登录社区云,与社区用户共同成长
邀请您加入社区
行空板K10是一款国产物联网与AI学习开发板,集成摄像头、麦克风、扬声器、2.8寸彩屏及多种传感器,支持离线图像检测、语音识别与合成功能。其实验案例展示了移动侦测功能,通过NPU神经网络加速器实时分析画面变化,配合屏幕文字提示和RGB灯光联动,可用于安防监控、宠物监测等场景。板载资源丰富,无需外接设备即可完成AI项目开发,适合教学与实践应用。 (摘要字数:150字)
本文对比了A-LOAM与LeGO-LOAM在特征提取前处理阶段的差异。两者均基于局部曲率提取边缘点与平面点,但预处理策略不同:A-LOAM采用点级筛选,通过扫描线邻域分析剔除遮挡点与突变点,实现简单通用;LeGO-LOAM则先构建距离图像,进行地面检测与连通域分割,保留稳定区域后再提取特征,更适合低线束雷达和地面移动场景,特征稳定性更优。核心区别在于处理粒度:A-LOAM关注局部点的可靠性,而Le
本文系统解构了 Linux 进程信号的产生、保存与捕捉机制。通过生活隐喻与底层原理解析,揭示了信号作为软件中断的异步通信本质,并深度图解了进程在内核态与用户态之间进行“8字型”上下文穿梭的精密流程。同时,立足 C++ 后端高并发场景,直击因信号异步触发而引发的不可重入函数与数据二异性灾难,给出 volatile 关键生存法则。本文旨在帮助开发者扫清多控制流异步调度的理论盲区,编写高可用、防崩溃的底
本文记录了双目相机标定流程。相机输出2560×720图像(左右各1280×720),采用14×12棋盘格(边长19.7mm)标定,经异常诊断获得稳定结果:有效图片32对,左目RMS为0.39px,右目RMS为0.39px,双目RMS为0.41px,基线长度59.50mm。项目发现并解决了“单目RMS低但双目RMS高”问题,定位右目角点顺序异常并完成验证。标定结果可为立体校正与深度恢复提供基础,支撑
本文介绍了4-bit地牢神机在系统架构上的关键升级:首先通过硬件堆栈实现了程序计数器的历史记忆功能,解决了子程序调用和返回问题;随后引入中断控制器,实现对异步事件的多路优先级管理。文章详细阐述了满递减栈的实现原理、PC值的拆分与重组机制,以及中断处理的完整流程,包括现场保存、中断仲裁和恢复执行。这些改进使该机器从简单状态机升级为具备完整异步处理能力的通用计算系统,为后续实现游戏逻辑奠定了基础。下期
本文聚焦于在QT6框架下,面向Android平台,利用C++与TensorFlow Lite(TFLite)实现的人脸识别程序开发。研究目的在于探索一种跨平台、高性能的移动端人脸识别解决方案,突破传统Java或Python方案在实时性与资源管控上的局限。方法上,程序以QT6的Android JNI接口为桥梁,实现C++业务逻辑与Android系统服务的交互;核心推理引擎采用TFLite的C++ A
《确定性延迟与C++的内存管理艺术》探讨了工业视觉系统中实现实时性的关键技术。文章指出,传统带垃圾回收的语言因GC停顿无法满足毫秒级响应需求,而C++通过精细的内存控制可达成确定性延迟。核心解决方案包括:1)内存池预分配消除运行时动态分配的不确定性;2)栈分配优化提升局部性;3)自定义无锁分配器避免线程竞争;4)数据结构布局优化(SOA)提高缓存命中率。实际部署数据显示,该方案实现纳秒级稳定分配延
摘要 行空板K10是一款国产物联网与人工智能学习开发板,集成2.8寸彩屏、摄像头、麦克风、扬声器及多种传感器,支持离线语音识别、图像检测和语音合成功能。实验通过I2C IO扩展板连接3640直流无刷电机,利用其AB两相正交霍尔脉冲实现测速与转向判断。核心功能包括: 测速原理:通过统计单位时间脉冲数计算转速(公式:转速=脉冲数/时间/单圈脉冲×60) 方向识别:根据A、B相90°相位差判断正反转时序
精通DDS中间件(ROS2的核心):- DDS基本概念:域(Domain)、参与者(Participant)、发布者(Publisher)、订阅者(Subscriber)、数据写入者(DataWriter)、数据读取者(DataReader)以下是分层级的完整技术栈要求,标注了架构师与普通开发的核心差异。✅ ROS2核心概念:生命周期节点、组件(Component)、参数服务、动作(Action)
在 RAG 私有知识库落地场景中,Zvec 的典型技术落地架构分为四层:文档预处理层、向量化编码层、Zvec 向量存储检索层、大模型问答生成层。Zvec 的诞生精准切入轻量化嵌入式向量检索赛道,基于标准 C++17 从零开发向量检索内核,零第三方系统依赖,编译后仅生成单个可执行文件或者静态链接库,支持 Windows、Linux、macOS、ARM 嵌入式系统全平台编译运行,最低仅需要几十 MB
