登录社区云，与社区用户共同成长
邀请您加入社区
在航空制造领域，波音787梦想飞机的诞生不仅代表着材料科学与空气动力学的突破，更标志着工业生产方式数字化转型的重大飞跃。其中，增强现实（AR www.teamhelper.cn ）技术的实施成为这场革命的核心推动力，其具体实施步骤堪称现代工业4.0的典范。
本文介绍了使用ArkTS语言在HarmonyOS Next平台开发AR饮食识别App的实战指南。文章首先阐述了项目背景，指出AR技术能直观解决饮食营养识别问题，并分析了选择鸿蒙平台的优势。随后详细讲解了技术架构设计，包括分层结构、数据流和关键设计决策。核心部分深入解析了ArkTS严格模式的语法限制，通过对比正确与错误写法，总结了8个关键注意事项：模块导入规范、禁止内联对象类型、显式类型标注要求、静
公司通过语音识别、自然语言处理、计算机视觉、光学显示、芯片平台、硬件设计等多领域研究，将前沿的AI和AR技术与行业应用相结合，为不同垂直领域的客户提供全栈式解决方案。显示性能方面，H4000采用双目显示方案，实现160寸虚像大屏，透光度达60%，对比度100000:1，支持100% sRGB全彩显示，最高入眼亮度达1000nit。公司在广州、深圳、杭州、北京设有四大产研与业务中心，服务领域覆盖工业
摘要：本文介绍了一款开源离线地图瓦片下载管理系统，解决内网GIS开发中地图访问、下载和管理难题。该系统支持Google Maps、天地图等主流地图源，提供智能区域选择功能，集成MinIO云存储实现企业级数据管理。采用Vue3+Node.js全栈技术开发，包含实时日志、离线预览等实用功能，支持开发者快速部署使用。项目已开源，遵循Apache 2.0许可证，欢迎社区贡献。适用于需要私有化GIS系统的开
LCD世代（iPhone6 Plus–iPhone8）：屏幕模组内含三层偏振光学片，光路中圆偏振态完整保留，内部反光经多层抑制，出光柔和。OLED世代（iPhone X–iPhone17）：偏振片精简为两层，圆偏振偏光片仅剩一层。光路中缺少一级偏振缓冲，屏幕光线在离开表面时线偏振分量高，视觉上偏“硬”。关键数据是：少掉的那层偏振片，不只是减少了零部件，而是打断了圆偏振光路的完整性。结果表现为两个叠
虽然面临一定的挑战，但随着设备技术的进步和人员适应性的提高，AR技术的前景将更加广阔，必将在未来的电力行业中占据更加重要的位置。作为电力行业AR系统服务商，元幂境将深度解析AR技术在电力领域的应用，特别是在AR远程协助方面的作用，以及其带来的优势和挑战。传统的故障排查依赖于工作人员的经验和判断，而AR远程协助则可以通过实时视频传输、增强现实显示和专家指导，帮助现场工作人员在设备维修过程中获得准确的
随着人工智能（AI）和增强现实（AR）技术的飞速发展，越来越多的开发者开始探索如何将两者结合，以实现更加智能的场景感知和交互体验。通过图像场景识别，应用程序可以实时分析用户周围的环境，提供相关的增强信息。本文将带领大家从理论到实战，探讨如何使用CoreML集成深度学习模型进行图像场景识别，并在增强现实应用中显示识别结果。图像场景识别是计算机视觉领域中的一个重要分支，它可以帮助机器理解图像中的物体、
注意这里还有功率信息，比如辐射Radiated Power 0.4324597W，这样全部的激励信息就都有了，可以用作激励源了。在远场界面中，用户可以设置远场类型，线性还是dB，远场角的分辨率等等，所以这里导出的ASCII数据就是此时远场界面设置下的数据。三个方法导出的远场源都是这样的数据，就是每个theta和phi方位上的电场theta和phi分量，以及该场源的位置、频率等等。下面我们看ASCI
