opencv将图像处理之后显示在label上（Mat转化为qimage）转换之后label显示全黑1、本实验要完成的功能：利用opencv将原图像灰度处理，然后显示在label上2、图像处理程序：cvtColor(src, temp, CV_BGR2GRAY);//将彩色图像转换为灰度图像QImage img((const unsigned char *)(temp.da...

深度强化学习-SAC的通俗解释本blog不涉及具体理论解析，只希望从应用角度对算法进行解读。如果想详细了解详细理论推导，可以参考博文：最前沿：深度解读Soft Actor-Critic算法1、算法优点：SAC采用一种off-policy的随机策略。离线：探索策略和学习策略不是同一个网络，随机：...

<强化学习篇>强化学习基础路线baseline1、动作概率函数功能：输入：observation，action输出：if action=None，输出动作概率分布；if action为制定动作，输出制动动作概率。对于离散空间，返回的是probability mass,连续空间，返回的是probability density.(连续空间中probability mass为0）。2、获得当

VS code C++程序中调用python函数，出现找不到Python.h头文件#include <Python.h>出现fatal error: Python.h: No such file or directory的问题这时需要我们手动添加包含Python.h文件目录ctrl+shift+P选择编译配置JSON，在生成的.json文件中的"includePath"加上包含Pyth

python将相机标定的结果写入与读取yaml文件的操作利用opencv标定完相机之后我们一般需要将参数存储在文件中，方便另一个程序使用。首先要安装yamlimport yaml1、yaml文件的写入：#write yamlmtx=mtx.tolist()dist=dist.tolist()data={"camera_matrix":mtx,"dist_coeff":dist}with open(

在抓取中，6D物体位姿常常是被需要的，能够帮助机器人获得目标物体的位置和方位。方法分类：①. 基于对应的方法找到输入数据与存在的完整3D物体模型之间的对应关系。有两种实现手段，一种是基于2D图像，找到2D点与3D点的对应关系，利用PnP方法估计物体6D位姿。另一种是基于3D点云方法，找到3D点与3D点的对应关系。基于2D图像往往需要物体必须具有丰富的纹理。利用3D模型从各个角度获得渲染的2D图像，

深度强化学习-SAC的通俗解释本blog不涉及具体理论解析，只希望从应用角度对算法进行解读。如果想详细了解详细理论推导，可以参考博文：最前沿：深度解读Soft Actor-Critic算法1、算法优点：SAC采用一种off-policy的随机策略。离线：探索策略和学习策略不是同一个网络，随机：...

QT运行出现The CDB process terminated解决办法运行程序时出现如图所示的问题：检查2件事：1、检查编译器和调试器工具-》选项-》构建和运行如果是电脑图标证明不是这里的问题，如果出现黄色的感叹号证明编译器和调试器没有搭配。具体解决办法有很多网页介绍，而且都是对的。注：QT和VS有依附关系，我一开始没有安装VS，结果就出现这个问题了，后来重新安装的VS才使编译器和调试器相搭配。

双足机器人ZMP预观控制算法通俗解释如果看完相关博文的推导过程，感觉还是不太明白其原理，故自己将思路重新梳理整理了一下，因此本文不涉及推导过程，力求以一种简单的方式说明其工作原理。将双足机器人模型简化为一个倒立摆模型或小车-桌子模型，后者在推导ZMP点的位置更加直观些，推导出来的运动方程将ZMP的位置与质心的位置和加速度联系在一起。所以在身体运动过程中，实际的zmp位置是会根据机器人实际的运动变化

google官方efficientdet网络训练自己数据集步骤以及问题解决1、谷歌官方代码网址，github上有各种版本的，建议使用官方的不会出现什么问题。https://github.com/google/automl/tree/master/efficientdet本人采坑记录，一开始使用github上pytorch版本star比较高的用来训练测试，发现精度还不错，但是infer的速度始终无法