件约束。
2026-03-24 18:13:22
333
原创 自动化文献检索与下载工作流：基于 Playwright 的 RPA 实践方案
其核心设计理念是“绝对禁止传统爬虫机制，纯粹模拟人类真实操作”，通过接管本地已登录机构权限的浏览器配置，结合大模型（LLM）进行摘要的智能筛选，实现文献的自动化获取。），判断是否遭遇登录墙。如果未发现检索框，脚本不会抛出异常退出，而是挂起并在终端提示用户进行手动干预，每隔一定时间（默认 5 秒）轮询检查检索框是否出现。为绕过 Web of Science 等平台的机构权限认证（如 WebVPN、EasyConnect 或 CARSI 登录），项目放弃了在干净的无头浏览器中处理复杂登录逻辑的做法，转而通过。
2026-03-19 16:24:28
599
1
原创 CRV项目控制代码：MPC 控制器部分详解
这个项目的 MPC 架构，不仅实现了严密的动力学预测和多目标滚动优化，还创新性地加入了概率模型不确定性（Margin）估算和完备的回退（Fallback）机制。配合了清晰的物理单位到百分比的映射代码。
2026-03-10 15:44:08
362
原创 crv总规划控制代码介绍：基于 ROS 的自动驾驶局部路径规划与控制（Local Planner & Controller）项目
该项目为从高度依赖 Carla 仿真器向“纯 Python/ROS 通用架构”的迁移。
2026-03-03 17:42:02
409
原创 地铁轨道表观病害检测软件-软件开发记录-2-10
通过本次重构，系统完成了从“静态检测工具”到“自进化智能终端”的架构升级。闭环验证：打通了从Detection->Feedback->Review->Training->的全链路。精度提升：实测表明，针对特定站点的环境干扰（如特定色温的灯光误报），通过采集 20-50 张样本并进行 50 Epoch 的加权微调，即可有效消除误报，且未显著降低原有召回率。后续计划引入模型版本控制功能，支持一键回滚至旧版权重，进一步提升系统的工程稳健性。
2026-02-10 16:42:00
653
原创 地铁病害检测系统软件改进记录-2-02
此修改确保了无论线程处于何种状态（正常运行或阻塞），程序关闭时都能彻底释放摄像头占用并结束进程，解决了开发调试时的终端残留问题。： 在实测中发现，如果在检测进行（数据不断插入）的同时开启自动排序，列表会因频繁重排而剧烈跳动，导致无法选中或查看特定行。： 点击窗口右上角关闭按钮后，GUI 界面消失，但 IDE 终端仍处于运行状态（无 Exit Code），必须手动强制结束。事件未包含等待子线程退出的逻辑，导致子线程由于资源未释放而挂起，进而阻塞了整个 Python 进程的退出。： 系统判定为极高概率的病害。
2026-02-02 17:48:49
351
原创 地铁轨道病害检测系统-软件开发日志-2-02
本次开发围绕实际使用场景的痛点，完成了从底层模型适配到底层交互逻辑的全维度优化，首次修改如下：通过解耦架构引用+通用推理渲染，实现了各类YOLO模型的兼容加载和可视化，让系统摆脱对定制化环境的强依赖，鲁棒性大幅提升；基于QSettings实现参数记忆，重构UI实现配置与权重分离，解决了重复操作问题，让参数管理更贴合实际使用习惯；新增数据集批量检测模式，解决中文路径读取问题，实现静态图片的流式播放，满足了批量检测的实际需求；
2026-02-02 17:21:24
604
原创 ROS 跨环境消息互通指南（本地主机↔Docker 容器 + ROS1↔ROS2）
在 ROS 开发与工程落地过程中，跨环境的消息互通是高频刚需场景：一方面我们会用 Docker 容器做环境隔离，运行算法节点、第三方依赖包，需要实现本地主机和 Docker 容器的 ROS1 消息互通；另一方面 ROS1 生态成熟稳定、工程落地多，ROS2 去中心化架构更适配未来趋势，ROS1 与 ROS2 的跨版本互通也成为必学技能。ROS1 本地主机↔Docker 容器：核心是网络打通 + 共用 ROS Master，开发用零配置，生产用 bridge + 环境变量，两种方案均稳定可靠；
2026-01-19 11:52:27
1096
原创 地铁工作记录第2阶段：工程应用与自动化处理
通过本阶段的代码开发，我们构建了一套完整的工程化工具链输入端：通过“光流追踪+透视变换”工具，将不稳定的手持视频转化为标准化的俯视数据流。推理端：利用“实时检测+截图”工具，实现了对视频流的高效监控和证据留存。整理端：利用“批量分类归档”工具，实现了海量历史数据的自动化清洗和结构化存储。这标志着项目从单纯的算法模型训练，迈向了可交付、可落地的软件应用阶段。
