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。

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。

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。

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。

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。

原始数据存放在工程目录下的和两个文件夹下面。找到 COLMAP 中sparse/0目录下的三个标准文件：准备两张图像：在COLMAP的images图像中找到两张有重叠区域的图像，记录下文件名字，后面还要从images.txt和points3D.txt中提取特征点坐标、图像位姿、共视场的3D点等信息。先解析原始文件，拿到所有图像的稀疏重建结果，原始文件数据格式可以参考之前的博客。这一步骤主要提取相机

是一个用于图像匹配的深度学习模型，发表于 ICCV 2021。在两张图像之间建立像素级对应关系输入：图像A + 图像B（一对）输出：N个对应点坐标，表示图A中的点对应图B中的哪个位置图像拼接 / 全景生成三维重建视觉定位 / SLAM目标跟踪图像配准✅ 端到端学习方法，无需手工特征提取✅ 支持稀疏和密集匹配✅ 多尺度精化，精度高✅ Cycle consistency验证，提供置信度⚠️ 推理速度较

本文基于工业项目经验，以"智能仓储体积检测系统"为例，介绍激光雷达点云处理项目的环境搭建、核心算法选型及工程实践要点。首先需要根据实际工作场景大小、测量精度要求对雷达进行选型。然后确定开发平台，工业级项目推荐 VS + Qt + PCL + VTK 组合，可实现一套带点云分析、处理、显示功能的客户端软件。算法开发流程如下：原始点云采集 → 直通滤波 → 坐标系转换 (雷达→客户，需标定) → 体素