手术机器人面临轨迹冲突风险（如17%碰撞率）和时序错位问题，需构建高保真仿真测试框架，整合300+生物力学参数和200+异常场景。测试需覆盖器械安全距离（≥3mm）、形变率（≤15%）等指标，通过实时冲突预测和双重校验确保安全。行业正推进微创手术冲突测试模块，当前最高通过率仅82%，显示技术提升空间。
基于ROS的多种群自适应蚁群算法为机器人路径规划带来了新的活力。它巧妙地改进了传统蚁群算法的不足，借助ROS的强大功能，实现了更高效的路径规划。当然啦，这算法也还有优化空间，比如进一步提高计算效率，更好地适应动态环境变化。希望咱能从这个研究里获取灵感，在机器人技术的海洋里继续探索前行！欢迎大家一起交流探讨呀！
近年来，通过人类示范进行模仿学习在教授机器人操控技能方面取得了令人瞩目的进展。为了进一步扩大训练数据集的规模，近期的研究开始采用便携式数据采集设备，无需依赖物理机器人硬件。然而，由于在数据采集过程中缺乏机器人实时反馈，数据质量在很大程度上依赖用户的专业水平，并且许多设备仅适用于特定的机器人形态。为此，我们提出了 ARCap，一个便携式数据采集系统，通过增强现实（AR）提供视觉反馈，并通过触觉警告引
交互形式作为人机交互中最为重要的组成部分，在不同的环境与应用场景中采取不同的交互形式会给用户带来截然不同的使用感受。
无人机视频与GIS地图融合技术（Video AR）在安防、巡检等场景需求旺盛，但实现过程存在四大核心痛点：时间不同步导致画面延迟、镜头畸变造成边缘偏差、高程模型差异引发标注偏移、传感器误差引起方向漂移。针对这些问题，文章提出全局时间补偿、FOV动态修正和动态关键帧校准等解决方案，并分析了不同问题的可控边界。该技术虽能通过算法优化缓解大部分问题，但对硬件物理限制（如磁场干扰）仍无法完全克服。文章为开
有个骚操作是在加速阶段混了三次谐波注入，启动扭矩直接提升30%不带虚的。滑膜增益SMO_GAIN调小了抖振小但收敛慢，调大了又容易抽风，实测发现取电机额定电压的30%效果最骚。刚在GitHub上扒拉到一个贼有意思的无感Foc电机控制项目，代码全开源连原理图都直接甩脸上。电流采样更是野路子，直接拿运放搭了个带直流偏置的反向放大，省了专用采样芯片的钱。算法采用滑膜观测器，启动采用Vf，全开源c代码，全
[数学建模从入门到入土] 评价模型
SIEMENS/西门子TMS320F28335运动控制器DSP28335驱动器DSP28335运动控制卡采用DSP28335作为主控支持有刷电机，无刷电机，伺服电机电机电机参数识别，运动控制支持速度环，位置环，编码器，模拟量接口支持CANOPEN，modbus总线包括原理图，源代码已移植量产使用，具有极高的参考价值最近在研究运动控制相关项目，发现SIEMENS的TMS320F28335运动控制器真
随着科技的不断进步，越来越多的 AR 技术被应用到各个领域。AR 指增强现实技术，是一种可以将数字信息和现实场景融合的技术。下面将简单介绍 AR 技术的应用领域和现状。教育领域是 AR 技术的重要应用领域之一。AR 技术可以将学习过程变得更加生动有趣，帮助学生更加直观地了解知识点。例如，在高中化学教学中，AR 技术可以将元素周期表变成一个立体的、可交互的图像，帮助学生更加深入地了解元素的性质和应用
[数学建模从入门到入土] 预测模型
矢量数据（shp）转栅格数据（tiff）
2018年的时候，Leap Motion（Ultraleap前身）曾开源了一款低成本、简易的AR头显方案：Project North Star（北极星项目）。该方案主要用来帮助爱好者、开发者们快速上手AR开发，而无需购买HoloLens等昂贵的AR头显。除了北极星AR外，这些年来类似的开源AR头显很少，采用率也不高。我们知道，由于AR光学成本高，目前市面上支持3D显示的AR眼镜通常都比较昂贵，普通
