无人机避障——Mid360+Fast-lio感知建图+Ego-planner运动规划(胎教级教程)

无人机避障——Mid360+Fast-lio感知建图+Ego-planner运动规划(胎教级教程)

电脑配置:Xavier-nx、ubuntu 18.04、ros melodic

激光雷达:Livox_Mid-360

结果展示:左边Mid360+Fast-lio感知建图,右边Ego-planner运动规划

1、读取雷达数据并显示

无人机避障——感知篇(采用Livox-Mid360激光雷达获取点云数据显示)-ZEEKLOG博客

看看雷达数据话题imu以及lidar两个话题 

2、读取雷达数据并复现fast-lio 

无人机避障——感知篇(采用Mid360复现Fast-lio)-ZEEKLOG博客

启动fast-lio,确保话题有输出 

 由于此处不需要建图,因此不打开rviz,launch文件如下修改:

<launch> <!-- Launch file for Livox MID360 LiDAR --> <arg name="rviz" default="true" /> <rosparam command="load" file="$(find fast_lio)/config/mid360.yaml" /> <param name="feature_extract_enable" type="bool" value="0"/> <!-- 100HZ的bag point_filter_num建议设置为1; 10HZ的bag建议设置为2或3 --> <param name="point_filter_num" type="int" value="3"/> <param name="max_iteration" type="int" value="3" /> <param name="filter_size_surf" type="double" value="0.5" /> <param name="filter_size_map" type="double" value="0.5" /> <param name="cube_side_length" type="double" value="1000" /> <param name="runtime_pos_log_enable" type="bool" value="0" /> <node pkg="fast_lio" type="fastlio_mapping" name="laserMapping" output="screen" /> <!-- <group if="$(arg rviz)"> <node launch-prefix="nice" pkg="rviz" type="rviz" name="rviz" args="-d $(find fast_lio)/rviz_cfg/loam_livox.rviz" /> </group> --> </launch> 

然后运行:

roslaunch fast_lio mapping_mid360.launch

看一下话题:

rostopic list

 看下/Odometry与/cloud_registe

Read more

PRIDE-PPPAR终极指南:多系统GNSS精密定位开源解决方案

PRIDE-PPPAR是武汉大学GNSS研究中心开发的一款革命性开源软件,专门解决全球导航卫星系统精密单点定位中的模糊度解算难题。作为多系统GNSS数据处理领域的先进工具,该软件基于GNU General Public License v3协议发布,为科研工作者和工程技术人员提供了强大的数据处理能力。 【免费下载链接】PRIDE-PPPARAn open‑source software for Multi-GNSS PPP ambiguity resolution 项目地址: https://gitcode.com/gh_mirrors/pr/PRIDE-PPPAR 传统定位瓶颈与PRIDE-PPPAR的突破 在传统GNSS定位中,相位模糊度问题一直是制约精度的关键因素。PRIDE-PPPAR通过创新的算法设计,成功实现了全频段PPP-AR功能,让用户能够在任意双频电离层自由组合上进行高效作业。这种突破性技术为用户带来了前所未有的数据处理灵活性。 核心技术特性详解 多系统兼容性支持 软件全面支持GPS、GLONASS、Galileo、BDS-2/3和QZSS等主流导

教你用Coze低代码搭AI小程序,零编程也能轻松变现!入门门槛贼低!心动不如行动!

教你用Coze低代码搭AI小程序,零编程也能轻松变现!入门门槛贼低!心动不如行动!

大家好,我是小坤,专注分享实用 AI 变现技巧与智能体搭建及变现,无偿分享AI领域相关的变现玩法。目前正在钻研Coze智能体的搭建和如何使用Coze工作流做好自己的自媒体矩阵! 正在学习COZE智能体的小伙伴可以关注小坤领取价值1580元的免费资料哦~ 原文链接 想要学习AI智能体嘛?想要知道怎么用AI变现嘛!关注我“技术小坤”! 想靠AI工具赚钱却不懂代码?担心技术门槛高、开发周期长?现在这些问题都能解决!扣子(Coze)的低代码开发功能,让普通人也能快速搭建专属AI助手,发布后就能通过商店流量、API集成、定制服务等方式变现,真正实现“零技术投入,高收益回报”。今天就手把手教你从0到1构建应用,解锁AI时代的赚钱新路径! 目前我遇到的很多人已经做这个了,就是做好一个成熟的小程序,通过分发这个小程序,卖API来获取收益,目前很多智能体都是刚需啊! 先搞懂:用Coze低代码应用,怎么赚钱? 在动手搭建前,先明确核心收益逻辑——你的AI助手能解决具体需求,就有变现可能: 1. 商店流量分成:发布到扣子商店,按用户使用量、付费订阅获得收益,平台自带流量池,无需自己推广;

Neo4j性能监控终极指南:5大技巧快速诊断数据库瓶颈

Neo4j性能监控终极指南:5大技巧快速诊断数据库瓶颈 【免费下载链接】neo4jGraphs for Everyone 项目地址: https://gitcode.com/gh_mirrors/ne/neo4j 作为业界领先的图形数据库,Neo4j的性能监控和故障诊断能力直接影响着应用的响应速度和稳定性。本文将带您深入探索Neo4j的监控体系,掌握从基础指标到高级诊断的完整技能栈。 🔍 为什么需要专业的Neo4j监控? 现代应用对图形数据库的依赖日益加深,但传统的监控工具往往无法捕捉Neo4j特有的性能特征。图形查询的复杂性、节点关系的遍历效率、内存使用模式等都需要专门的监控策略。 常见监控盲区 * 图形遍历深度对性能的影响 * 索引命中率的真实价值 * 连接池状态与查询响应的关联 * 事务隔离级别对并发性能的影响 📊 Neo4j核心监控指标详解 实时性能追踪体系 查询执行监控 * 慢查询自动识别与告警 * 查询计划分析优化 * 缓存命中率统计 * 锁等待时间监控 资源使用分析 * JVM内存分配与回收 * 磁盘I/O吞吐量统计

CPU/MCU/SOC/FPGA概念对比

这是一个关于CPU、MCU、SoC和FPGA的详细对比。我们将沿用“引擎到整车”的比喻,并新增“可重构的积木”来帮助您直观理解它们的本质区别、设计哲学和应用场景。 🎯 核心概念比喻 一、核心概念比喻 * CPU:相当于汽车的发动机。它是计算核心,性能强大,但无法独立工作,需要额外配齐主板、内存、硬盘、电源等所有部件才能运行。 * MCU:相当于一辆完整的微型车。它在“发动机”的基础上,集成了小容量的内存、油箱、基础仪表盘和方向盘。你给它接上电池,它就能独立完成简单的驾驶任务,是嵌入式控制的核心。 * SoC:相当于一辆为特定任务设计的特种车辆。它在“微型车”的基础上,还集成了专用设备,如消防车的水泵、救护车的医疗舱。它针对复杂功能(如手机、智能家居)进行深度优化,追求高性能、高集成度和低功耗。 * FPGA:一套“乐高”