海康机器人3D激光轮廓仪快速调试一

优质文章学习记录

— 2 min read
海康机器人3D激光轮廓仪快速调试一

3D轮廓仪相机物料准备
DP系列轮廓仪
24V开关电源
8pin转RJ45千兆网线
12pin转open电源线
直线运动平台
海康3D授权加密狗
软件下载
机器视觉立体相机客户端 —— 3DMVS客户端
3DMVS客户端是专为海康机器人立体相机开发的软件应用程序。适用于MV-DP系列3D激光轮廓传感器、MV-DL系列线
激光立体相机。客户端支持实时预览、参数配置、标定、数据保存、升级固件等功能。
用于3D轮廓仪图像效果调试；并集成相机SDK二次开发包供客户开发；
软件获取方式：海康机器人官网->服务支持->下
载中心，找到3DMVS最新版本下载即可
海康机器人-机器视觉-下载中心 (hikrobotics.com)

在这里插入图片描述

安装完成3DMVS后，SDK二次开发包路径：

在这里插入图片描述


在这里插入图片描述


默认装C盘，安装过程一直单击下一步即可

在这里插入图片描述


打开3DMVS后显示效果；“设备列表”里会显示当前网络里的3D相机
电脑环境配置
• 环境配置
• 关闭防火墙和杀毒软件（若安装有360、火绒、腾讯管家等杀毒软件，请关闭退出杀毒软件）
• 电源选型设置为高性能模式：通过“控制面板> 电源选项> 高性能”

Read more

AI无人机解锁电动自行车交通监管新路径，基于YOLOv11全系列【n/s/m/l/x】参数模型开发构建AI无人机航拍巡检场景下电动车违规载人问题检测预警系统

AI无人机解锁电动自行车交通监管新路径，基于YOLOv11全系列【n/s/m/l/x】参数模型开发构建AI无人机航拍巡检场景下电动车违规载人问题检测预警系统

在我国城市与乡村的大街小巷，电动自行车凭借轻便、快捷、经济的优势，成为大众出行的热门选择。然而，与之相伴的是电动自行车引发的交通事故数量居高不下，给社会和家庭蒙上了沉重的阴影。其中，单人电动车违规载人现象尤为突出，由于座位较短，载人骑行极大地增加了安全隐患，成为交通管理的一大难题。 传统监管：力不从心的困境 长期以来，电动自行车交通监管主要依赖交警现场执法。但这种方式存在明显局限性。交警的精力与时间有限，面对广阔的交通区域和庞大的电动自行车数量，难以做到全面覆盖与实时监管。而且，交警工作受时长和天气等因素制约，无法实现全天候、及时有效的管理。在早晚高峰时段，车流量大、路况复杂，违规行为频发，交警往往应接不暇，难以对每一起违规行为及时纠正，导致事故隐患长期存在。例如，在一些学校周边，放学时段电动自行车违规载人现象屡见不鲜，交警虽尽力管理，但仍有不少违规者趁乱逃脱监管，给学生的出行安全带来极大威胁。 科技赋能：无人机与AI的崛起 随着智能化技术的飞速发展，AI技术正广泛应用于传统行业，为提升效率和安全性注入新动力。在电动自行车交通监管领域，无人机技术的出现为解决传统监管难题带来
Springboot 整合 Java DL4J 打造自然语言处理之智能写作助手

Springboot 整合 Java DL4J 打造自然语言处理之智能写作助手

🧑 博主简介：ZEEKLOG博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/literature?__c=1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编程，高并发设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分享所学，希望通过我的实践经历和见解，启发他人的创新思维。在这里，我希望能与志同道合的朋友交流探讨，共同进步，一起在技术的世界里不断学习成长。

Llama Factory极简教程：不用Docker也能快速搭建微调环境

Llama Factory极简教程：不用Docker也能快速搭建微调环境 作为一名前端开发者转型AI领域的小陈，最近被Docker和虚拟环境的各种网络配置问题搞得焦头烂额。如果你也和我一样，想要快速搭建大模型微调环境但又不想折腾复杂的容器技术，那么这篇教程就是为你准备的。本文将介绍如何利用Llama Factory这个开源框架，在不依赖Docker的情况下快速搭建大模型微调环境。 这类任务通常需要GPU环境，目前ZEEKLOG算力平台提供了包含该镜像的预置环境，可快速部署验证。Llama Factory支持包括LLaMA、Mistral、Qwen、ChatGLM等多种主流大模型，通过简单的Web UI界面就能完成微调任务，特别适合刚接触AI开发的初学者。 为什么选择Llama Factory Llama Factory是一个开源的全栈大模型微调框架，它最大的特点就是简化了大型语言模型的训练、微调和部署流程。相比传统方法，它有以下几个优势： * 无需Docker：直接通过Python环境运行，避开了容器网络配置的复杂性 * 低代码操作：提供Web UI界面，大部分操作可以
Ollama Windows 安装与使用全指南：零配置本地运行 Llama、DeepSeek 等大模型，保障隐私与高效体验

Ollama Windows 安装与使用全指南：零配置本地运行 Llama、DeepSeek 等大模型，保障隐私与高效体验

Ollama Windows 安装与使用全指南：零配置本地运行 Llama、DeepSeek 等大模型，保障隐私与高效体验 * 🎯 核心摘要 * 一、环境准备与系统要求 * 二、安装 Ollama * 方法一：使用官方安装包（最简单，推荐新手） * 方法二：通过命令行安装（可选） * 三、基础使用：快速开始 * 1. 拉取并运行您的第一个模型 * 2. 常用模型管理命令 * 3. 模型选择建议 * 四、进阶应用 * 1. 使用 API 接口 * 2. 使用图形化界面（WebUI） * 五、常见问题与优化 🎯 核心摘要 Ollama 是一个开源工具，可让用户在 Windows 电脑上轻松运行 Llama、DeepSeek 等主流大语言模型。