<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wolfseek的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wolfseek</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wolfseek]]></copyright><item><title><![CDATA[KDL机器人库的使用]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/154817594</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/154817594</guid><author>wolfseek</author><pubDate>Fri, 14 Nov 2025 08:10:49 +0800</pubDate><description><![CDATA[本文介绍了两种构建机器人运动学模型的方法：1）使用关节向量和连杆参数直接定义；2）采用标准DH参数法。详细说明了DH参数的四个要素（α、a、d、θ）及其物理意义，并给出了具体的代码实现。文章还展示了基于KDL库的正向和逆向运动学求解过程，包括关节空间到笛卡尔空间的转换（JntToCart）及其逆过程（CartToJnt）的具体实现方法，为机器人运动学建模提供了实用参考。]]></description><category></category></item><item><title><![CDATA[RL机器人人库使用简介]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/154738247</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/154738247</guid><author>wolfseek</author><pubDate>Wed, 12 Nov 2025 14:47:42 +0800</pubDate><description><![CDATA[本文介绍了机器人开发框架的主要模块及其应用实现。框架包含硬件抽象层、运动学算法、数学模型、运动规划等核心模块。通过ABB IRB-4600机器人模型的XML文件加载，展示了系统初始化过程，包括场景构建和模型加载。详细说明了关节坐标和世界坐标的获取方法，以及通过正/逆运动学实现关节操作和世界坐标操作。在界面更新方面，实现了机器人3D模型与仿真模型的同步显示。文中还提到了使用NloptInverseKinematics算法处理逆向运动学问题，为机器人控制提供了完整的解决方案。]]></description><category></category></item><item><title><![CDATA[socket异步连接超时异常]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/154011552</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/154011552</guid><author>wolfseek</author><pubDate>Tue, 28 Oct 2025 11:33:39 +0800</pubDate><description><![CDATA[这一段是出问题的read代码，问题就在于recv偶发性的会返回-1，但大多时候errno为0，偶尔会是22，经几番测试和验证发现这种情况下返回-1后不影响再次接收，使用while循环接收数据。1.使用异步connect-select方式实现的连接超时功能不能正常工作了，但使用setSocketOpt设置接收超时的功能正常了。经过排查发现异常出在两处。以上这段代码是出问题的代码，这段代码中connect返回了-1，并且select 函数也会返回-1导致功能无法正确实现。]]></description><category></category></item><item><title><![CDATA[opencv模版匹配]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/153785690</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/153785690</guid><author>wolfseek</author><pubDate>Thu, 23 Oct 2025 17:04:51 +0800</pubDate><description><![CDATA[opencv模板匹配网上的实现方式不少，但大多在特定的应用场景中表现还不错，负责的场景中表现都不如意，特别是有角度要求的模板匹配。本文介绍了一种使用opencv模板匹配的方式，大大提高了应用场景的适应性和匹配的准确率。（注：PCB板芯片匹配目前测试情况看准确率还没有达到100%)]]></description><category></category></item><item><title><![CDATA[RCNN系列网络的理解]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/133862304</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/133862304</guid><author>wolfseek</author><pubDate>Mon, 16 Oct 2023 16:55:24 +0800</pubDate><description><![CDATA[RCNN,  FAST RCNN, FASTER CNN, MASK RCNN]]></description><category></category></item><item><title><![CDATA[libtorch之cv::Mat和Tensor的互转]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/133362780</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/133362780</guid><author>wolfseek</author><pubDate>Wed, 27 Sep 2023 20:01:12 +0800</pubDate><description><![CDATA[使用c++ libtorch开发,  cv::Mat和torch::Tensor的数据互转]]></description><category></category></item><item><title><![CDATA[libtorch之tensor的使用]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/133295429</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/133295429</guid><author>wolfseek</author><pubDate>Tue, 26 Sep 2023 09:28:47 +0800</pubDate><description><![CDATA[它将b的第3个围堵作为c的第一个维度，b的第二个维度作为c的第二个维度，b的第一个维度作为C的第三个维度，所以c的维度是5x5x3。这里需要申明的一点，这里只是数据维度的调整，并没有调整数据存储空间，tensor数据的存储是线性存储的。通过下标的访问，返回的是一个tensor对象，即使是最后一维元素也是，无法得到像float,int这样的数据类型，需要使用的tensor的item函数获取。tensor的拼接有两种基本形式的拼接，一种是stack式的扩展维度，另一种是cat形式的在某个维度上的连接。]]></description><category></category></item><item><title><![CDATA[通用插件框架体系-媒介系统]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/128365146</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/128365146</guid><author>wolfseek</author><pubDate>Mon, 19 Dec 2022 07:23:01 +0800</pubDate><description><![CDATA[在实际的项目中，很多场景需要我们在不知道对象具体类型的情况下构建拷贝对象、复制数据、归档数据等。如在一个基础类库中管理了诸多的派生类，这些类是以基类类型指针或无类型指针管理的。另一种典型的场景是基础类库中要跨线程复制和拷贝数据时。这些场景有一个典型的特点是基础类库不知道派生对象的具体类型。媒介系统就是要建立一套机制，在这种场景下构建对象和归档对象。这一种需求类似于c++的运行时类型鉴定(RTTI），但又超越了运行时类型鉴定提供的能力。]]></description><category></category></item><item><title><![CDATA[通用插件框架体系-日志系统]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/128350225</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/128350225</guid><author>wolfseek</author><pubDate>Sat, 17 Dec 2022 09:23:07 +0800</pubDate><description><![CDATA[日志，作为一个基功能有着广泛的应用，本文介绍了一种日志系统的实现，同时支持windows和linux两种平台。首先实现了一个基本的类CTrack，再以这个类为基础提供了一个对外的接口Track，之后再定义了各种宏，方便模块的使用。]]></description><category></category></item><item><title><![CDATA[halcon一维测量]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/46715075</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/46715075</guid><author>wolfseek</author><pubDate>Wed, 01 Jul 2015 21:29:05 +0800</pubDate><description><![CDATA[halcon的一维测量核心步骤如下：
1.通过一个矩形ROI创建测量对象，他的ROI是一个Rect2矩形，将在这个矩形phi方向上测量。
2.调用单个尺寸测量或多个尺寸测量。
3.关闭测量对象。