2026-01-19 10:50:08
614
原创 项目阶段：第1阶段 - 多源数据融合、清洗与标准化 (Data Ingestion & Standardization)
通过本阶段工作，我们成功消除了Dataset A (检测数据)与Dataset B (分割数据)之间的“方言障碍”，将 600 张异构图片转化为了一个格式统一、定义明确、无文件名冲突的标准 YOLO 数据集，为后续的透视变换（IPM）和模型训练打下了坚实的数据基础。
2026-01-15 17:22:18
940
原创 crv工作记录之pid调参
微分环节的作用是抑制超调，可适当增大 K_d，让系统提前预判速度变化趋势，减少剧烈的油门/刹车切换；若此前未启用微分或 K_d 过小，可从一个极小值（如当前 K_p 的1/100）开始逐步上调。积分环节易积累误差引发振荡，若系统静差不大，可增大 T_i（即减小积分系数 K_i），减弱积分作用；K_p 过大会让系统对速度偏差过于敏感，小幅偏差就触发大幅油门/刹车动作，导致频繁震荡。在ROS环境中，你还可以借助 rqt_plot 实时绘制速度偏差、PID输出曲线，直观观察参数调整效果，再针对性迭代。
2026-01-13 20:31:51
153
原创 目标跟踪及分割的代码管理
if not os.path.exists(VIDEO_PATH): print("❌ 找不到视频");[TARGET_W, TARGET_H], # 映射到 -> (200, 1000)# ================= ⚙️ 配置区域 =================[TARGET_W, 0], # 映射到 -> (200, 0)[0, 0], # 映射到 -> (0,0)print(" (只点击光洁的轨面，不要包含两侧的锈迹或石子)")
2026-01-12 15:31:43
768
原创 crv工作记录：autoware相机联合雷达标定
Autoware 相机联合雷达标定核心是先完成相机内参标定，再通过工具匹配图像与点云对应特征求解外参（旋转 + 平移矩阵），最后验证优化，常用工具为 autoware_camera_lidar_calibrator 与 Calibration Tool Kit，以下是详细流程。一、标定准备1.硬件与场景相机与激光雷达安装牢固，确保标定过程无位移；镜头、雷达罩清洁，预热 10 分钟以上。
2026-01-06 10:36:44
669
原创 CRV工作记录：系统坐标系的对齐和转化
因此得到baselink---camera---camera init---map---enu。因此baselink---camera---camera init---map，而我们想要进行轨迹规划所使用的就是车本身的坐标（即base link）。即map作为初始点，讲gnss下的经纬度转化为enu坐标系下的位置。camera和baselink之间是有一个静态的位置关系的，目前是通过gnss的经纬度坐标下的map去对齐env坐标系的。完整的建图得到的轨迹真值就是enu坐标系下的。
2025-12-20 16:00:16
183
原创 地铁调研12-17
然后答应我们等以后有时间，让我们自己对扣配件的每种状态都拍照记录。向甲方祈求数据集，甲方答应给我们找找扣配件的缺陷数据集。给甲方展示目前的数据集，算法检测情况。主要测量内容：轨道内距，轨道水平情况。2.涂油板（道岔变轨部分）扣配件的情况，垫片的情况，3.扣配件的螺栓是否松动。类似草料二维码类似的软件。二维码关联功能（表格/）还可以必须现场拍摄的东西。记录：+/-x，毫米。1.跟随工人使用道尺。不能是相册上传的照片。
2025-12-17 20:40:32
237
原创 [ROS实战] 零硬件成本调试户外导航：Python模拟GPS信号 + RViz加载高德地图实现“云”行走
本文介绍了一种在RViz中模拟GPS信号和机器人运动的方法，无需真实硬件即可在室内进行户外导航开发。通过Python脚本发布/fix话题和TF变换，配合rviz_satellite插件加载高德卫星地图，实现键盘控制机器人在真实地图上的移动。该方法解决了RViz报错和地图源问题，支持在线和离线地图，为算法调试提供了零成本仿真环境。核心步骤包括安装插件、编写模拟脚本、配置RViz参数等，使开发者能在室内完成原本需要户外测试的功能验证。
2025-12-16 13:52:51
1146
原创 从零开始将高德地图（卫星图+路网）接入 RViz 与 Mapviz 的保姆级教程 （C++，python，ros，自动驾驶）