回顾全文,PID控制是连接基础编程与高级竞赛、乃至工业无人机落地的核心枢纽。不管你是在准备中小学机器人竞赛(如智能巡线车、避障竞速赛、机器人巡线和走迷宫项目等),还是在推进更复杂的机器人算法优化,这一套PID代码框架足以让你快速起步。最后送你一条调参口诀”调参先Kp,初露平衡;配Kd,灭波动;补Ki,清误差;勤记录,渐升速;多场景,全验证。希望你这套PID巡线小车在比赛当天一骑绝尘,也希望你对智能
文章摘要: 本文深入探讨了Linux系统中的信号机制,主要内容包括: 信号概念:信号是进程间异步通信机制,用于通知特定事件发生,与信号量完全不同。 信号产生方式:键盘组合键(如Ctrl+C)、系统调用(kill/raise/abort)、硬件异常(除零/段错误)和软件条件(如定时器)。 信号处理流程:内核通过pending位图保存信号,在进程从内核态返回用户态时检查处理。 信号捕捉细节:用户自定义
进入工作空间创建包,需要注意的是,加入geometry_msgs,因为twist是这个包里的。节点名:cmd_vel_serial_node.cpp。包名:stm32_serial_bridge。进入包的源码文件夹创建节点。串口通信节点具体代码。
C++在工业视觉引擎TVA中的核心作用 摘要:针对工业视觉场景毫秒级响应的严苛要求,TVA框架采用C++构建高性能计算核心。通过无锁数据结构、SIMD指令优化和精确内存控制,实现单帧处理延迟低至2.8ms。系统采用多层次并行架构,结合编译器深度优化(LTO/PGO)和实时性能监控,在Xeon Gold处理器上达到520fps的吞吐量。相比Python/Java实现,C++版本性能提升6-16倍,内
本文面向海光 DCU 的编程初学者,全程以一套真实的气候态海温第 90 百分位计算程序为主线,从零开始介绍 DCU 上的 HIP 编程。每引入一个概念(线程、显存、stream、核函数),都立即用 SST 程序中的对应代码来演示。读者完成本文后,应能理解 SST 程序的完整 GPU 计算流程,并具备将类似气候数据计算任务移植到 DCU 的能力。关键词:海光 DCU;HIP 入门;SST 气候态;百
请大家把屏幕放大,死死凝视我上面精心梳理的这幅 《16位实模式 MD 模拟器全局软件架构与数据流向图》。这,就是我们花费了数篇心血,在这片只有 640KB 常规内存的荒原上,徒手构筑起来的‘模拟器帝国全景沙盘’。每一个方框,都是我们用 Large 模式远指针焊死的一道合金承重墙;每一个箭头,都是我们用纯位运算和内联汇编开辟的硬件级高速公路!
这个宏就是将中,只声明未定义的部分全局变量进行定义,仅此而已通常我们会将这个宏放到某一个cpp的源文件中在此之前我们在默认空间perfetto下注册了一些类别,但是在多模块复杂工程中,如果只使用默认空间的话,会导致每个组件在定义自己的新类别时,都去改动同一个文件的同一个部分可以通过和两个宏自定义空间前者只会在新的空间下声明全局变量,不会去做桥接,这样就不会影响默认行为;而后者和不同点在与空间名是可
【摘 要】密码学中的高级加密标准(Advanced Encryption Standard,AES),是美国联邦政府采用的一种区块加密标准,此标准用来替代原先的 DES(Data Encryption Standard),已经被多方分析且广为全世界所使用。AES 算法中一般的加密通常都是块加密,独立的块加密不能隐藏明文的模式,为解决此问题需要采用链加密模式,本文对对称加密和分组加密中的ECB、CB
本文介绍了面向光滑物体的双相机 + 格雷码 + 多频相移结构光三维重建方案。双相机标定和立体校正投影格雷码图案和多频相移条纹左右相机同步采集图像使用格雷码确定条纹周期编号使用多频相移计算高精度绝对相位根据编码和相位进行左右匹配得到视差图并通过Q矩阵恢复三维点云格雷码解决稳定性多频相移解决精度双相机解决三维几何调制度和曝光控制解决光滑表面噪声对于光滑、低纹理物体,普通双目视觉往往难以稳定匹配,而主动
从向量加法的简单例子出发,你已经掌握了 DCU 编程的基本骨架。接下来可以进入更复杂的实战场景。在实际集群中,不同节点可能安装了不同的 DTK 版本。DCU 的软件栈称为。DCU 集群通常通过。
FOC 闭环与底层控制的解耦:在多机器人协同中,I2C 通信和轨迹规划属于“上层逻辑”,而 BLDC 的 FOC(磁场定向控制)属于“底层高频控制”。例如利用 ESP32 的双核特性,Core 1 专职运行 1kHz 的 FOC 电流/速度环,Core 0 负责 I2C 通信与时间轴解算,确保电机控制不受通信阻塞的影响。例如,主机广播编队参数,从机解析后驱动电机。定时任务触发:基于实时时钟(如DS
整理C++开发中常用的设计规范
行空板K10是一款国产开发学习板,专为物联网和人工智能教学设计。该板集成2.8寸彩屏、WiFi蓝牙、摄像头、麦克风、扬声器及多种传感器,支持离线AI功能如人脸识别、语音识别与合成。实验通过光强传感器控制继电器模块,当光线低于阈值时,P0引脚输出高电平使继电器吸合;反之则断开。代码使用K10库实现硬件初始化、屏幕显示和传感器数据读取,实时显示继电器状态和环境光数值。该设计展示了K10在智能控制中的应
