- 博客(9)
- 收藏
- 关注
RSS订阅原创 ArUco码检测与定位技术详解：从原理到实践
ArUco码是一种专为增强现实和计算机视觉应用设计的二维标记系统，具有检测速度快、定位精度高、实现简单等优点。本文从ArUco码的基本结构出发，详细阐述了其高效检测的机制，深入分析了从二维图像像素坐标到三维空间位姿的数学原理，包括透视投影模型、PnP问题求解、坐标系转换等关键技术。同时，本文强调了相机标定在精确定位中的重要性，并提供了完整的理论框架和实践指导，为从事机器人导航、增强现实、工业检测等领域的研究人员和工程师提供全面的技术参考。
2025-11-11 17:01:33
1180
原创 草莓采摘机器人视觉系统实战：基于 YOLOv11 与深度相机的检测、尺寸计算与抓取定位全流程
本文研究了草莓采摘机器人视觉系统的关键技术，包括目标检测、大小判别和抓取点坐标获取。系统采用奥比中光dabai_DCW和Intel RealSense D455两款深度相机，通过RGB与深度信息融合实现精准感知。目标检测基于YOLOv11模型，针对不同相机特性优化预处理；大小判别结合深度值与相机内参计算实际尺寸；抓取点定位通过轮廓分析确定最优夹持位置，并转换为机械臂可识别的四元数位姿。
2025-09-16 17:49:49
879
原创 从3类AI赛事到微软创新杯中国区一等奖：大学生AI竞赛实战指南
《AI竞赛获奖实战：从选赛道到突围的致胜心法》 摘要：本文通过作者参加微软创新杯、全国大学生智能车大赛等AI赛事的实战经验，总结出三大核心策略：1）赛道选择决定成败，智能车大赛需技术硬件双强，应用场景赛依赖行业资源，而微软创新杯更侧重创意与落地平衡；2）创新杯获奖五要素：持续需求验证、场景贴合的技术原型、数据支撑的社会价值、可持续商业逻辑及复合型团队配置；3）通用心法强调需求预判、规则解读和资源整合。实践证明，在评审逻辑友好的赛事中，找准长期痛点的小切口解决方案，比盲目追求技术复杂度更易突围。
2025-08-31 08:00:00
842
原创 PyTorch全网最全安装实践教程【下篇】
本文围绕 PyTorch 环境搭建展开系统讲解，从剖析 PyTorch 特性入手，依次详述 Miniconda 安装配置、CUDA 组件部署（含工具包及 cuDNN 作用与获取），深入介绍 PyTorch 版本适配及离线安装、conda 环境集成流程，同时涵盖 PyCharm 环境衔接、多种环境迁移策略（文件复制、pack 库打包、requirements 文件利用 ），并对搭建中 CPU/GPU 版本选择、路径操作异常、CUDA 安装依赖等典型问题汇总解答，为深度学习开发者提供完整的 PyTorch 环境
2025-06-09 21:09:40
820
原创 PyTorch全网最全安装实践教程【上篇】
本文围绕 PyTorch 环境搭建展开系统讲解，从剖析 PyTorch 特性入手，依次详述 Miniconda 安装配置、CUDA 组件部署（含工具包及 cuDNN 作用与获取），深入介绍 PyTorch 版本适配及离线安装、conda 环境集成流程，同时涵盖 PyCharm 环境衔接、多种环境迁移策略（文件复制、pack 库打包、requirements 文件利用 ），并对搭建中 CPU/GPU 版本选择、路径操作异常、CUDA 安装依赖等典型问题汇总解答，为深度学习开发者提供完整的 PyTorch 环境
2025-06-09 20:27:05
1152
原创 【数据库大作业--酒店服务管理系统】
在学习《数据库系统原理教程》等相关课程时，期末的结课作业往往是设计一个数据库系统。设计开发过程中，大多数只是注重需求分析、概念结构设计、逻辑结构设计、数据库实施、运行测试等主要环节。本篇博客即为按照此要求建立的酒店服务管理系统。...
2022-06-11 20:50:18
14916
3
原创 Json格式的数据集标签转化为有效的txt格式(data_coco)
Json格式的数据集标签转化为有效的txt格式(data_coco)学习前言分析json格式标签转化为有效的txt格式实现效果学习前言在参加许多目标检测比赛时，为了能够获得合理的评价结果，官方往往是将已经打好标签的数据集事先划分好训练集与测试集，将训练集和测试集的标签分别存放在json文件。以百度飞桨平台第17届全国大学生智能汽车竞赛百度创意组数据集为例，我们将学习如何将json格式的数据集标签转化为有效的txt文件。分析json格式标签了解json文件格式，详细请参考这篇博客：Json
2022-03-18 22:18:29
23033
18
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