✅ 镜像构建时安装 Docker 和 Docker Compose✅ 启动命令行中运行 dockerd 服务（否则不存在）✅ 设置授予特权。

步骤OpenCV 函数角点检测亚像素优化位姿估计solvePnPRodrigues手眼求解。

Z 轴（高度方向）↑││ │ ││ · ← 抓取点 │ ← 上表面中心││XY 平面便于夹爪接近，无遮挡夹持稳定，不易滑落考虑工件重心，避免翻转世界坐标系/基座标系 (Base Frame)- 原点：机械臂基座中心- Z 轴：垂直向上- X 轴：指向机械臂正前方相机坐标系 (Camera Frame)- 原点：相机光心- Z 轴：沿光轴向下（指向工作台）- X 轴：图像水平向右物体坐标系 (Obj

分别尝试了在Windows下和Ubuntu下安装使用，配置方法差不多都是可行的。

执行这个命令后会弹出一系列弹框，结合个人情况选择，不会选的可以参照。

项目结论加速效果3.79x，从 237ms 降至 62ms显存优化节省 2120MB，占用减半精度影响Scores差异 0.0118，检出一致性 65.79%差异特征主要影响边缘目标，方向不确定部署建议FP16适合生产部署，边缘差异可业务验证核心收益：TensorRT FP16 显著提升推理效率，精度损失可控，适合实际应用部署。参考项目环境配置ftfy 6.1.1h11 0.16.0idna 3.

是一套结构化的AI辅助开发工作流工具。它不是简单的"让AI讨论 → 规划 → 执行 → 验证 → 发布每个阶段都有明确的输入输出，并且会一步步提示协助你考虑的更全面，AI在每个环节扮演不同的角色：有时是研究员，有时是架构师，有时是程序员，有时是测试工程师。如果你使用的是非Anthropic默认API（比如阿里云DashScope"env": {},GSD让AI辅助开发变得结构化、可控、可追溯。它不

在Ubuntu下开发，在vscode中使用插件还是挺方便的，可以参考之前写的，但是有时需要在Window下用VS2022+QT开发可视化的点云处理工具，这时为了方便开发，需要在中安装插件，本文记录安装方法。

HLOC(Hierarchical-Localization) 是由瑞士ETH Zurich的CVG (Computer Vision and Geometry) 研究组开发的开源视觉定位与三维重建工具箱。它集成了多种深度学习特征提取和匹配方法，号称可无缝对接COLMAP等三维重建软件，但是实际Colmap一直在升级，数据库表格字段等都在不断修改，用新版本会出现数据无法适配问题。核心定位模块化的视

ALIKED（A Lightweight and Keypoint Detection）是一种基于深度学习的局部特征提取方法，由清华大学团队开发。它能够同时检测关键点并生成描述子，具有轻量化、高精度的特点，官方提到的旋转不变性在我的任务中没有得到很好的效果。git仓库轻量高效：模型小、推理快，适合实时应用亚像素精度：关键点定位精确。