本文深入探讨了Linux信号的保存机制。当信号产生但进程暂时无法处理时,信号会被保存在内核维护的三个关键数据结构中:pending表记录未决信号,block表记录被阻塞信号,handler表存储信号处理方式。文章详细介绍了信号相关概念(递达、未决、阻塞与忽略的区别)以及内核中的信号集表示方式(sigset_t位图结构)。同时讲解了信号集操作函数(如sigemptyset、sigprocmask等)
SGM 由 Hirschmüller 2005 年的经典论文提出,核心思想是:沿多个方向做 1D 动态 programming,近似全局能量最小化,既保留全局方法精度,又规避了全局方法 O(N²) 的恐怖复杂度。
LIO-SAM 的 ImageProjection 模块主要用于 LiDAR 点云预处理。核心功能是将无序 3D 点云转换为结构化的距离图像,并利用 IMU 数据补偿运动畸变。输入原始点云、IMU 和里程计数据,输出去畸变点云及信息包。关键技术包括点云去畸变、距离图像投影及多传感器同步。该模块在系统中承上启下,为后续特征提取与位姿优化提供高质量数据基础。
在普通双目视觉中,三维重建的核心问题是左右图像匹配。如果物体表面纹理丰富,双目匹配相对容易;但如果物体表面是白色、光滑、低纹理区域,传统匹配就很容易失败。为了解决这个问题,可以引入结构光投影。双目相机 + 格雷码条纹它的核心思想是:投影仪向物体表面投射格雷码条纹,让物体表面带有主动编码;左右相机分别采集这些编码图案,再根据编码结果建立左右像素匹配,最后使用双目三角测量恢复三维点云。双目相机标定格雷
(短时间训练就够用)## 五、四大方案综合对比| 维度 | LoRA | QLoRA | DoRA | PiSSA | QDoRA | QPiSSA ||------|------|-------|------|-------|-------|--------||## 一、LoRA 的局限与三大改进方向### 1.1 经典 LoRA 的局限LoRA 的核心思想:冻结预训练权重 W,训练低秩矩阵 B
1. 内存管理 (malloc/free/RAII/refcount)2. 字节序 (网络字节序 vs 主机字节序)3. 内存对齐 (SIMD / stride)4. 函数指针 + 上下文结构体 (C "对象")5. 多线程 (pthread / std::thread / lock-free)6. JNI / 跨语言数据传递 (参考 0.3 篇)先会用: C 基础 + 指针 + 引用计数 + p
输入:10,950 个 NetCDF 格式的逐日海表温度文件(30 年 × 365 天),每个文件 1,166 × 721 网格点计算:对夏季(6–8 月)92 天,以 11 天滑动窗口(±5 天)统计 30 年间每个像素点的气候态均值(Clim)和 90% 分位数(P90)输出:92 个 NetCDF 文件验证:与参考数据逐日交叉验证 RMSE这是一个典型的数据密集型 + 尴尬并行任务——大量
Redis Set 类型解析:从底层实现到应用场景 摘要 本文深入解析 Redis 的 Set 数据类型,首先从语义层面区分 Set 与 List、Hash 的差异:Set 强调元素唯一性且不保证顺序,适合去重和集合运算场景。底层实现上,Redis 根据数据规模采用不同编码策略:小集合使用紧凑的 listpack 编码(存储 header+entry+EOF 结构),大集合则转换为 hashtab
本文介绍了如何将GDB命令行调试器封装为可视化调试面板。
WebSocket 不是一开始就直接发送二进制帧,它先通过 HTTP 发起升级请求。服务端要读取,按 RFC 6455 的规则生成,再返回。之后这条 TCP 连接才进入 WebSocket 帧通信阶段。项目中的 WebSocket 状态用state == 0state == 1state == 2。
是海光信息(Hygon)自主研发的面向高性能计算与人工智能的通用加速处理器。其核心架构基于 AMD CDNA(Compute DNA)授权并进行了国产化深度定制,本质上是一款——与 NVIDIA GPU 在概念上类似,但完全由中国自主可控的技术栈构成。DCU 目前最主流的型号为,架构代号,是当前国产异构计算平台中最具代表性的加速卡之一。
这篇文章摘要(150字): 海光DCU深度使用手记(上)分享了基于MCC2026超算竞赛的实战经验。文章首先澄清海光DCU(Deep Computing Unit)是兼容AMD ROCm生态的通用计算加速卡,其HIP编程接口与CUDA高度相似。作者详细介绍了超算环境配置(海光Z200系列DCU、DTK 25.04.4工具链)和从CPU到DCU的移植策略,重点设计了五阶段流水线架构,实现I/O与计算