《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

导语:

在机器人项目中,调试工具往往比算法本身更耗时间。Foxglove 作为新一代机器人可视化平台,提供了强大的话题订阅、视频显示、3D 展示和日志分析能力。本篇从零开始,手把手带你完成 Foxglove 的环境搭建,包含依赖安装、连接配置以及常见踩坑点。

《机器人实践开发》系列文章索引

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位)》

《机器人实践开发②:Foxglove 嵌入式移植 + CMake 集成》

《机器人实践开发③:Foxglove可视化机器人的眼睛-视频》

《机器人实践开发④:Foxglove可视化机器人的耳朵-声音》

《机器人实践开发⑤:Foxglove可视化机器人的3D显示》

《机器人实践开发⑥:Foxglove可视化机器人传感器数据》

《机器人实践开发⑦:Foxglove可视化机器人的日志显示》

《机器人实践开发⑧:Foxglove可视化机器人的地图显示》

《机器人实践开发⑨:Foxglove可视化机器人的MyBag 数据回放》


foxglove 官网

Foxglove 是一个专为机器人团队打造的平台,用于收集、分析和学习构建、训练、部署和操作可靠机器人所需的大量多模态数据。

foxglove_Home_hero_2024_new

foxglove 安装

在这里插入图片描述

ubuntu运行foxglove_bridge完成

echo "start run foxglove ... ... " killall -9 foxglove_bridge ros2 launch foxglove_bridge foxglove_bridge_launch.xml port:=8765

Ros 运行仿真测试程序

在这里插入图片描述

运行 macOS 上面的Foxglove studio,设置远程连接的地址:

在这里插入图片描述


在这里插入图片描述

控制面板设置-主题是否可见

在这里插入图片描述

web网页端也可以使用

注意:webs 没有 ssl 所以chrome 认为不安全,需要网页加载脚本

选择设置面板

在这里插入图片描述

友情提示🔔

🙏 感谢你的阅读!
如果这篇文章对你有所启发,欢迎关注我 ⭐,欢迎点击 “打赏支持作者” 支持一下我,你的支持是我持续创作的最大动力!
我会持续分享更多关于 智能摄像头 📷、机器人实践、 🤖音视频 RTC 🎧、App 开发 📱、嵌入式开发 🔧 等方向的实战经验,让你更快落地、更少踩坑。
欢迎浏览我其他文章 📚,或许能解决你当前的难题。
如果你正好在做相关项目产品,也欢迎随时私信我,一起技术交流、一起搞事情! 🤝💬📞 联系微信/电话:13826173658

Read more

了解ASR(自动语音识别)和模型Whisper

ASR是自动语音识别技术,现代端到端的主流ASR架构为: 音频 → [预处理 → 神经网络编码 → 解码] → 文本                ↑                                           ↑            信号处理                          深度学习 Whisper 是由 OpenAI 于 2022 年发布的开源语音识别模型。它是一个基于 Transformer 架构的端到端模型,具有以下核心特点:多任务模型、多语言支持、多种格式、强鲁棒性和无需微调开箱即用。 一、ASR 音频输入与预处理一般通过ffmpeg与VAD配合完成 1、特征提取与编码 现在的ASR通常使用声学特征直接输入神经网络。 常见的声学特征有以下四种,但是现在一般直接使用神经网络自动学习特征,例如Conformer编码器就是神经网络组成的。 * MFCC(梅尔频率倒谱系数):13-40维 * 梅尔频谱(Mel-Spectrogram):80-128维   * 滤波器组(Filter Bank):40-80维 * 原

MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例(含完整的程序,GUI设计和代码详解) 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢

MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例(含完整的程序,GUI设计和代码详解) 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢

目录 MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例... 1 项目背景介绍... 1 项目目标与意义... 2 提升无人机自主导航能力... 2 促进智能优化算法应用落地... 2 优化三维路径规划精度和效率... 2 提供完整的三维环境建模与仿真平台... 2 增强系统鲁棒性和适应性... 2 支撑无人机复杂任务需求... 3 推动智能控制与航空航天交叉融合... 3 培养智能算法工程化能力... 3 项目挑战及解决方案... 3 高维三维空间路径规划复杂性... 3 动态环境下的路径更新难题... 3 约束条件复杂多样... 3 路径平滑性与可执行性保障... 4 算法参数调优困难... 4 计算资源与时间限制... 4 环境建模精度与真实感不足... 4 项目模型架构... 4 项目模型描述及代码示例... 5 项目特点与创新... 9 高效的三维路径优化机制... 9 多维度约束融合能力.

Z-Image-GGUF提示词优化:使用‘--ar 1:1’‘--style raw’等ComfyUI原生命令增强控制力

Z-Image-GGUF提示词优化:使用‘--ar 1:1’‘--style raw’等ComfyUI原生命令增强控制力 1. 项目简介与核心价值 今天我们来聊聊一个能让你的AI绘画更听话、更精准的秘密武器——Z-Image-GGUF模型中的ComfyUI原生命令。如果你用过Z-Image,可能会觉得它生成的图片质量不错,但有时候就是不听使唤,想要正方形图却给了长方形,想要写实风格却偏要加点艺术滤镜。 这就是我们今天要解决的问题。 Z-Image-GGUF是阿里巴巴通义实验室开源的一个文生图模型,它最大的特点就是支持GGUF量化格式,这意味着你不需要顶级显卡也能跑起来。但很多人不知道的是,这个模型在ComfyUI里隐藏着一套强大的原生命令系统,就像给你的AI画笔装上了精准的导航仪。 让我给你看个对比: * 普通提示词:a beautiful landscape * 优化后提示词:a beautiful landscape --ar 1:1 --style raw --no blurry 第一个可能给你任何尺寸、任何风格的风景图,第二个则明确告诉你:我要1:1的正方形

Uniapp+Vue3 使用父传子方法实现自定义tabBar

一、流程介绍 代码编写顺序 * 第一步:pages.json配置tabbar并配置custom配置项 * 第二步:编写自定义tabbar组件的静态代码(最好使用v-for去写,仿照原生tabbar逻辑) * 第三步:各tabbar页面调用tabbar组件,并传入tabbar索引值 * 第四步:tabbar组件接受传入的值,通过传入索引值判断高亮对象,点击另外的tabbar图标时跳转到相应页面 页面执行顺序 * 第一步:跳转到新的tabbar页面,该组件中的数据重置 * 第二步:tabbar页面向组件传入索引并保存在currentIndex中 * 第三步:v-show判断相应tabbar图标高亮 * 第四步:点击新的tabbar,执行handleItemClick操作,跳转到新的tabbar页面(回到第一步) 二、代码 在page.json中定义tabbar 在page.json中定义tabbar并将custom设置为true 启用自定义tabbar的配置,可以将默认的tabbar隐藏 仍然使用uniapp默认的tabbar定义方式是为了防止跳转过程