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

Python调用DLL实现千牛平台自动回复机器人:MonitorDLL实战指南

Python调用DLL实现千牛平台自动回复机器人:MonitorDLL实战指南 前言 在电商客服领域,自动回复机器人已经成为提升客户服务效率的重要工具。本文将详细介绍如何使用Python的ctypes库调用MonitorDLL,基于千牛平台实现智能自动回复机器人功能,实现客服消息的自动处理和智能回复。 技术背景 MonitorDLL是一个专门用于监控千牛平台(阿里工作台)的底层库,结合Python的强大功能,我们可以实现: * 智能自动回复:基于消息内容自动生成合适的回复 * 实时消息监控:监控千牛平台的所有客服对话 * 用户连接管理:实时监控用户上线、下线状态 * 消息统计分析:提供详细的自动回复统计和性能数据 * 灵活配置管理:支持动态调整回复策略和延迟时间 核心实现 1. 项目结构 千牛自动回复机器人项目/ ├── MonitorDLL32.dll # 千牛监控DLL文件 ├── auto_reply_test.py # 千牛自动回复机器人脚本 └── README.md # 项目说明 2. 千牛自动回复机器人类设计 classAutoRep

【neo4j】安装使用教程

【neo4j】安装使用教程

一、安装 1.0 前置条件 安装配置好jdk17及以上 注意我使用的是neo4j 5.26.10版本,匹配java17刚好 Java Archive Downloads - Java SE 17.0.12 and earlier 无脑安装即可 配置以下环境变量 1.1 安装程序 Neo4j Deployment Center - Graph Database & Analytics 下载解压即可,Windows是绿色版本 1.2 配置环境 添加neo4j的地址 二、基本使用 2.1 开启、关闭和查看运行状态 进入安装目录的bin文件夹,cmd窗口输入 ./neo4j.

多旋翼物流无人机节能轨迹规划(Python代码实现)

👨‍🎓个人主页 💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭:行百里者,半于九十。 📋📋📋本文目录如下:🎁🎁🎁 💥1 概述 多旋翼物流无人机的节能轨迹规划是一项重要的技术,可以有效减少无人机的能量消耗,延长飞行时间,提高物流效率。下面是一些常见的节能轨迹规划方法: 1. 最短路径规划:通过寻找起点和终点之间的最短路径,减少飞行距离,从而节省能量消耗。可以使用经典的最短路径算法如Dijkstra算法和A*算法来实现。 2. 动态路径规划:考虑当前环境的动态变化,比如风速、天气状况和地形高度等因素,并实时优化飞行路径。这样可以避免飞行过程中遭受很大的阻力,从而减少能量消耗。 3. 高效充电站布置:合理规划充电站的位置,使得无人机在物流任务执行过程中可以方便地进行补充能量。这样无人机可以减少回程飞行距离,节省能量。 4. 光伏充电:在无人机上安装太阳能电池板,通过太阳能充电来提供能源。这种方式可以减少对传统电力的依赖,减少碳排放。

【论文阅读】Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease ga

【论文阅读】Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease ga

论文题目:《Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease gait》 论文链接:https://doi.org/10.1016/j.media.2025.103727  代码链接:https://github.com/FJNU-LWP/PD-gait-VSDF 视觉-骨架双模态框架:通过视频实现帕金森病步态的泛化评估 研究背景介绍 帕金森病评估与帕金森病评分量表(MDS-UPDRS) 帕金森病步态评估 研究内容 总体方法流程 关键点视觉 Transformer (KVT) 图像块嵌入 (Patches embedding) 位置与连接嵌入 (Positions and connections embedding) 关键点自注意力 (Keypoints Self-Attention,