联合标定大恒MER139和大疆C型开发板
一、编译安装好imu_utils和code_utils看沈航教程 二、将IMU数据发布到ROS的/imu_data节点。接沈航运行roslaunch imu_utils bmi088.launch 三、使用STM32F407IGH6和BMI088 IMU的基本示例，将IMU数据发布到ROS的/imu_data节点 大致流程： 首先，请查阅大疆C型开发板的用户手册或硬件文档，以确定BMI088 IMU模块连接到的I2C引脚以及USART引脚。一般来说，这些信息会在原理图或者芯片手册中提供。 使用STM32CubeMX根据找到的引脚信息配置I2C和USART接口，如前面所述。如果需要，您也可以手动修改生成的代码以适应实际引脚。 按照之前的说明将rosserial_stm32库和BMI088-Arduino-Library添加到您的项目中，并编写程序以从内置的BMI088...
测试
...
在Nvidia Jetson Xavier AGX 运行Yolov5 并使用TensorRT加速
一、本机环境 Jetpack4.5.1 自带 cuda10.2、TensorRT7.1.3 miniforge git clone git@github.com:conda-forge/miniforge.git cd miniforge sh Miniforge-pypy3-4.8.3-4-Linux-aarch64.sh conda config –set auto_activate_base true // 选择True每次打开终端就会自动进base环境 完成后重启 conda添加清华源 conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config –add channels...
一點點心得
心得不要在优越感中停止自己的脚步。名利于人最可怕的莫过于此，分明刚刚启程，但欢呼声让你觉得已然冲线，本来要万里长征，却变成了百米短跑，接受完了鲜花之后，就再也看不见远处的风景。其实境界到了或是未到，只有自己知道。跋山涉水，风餐露宿，鼓掌的是别人，度化的是自己。
Scoop开箱即用
Scoop开箱即用1、修改安装位置 # 设置用户软件安装位置$env:SCOOP='E:\Apps\Scoop' # 自己改你的位置，下同[Environment]::SetEnvironmentVariable('SCOOP', $env:SCOOP, 'User')# 设置全局软件安装位置$env:SCOOP_GLOBAL='E:\Apps\Scoop\download'[Environment]::SetEnvironmentVariable('SCOOP_GLOBAL', $env:SCOOP_GLOBAL, 'Machine') 2、以管理员身份大考PowerShell输入一下命令 1、Set-ExecutionPolicy RemoteSigned -Scope CurrentUser # Optional: Needed to run a remote script the first time2、irm get.scoop.sh | iex ...
使用Jetson Xavier 配置Can
使用Jetson Xavier 配置Can 我们首先在 Xavier 上安装一个用于更改寄存器值的工具： sudo apt-get install busybox 然后我们需要重新配置对应于 CAN 控制器引脚的四个寄存器值。以下命令将重新配置这些引脚： sudo busybox devmem 0x0c303000 32 0x0000C400sudo busybox devmem 0x0c303008 32 0x0000C458sudo busybox devmem 0x0c303010 32 0x0000C400sudo busybox devmem 0x0c303018 32 0x0000C458 现在寄存器值已修改，我们可以挂载 CAN 控制器并使用以下modprobe命令加载驱动程序： sudo modprobe cansudo modprobe can_rawsudo modprobe mttcan 下一步是根据您的 CAN 总线和收发器的规格配置 CAN 控制器。这里我将 CAN 比特率设置为 500 Kbps，启用灵活数据速率...
Git的简单使用
Git使用教程(无原理讲解)1. 常用命令以linux下为例,使用git前需要 sudo apt-get install git git init 仓库初始化(也就是说运行这条命令后git就会自动记录所有更改) git status . 查看当前路径下的状态 git commit -m "更改信息" 向git提交更改,并记录更改log git push 把版本库的所有更新内容,向远端服务器(github,gitee…)推送 git pull 将远端服务器的内容拉取到本地(拉代码) git log 查看此仓库的所有更改记录 git diff 比较自己都做了什么修改 git clone [url] 将远端服务器的所有代码复制到本地(clone只在第一次使用,后来的拉代码使用pull) 当我们修改了本地代码,向远端服务器推送时,操作步骤如下: git add . //添所有修改 git commit -m "updtae main.cpp" //提交更改信息 git push...
Ubuntu本地部署DeepSeek-R1模型+chatbox构建私人专属AI助手
在当今数字化时代，拥有一个专属的AI助手无疑会大大提高我们的工作效率和生活质量。本文将详细介绍如何在Ubuntu系统上本地部署DeepSeek-R1模型，并通过将其集成到应用中，从而构建一个私人专属的AI助手。 前置准备在开始部署之前，确保你的系统和硬件满足以下要求： 系统：Ubuntu 20.04 或更高版本 硬件：Intel Core I9-13900K 、Nvidia A6000（48G显存） 软件：Conda、cuda、Pytorch 部署流程1. 安装 Ollama在 Ubuntu 中，可以通过以下命令直接安装 Ollama： curl -fsSL https://ollama.com/install.sh | sh 由于国内网络原因，安装可能会比较慢，如果降速可以先Ctrl c 终端再续上。 安装完成后，你将看到类似以下的信息。运行 ollama -v 命令，可以输出 Ollama 的版本号。安装脚本会将 Ollama 设置为开机自动启动的服务，并通过 systemd 服务管理工具确保其在系统启动时运行，以及在异常退出时自动重启。 2. 部署 DeepSeek...
什么样的模型是“好”的，不仅取决于算法和数据， 还取决于任务需求
算法和数据是模型的两大基石嘛。没有好算法，模型的性能肯定上不去；没有好数据，再强的算法也撑不起来。不过，我觉得有个问题需要注意：虽然算法和数据是基础，但它们的好坏并不是孤立的，而是和任务需求有很强的关联性。比如，一个算法在理论上很先进，但如果它的复杂度太高、无法在实际任务中落地，那对这个任务来说它就不是 “好” 的算法。数据也是一样，收集的数据再多，如果和任务无关，那也没用。 最后是“还取决于任务需求”——这部分是这句话的核心吧。嗯，我觉得这里的重点是“取决于”，也就是说，任务需求是决定模型好不好用的一个独立、关键的因素。它不是一个简单的附加条件，而是贯穿整个模型设计和评估的主线。比如，同样的算法和数据，用在不同的任务里，结果可能会完全不同。如果任务需求变了，模型的 “好” 与 “坏” 也会随之改变。 从任务目标角度 在实际应用中，模型的最终目的是为了解决特定的问题或完成特定的任务，如分类、回归、聚类等。一个模型是否...
在 NVIDIA Jetson Xavier NX 上设置 Intel® RealSense™ 相机
在 NVIDIA Jetson Xavier NX 开发板上设置Intel® RealSense™ 深度相机 D455 的过程相当繁琐，我不得不从多个不同的 GitHub 问题中收集信息。因此，我决定通过这篇博客文章为你提供一个捷径，以便你尝试进行相同的设置。 在使用相机与 NVIDIA 开发板时，我遇到的第一个问题是，缺乏预构建的 RealSense SDK 二进制发行版。由于 Jetson 开发板基于 ARM 芯片组，因此我需要在设备本身从源代码构建 SDK。 首先，我安装了以下依赖项： sudo apt install libssl-dev 安装好依赖项后，我下载了源代码，解压并创建了构建目录： # 获取源代码并解压wget https://github.com/IntelRealSense/librealsense/archive/refs/tags/v2.48.0.zipunzip v2.48.0.zipcd librealsense-2.48.0mkdir build && cd build 接下来，我设置了 PATH 环境变量，以告知构建脚本...