代码如下：
void TestProc1D(QWidget *w)
{
                 QSize size
 = w ->size();
          ]]></description><category></category></item><item><title><![CDATA[光学测量的精度]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/46714787</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/46714787</guid><author>wolfseek</author><pubDate>Wed, 01 Jul 2015 21:07:58 +0800</pubDate><description><![CDATA[决定光学测量系统的精度，有哪些要素呢？首先我们看相机，相机的像素，诸如3876x2584这样的数据，更有直观放入表述叫100，500,800万像素。另一个是视场，视场诸如100cm X 80cm等，是拍摄对象真实的尺寸，这个视场的大小与镜头的放大、缩小倍数有关（更直接的说与焦距有关）。接下来我们看视觉分辨率，若100cm的距离成像到3876个像素上，那么在这个方向的分辨率就是100/3876
 ]]></description><category></category></item><item><title><![CDATA[halcon二维测量]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/46687509</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/46687509</guid><author>wolfseek</author><pubDate>Mon, 29 Jun 2015 21:43:09 +0800</pubDate><description><![CDATA[halcon二维测量的基本步骤
1.图片预处理，这里指的是图片的滤波等手段，使要测量的特征凸显化，有效去除噪点干扰等。
2.阈值化，通过阈值化抽取出图像的特征，通常使用灰度阈值化，但halcon中没有特意的将图片转换成灰度图，而是直接调用阈值化处理函数。同时灰度直方图能帮助开发人员快速找到阈值范围。
3.阈值化之后是求解图片的联通区域，一般阈值化之后存在很多连通区域，还要使用select_s]]></description><category></category></item><item><title><![CDATA[PCM转WAV]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/44114745</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/44114745</guid><author>wolfseek</author><pubDate>Sat, 07 Mar 2015 11:10:38 +0800</pubDate><description><![CDATA[//.H**********************************************************
class QPcmToWav : public QObject
{
    Q_OBJECT
public:
    QPcmToWav(QObject *parent = 0);