你有没有在商场看到过这样的体验：手机对着一张海报扫一扫，海报上就"跳"出一个 3D 动画角色？或者扫描一张明信片，明信片上就开始播放视频？这背后靠的就是。简单说，就是让 AR Engine 认识你指定的图片，然后在图片上方叠加 3D 内容。
你有没有想过一个问题：AR 应用是怎么知道手机在现实世界里移动了多少、转了多少度的？比如说你在玩一个 AR 游戏，把一个虚拟小人放在桌面上，然后你拿着手机绕桌子走一圈。小人始终稳稳地站在那个位置，不会乱跑。这背后靠的就是。简单说，SLAM（Simultaneous Localization and Mapping）就是让手机一边"画地图"（识别周围环境），一边"定位自己"（知道自己在哪）。这两个事
你有没有想过，AR 家具 APP 是怎么把虚拟沙发稳稳地放在地面上的？它怎么知道哪里是地面、哪里是桌面、哪里是墙壁？答案就是。AR Engine 能从摄像头画面中自动识别出各种平面——水平的地面和桌面、垂直的墙壁，甚至天花板。识别出来之后，你就能在这些平面上放置虚拟物体了。而比平面检测更进一步。它不是只给你一个平面，而是把整个环境的表面用三角形网格重建出来。有了网格数据，你就能做更精细的 AR 效
AR图像跟踪技术解析 本文介绍了AR图像跟踪技术的实现原理和应用场景。该技术通过AR Engine识别特定图片，并在图片上方叠加3D内容。核心流程包括：准备识别图片、创建图像数据库、配置AR类型为IMAGE、初始化会话和实时扫描。图像数据库最多可存储50张图片，需满足分辨率、宽高比和纹理特征等质量要求。开发者可通过序列化功能持久化数据库。典型应用包括AR名片、教材、游戏和产品展示等，通过扫描特定图
几年前，AR（增强现实）和VR（虚拟现实）曾被视为“下一代计算平台”，资本的狂热不亚于后来的大模型。发布会上的炫酷演示、铺天盖地的概念炒作，一度让人感觉“元宇宙”近在眼前。然而，当潮水退去，消费市场的反应却不如预期。昂贵且笨重的硬件、匮乏的优质内容、难以消除的眩晕感，让许多尝鲜者将设备束之高阁。泡沫破裂并非终点，而是一个必要的转折。喧嚣褪去之后，AR/VR技术正在寻找它真正的价值锚点——不在客厅的
传统AI模型擅长"单模态"任务：OCR模型看文字，YOLO模型看目标，BERT模型读文本。但电力巡检的现实场景是多模态混合的——设备铭牌上的文字信息（型号、参数、出厂日期）红外热像图中的温度分布历史工单中的文本描述图纸CAD图中的空间结构单模态模型无法同时"看懂图、读懂字、理解上下文"。多模态大模型（Vision-Language Model，VLM）就是为了解决这个问题而生的。
2026 年，AI Agent 早已不是新鲜概念。从 OpenAI 的 Function Calling 到 Anthropic 的工具调用，从 MCP 协议的普及到各家大模型的原生工具支持，AI 能够“调用工具”已成为标配能力。AI 能调用的工具，大多是公网 SaaS 的 API（Slack、Notion、Google Sheets），而你真正的核心业务能力——那些跑在内网、承载着公司核心逻辑的
HarmonyOS 5的DeviceProfile与动态LOD模型切换方案，为3D应用解决了「高端机性能过剩、低端机体验拉胯」的痛点。通过「硬件检测-策略匹配-模型切换」的闭环流程，开发者无需为不同设备重复开发，即可让3D应用在全场景设备上流畅运行。
ar
——ar
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
深开鸿 技术专区
人工智能6S服务平台
AI Agent技术社区
DAMO开发者矩阵
HarmonyOS开发者社区
脑启社区
MCP技术社区