想省事：直接用+ 高德在线 URL。要素全：用 QGIS 叠加“卫星+路网”，导出高清 TIF。兼容性：GDAL 切片时注意 XYZ 格式，旧版本需脚本翻转 Y 轴。调试：Mapviz 中注意{z}和{level}的切换；RViz 中推荐用挂载本地地图。
2025-12-15 19:20:17
1013
原创 apollo学习笔记之速度规划
动态规划就是把原问题分解为相对简单的子问题，再根据子问题的解来求解原问题的解。先进行动态规划，此时得到的还比较粗糙，点比较少。分为速度决策和速度优化两部分。st图就是速度规划的坐标系。
2025-06-03 17:36:13
191
原创 apollo路径规划算法学习笔记
路径规划分为：确定路径边界，优化路径，评估路径是否有效（同时选择最优化路径）这三步骤。lane_follow,lane_follow,lane_change，这是几种任务。还有二次规划的路径规划算法，但听不懂，全是数学问题，这个人将的。大概就是路径规划要满足一堆限制条件，然后最后带入osqp求解器。路径规划分为路径和速度规划，对应静态和动态环境。此时路径更加贴近道路中心线规划。实验主要是关于调整路径规划权重。
2025-06-03 17:10:59
286
原创 apollo学习笔记-参考线
reference_points_是一个数组，是由多个参考点组成的，也是参考线的本质。map_path_是地图中的参考线，就是参考线在地图中的体现。默认为离散点平滑，具体算法见视频。priority为优先级，用于评估多条参考线优先级。从派/2修改为2.5，使得参考线加载长度更长。referenceline 参考线数据结构。平滑也有几种方法：离散点，螺旋线，样条曲线。这个参数在planning.conf中，分为两部分：参考线生成和平滑。还可以修改横向和纵向裕度。可以改变曲率和曲率变化率。
2025-06-03 16:46:10
292
原创 写一点总结，缓解一下焦虑
连简单的ubuntu的输入法都在为难我，20.04下去用搜狗输入法会经常出现图形化消失的问题。不好的是生日和研三的答辩日期也撞了，答辩恰好在我生日前一天。而我家里叫我回去过生日。工程和代码能力成长了很多，但奖项拿得很差劲，只有两个三等队长和一个二等末尾。读博的事情一直在困扰，家里一直在催促，但我并不知道自己有无学术能力和潜力。看到yy硕在读博的前两年也是如此痛苦，毫无进展，让我也多少安慰了一些。研一的第二学期又快结束了，马上又要考试了，而我这一年收获不多不少，连社交我也不如别人，和师兄师姐的关系不如别人。
2025-05-26 16:23:35
227
原创 4.23日志
但是那个项目的kobe得分可以到76，比我该了以后的】python。adf-sample-java的jingcha表现也很差。那个项目的警察的模拟表现很差。2.改adf-sample。但是其他的表现都很好，因此以后有三条工作方向。3.优化python。
2025-04-23 22:47:48
134
原创 RCRS强化学习项目的代码个人阅读理解
其次就是主文件夹中的PyRCRSClient，这是强化学习的言语之神，静谧之神，负责这个世界的交流与沟通，.proto文件更是每一个字传递的基石，每一行代码都传递的古老语言的神秘莫测和不可言喻不可理解。首先最重要的就是boot里面的RCRS_env,这是掌管模拟环境的神，一切离开这个环境都用不了了，它便是强化学习中的天空与大地之神，主管这个世界的自然法则和全部环境。最后便是强化学习的人神，testing，在环境和沟通之间创造出强化学习的巍峨城池，像是人类帝国一样层级重叠繁琐。核心代码主要分为三个部分，
2025-04-17 15:31:20
192
原创 ai整理的工作报告
### **二、解决过程总结** ##### **1. 初次问题定位（代码逻辑错误）** - **错误原因**：Python端初始化消息时直接赋值而非使用Protobuf的`CopyFrom`方法，且缺少必要组件（如`REQUEST_ENTITY`）。##### **2. 协议URN一致性问题** - **错误原因**：URN定义与RCRS协议不匹配（如`ENTITY_ID_URN`、`ACTION_URN`错误），导致组件无法正确解析。- 分离连接逻辑与业务逻辑，确保初始化消息仅发送一次且格式正确。
2025-04-15 20:39:47
1536
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人