    void setFormat(const QAudioFormat]]></description><category></category></item><item><title><![CDATA[Qt动态重生类厂]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/44114705</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/44114705</guid><author>wolfseek</author><pubDate>Sat, 07 Mar 2015 11:07:57 +0800</pubDate><description><![CDATA[class QConstructHelper
{

public:

    virtual void * create() = 0;

};




templatetypename T>

class QMetaTypeConstructHelper : public QConstructHelper
{

public:

    QMetaTypeConstruct]]></description><category></category></item><item><title><![CDATA[简单通用数据访问映射层]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/44114649</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/44114649</guid><author>wolfseek</author><pubDate>Sat, 07 Mar 2015 11:02:53 +0800</pubDate><description><![CDATA[与简单数据访问层配合的命令道SQL语句的映射层，目标构建通用代码，使用不同的配置文件完成不同数据访问功能。]]></description><category></category></item><item><title><![CDATA[简单通用数据访问层]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/44114599</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/44114599</guid><author>wolfseek</author><pubDate>Sat, 07 Mar 2015 10:58:29 +0800</pubDate><description><![CDATA[使用Qt实现的简单的通用数据访问层，方便构建通用数据访问。]]></description><category></category></item><item><title><![CDATA[树的非递归深度优先遍历]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/43159841</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/43159841</guid><author>wolfseek</author><pubDate>Mon, 26 Jan 2015 20:46:22 +0800</pubDate><description><![CDATA[void GZLTBydDataExt::readFromXml(QDomElement & secondElem)

{

    //QDomElement elem = secondElem.firstChildElement();
    //while(!elem.isNull())
    //{
    //    this->readMathData(elem);
  ]]></description><category></category></item><item><title><![CDATA[c++中带空格路劲的处理]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/41730213</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/41730213</guid><author>wolfseek</author><pubDate>Thu, 04 Dec 2014 21:06:45 +0800</pubDate><description><![CDATA[处理的原则是使用一个双引号将这个路劲包含，但c++中双引号是一个关键字符，所以必须使用转义字符完成这一功能。
见代码：



QString str;

if(data.opt.contains(" "))
{
     str = QString("\"%1\"").arg(data.opt);
}
else
{
     str = data.opt;
}

Q]]></description><category></category></item><item><title><![CDATA[字符串相似度]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/41730091</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/41730091</guid><author>wolfseek</author><pubDate>Thu, 04 Dec 2014 20:59:51 +0800</pubDate><description><![CDATA[这个算法来源于网上，但忘记了出处，对其使使用了isSame封装，然后用在了自己的网页数据抓取代码中。




//求解两个字符串的相似度
int calculateStringDistance(const string &strA, const string &strB)

{

  int lenA = (int)strA.length()+1;

  int lenB = (]]></description><category></category></item><item><title><![CDATA[mfcc]]></title><link>https://blog.youkuaiyun.com/wolfseek/article/details/41729839</link><guid>https://blog.youkuaiyun.com/wolfseek/article/details/41729839</guid><author>wolfseek</author><pubDate>Thu, 04 Dec 2014 20:47:26 +0800</pubDate><description><![CDATA[在研究MFCC算法时，从网上下了一份代码，经过小改编译通过了，可程序一跑就蹦，费了好几天的功夫也没找到问题的原因。
化了一个月的时间边看资料，边整理代码，参照原有代码自己实现了一份。目前代码调通了，还没有能力验证结果的正确性。


     这里使用的FFT算法是从网上下载的。稍后也将其附上。欢迎有MFCC经验的朋友帮忙指正其中存在的问题。
      

#ifndef MFCC_]]></description><category></category></item></channel></rss>