《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

Clawith 深度分析报告 - AI分析分享

背景:一场 OpenClaw 热潮催生的企业级答案 OpenClaw(原名 Clawdbot / Moltbot)是由奥地利开发者 Peter Steinberger 于 2025 年 11 月发布的开源 AI Agent 框架。它凭借"本地运行、真正执行任务"的定位,在 2026 年 1 月病毒式爆发,72 小时内收获 60,000+ Stars,最终以不足 4 个月时间超越 React(13 年积累 243k Stars),登顶 GitHub 软件项目榜首,成为开源历史上增速最快的项目。 "OpenClaw 的登顶标志着开源世界的权力核心,

春节寒假作业辅导:基于 Rokid 灵珠平台打造 AI Glasses 作业助手

春节寒假作业辅导:基于 Rokid 灵珠平台打造 AI Glasses 作业助手

本文应用基于Rokid灵珠智能体/CXR SDK开发,开发指南https://forum.rokid.com/index 文章目录 * 一、引言:为什么我们需要一个 AI Glasses 作业助手? * 二、方案设计与架构 * 2.1 核心功能定义 * 2.2 端到端架构(AI Glasses) * 2.3 业务流程架构 * 三、开发实战:手把手搭建“作业救星” * 3.1 准备工作 * 3.2 步骤一:创建知识库(资源准备) * 3.3 步骤二:创建智能体(Agent) * 3.4 步骤三:搭建核心工作流(Workflow)

拥抱AI,还是大剑师兰特2025年博客创作详细总结

拥抱AI,还是大剑师兰特2025年博客创作详细总结

一、2025年创作心得 2025年是我技术探索极具突破性的一年。最大的转变在于主动拥抱AI工具,将其深度融入前端开发流程——从代码生成、调试优化到文档撰写,AI不仅提升了效率,更成为我理解复杂逻辑的“思维外挂”,尤其在处理地图库的底层机制时,它帮我快速穿透迷雾。 我的技术重心依然锚定在WebGIS与三维可视化领域: * OpenLayers 与 Leaflet 的定制化交互逻辑更加精熟,结合 Mapbox GL JS 的矢量切片与样式能力,构建了多个高性能二维地图应用; * CesiumJS 成为三维地球项目的主力,深入研究了3D Tiles流式加载、自定义着色器及时空数据动态可视化; * Three.js 则用于轻量化场景或与Cesium融合,实现更灵活的局部三维效果。 * 尤为欣喜的是,Blender 技能的深化带来了质变。我不再仅用它做简单建模,而是系统学习了地理空间数据导入、地形生成、PBR材质制作及动画渲染。如今,我能将Blender产出的精细3D资产无缝集成到Cesium/Three.js场景中,让数字孪生项目兼具真实感与性能。 这一年,AI是加速器,地图框

Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增

Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增 前言 在 OpenHarmony 鸿蒙应用全场景连接的商业版图中,“信息找人”已成为提升流量价值的核心逻辑。无论是电商应用的“经常一起购买”,还是内容平台的“相关推荐”,高质量的个性化算法能显著降低用户的决策成本。algolia_client_recommend 作为一个连接 Algolia 顶尖 AI 推荐服务的专业客户端,为开发者提供了一套开箱即用的推荐逻辑封装。本文将详述如何在鸿蒙端利用此库构建“读懂用户”的智能化交互。 一、原原理分析 / 概念介绍 1.1 基础原理 algolia_client_recommend 的核心逻辑是 基于意图建模的异步推荐查询与联合过滤机制