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

【Part 3 Unity VR眼镜端播放器开发与优化】第四节|高分辨率VR全景视频播放性能优化

【Part 3 Unity VR眼镜端播放器开发与优化】第四节|高分辨率VR全景视频播放性能优化

文章目录 * 《VR 360°全景视频开发》专栏 * Part 3|Unity VR眼镜端播放器开发与优化 * 第一节|基于Unity的360°全景视频播放实现方案 * 第二节|VR眼镜端的开发适配与交互设计 * 第三节|Unity VR手势交互开发与深度优化 * 第四节|高分辨率VR全景视频播放性能优化 * 一、挑战分析与目标设定 * 1.1 主要瓶颈 * 1.2 目标设定 * 二、硬解与软解方案选型 * 2.1 平台解码能力检测 * 2.2 推荐策略 * 三、视野裁剪与分块播放 * 3.1 原理说明 * 3.2 实现流程图 * 3.3 伪代码 * 四、动态降级与多码率自适应 * 4.1

开源机器人新体验:5步构建你的Open Duck Mini v2智能伙伴

开源机器人新体验:5步构建你的Open Duck Mini v2智能伙伴 【免费下载链接】Open_Duck_MiniMaking a mini version of the BDX droid. https://discord.gg/UtJZsgfQGe 项目地址: https://gitcode.com/gh_mirrors/op/Open_Duck_Mini 在机器人技术日益普及的今天,Open Duck Mini v2项目为初学者提供了一个完美的入门平台。这个42厘米高的迷你机器人不仅外形精致可爱,更拥有强大的运动能力和智能化控制系统,让每个人都能以不到400美元的成本拥有自己的机器人伙伴。 🚀 快速启动:从零到一的构建之旅 环境准备与项目获取 首先确保你的系统已安装Python环境,然后通过以下命令获取项目代码: git clone https://gitcode.com/gh_mirrors/

OpenClaw-多飞书机器人与多Agent团队实战复盘

OpenClaw-多飞书机器人与多Agent团队实战复盘

OpenClaw 多飞书机器人与多 Agent 团队实战复盘 这篇文章完整记录一次从单机安装到多机器人协作落地的真实过程: 包括 Windows 安装报错、Gateway 连通、模型切换、Feishu 配对、多 Agent 路由、身份错位修复,以及最终形成“产品-开发-测试-评审-文档-运维”团队。 一、目标与结果 这次实践的目标很明确: 1. 在 Windows 上稳定跑通 OpenClaw 2. 接入飞书机器人 3. 做到一个机器人对应一个 Agent 角色 4. 支持多模型并行(OpenAI + Ollama) 5. 最终形成可执行的多 Agent 团队 最终落地状态(已验证): * 渠道:Feishu 多账号在线 * 路由:按 accountId

从对话到执行:OpenTiny NEXT 如何重塑前端智能化开发范式

从对话到执行:OpenTiny NEXT 如何重塑前端智能化开发范式

文章目录 * 每日一句正能量 * 引言:前端开发的"智能体"时刻 * 一、MCP与WebMCP:让大模型"看懂"前端工程 * 1.1 什么是MCP?为什么前端需要它? * 1.2 WebMCP:浏览器端的上下文协议 * 1.3 实战:用WebMCP实现组件智能生成 * 二、WebAgent:从代码生成到任务执行 * 2.1 智能体的前端实践 * 2.2 实战案例:用WebAgent完成页面重构 * 三、GenUI:生成式界面的工程化实践 * 3.1 从设计稿到代码的智能化 * 3.2 TinyEngine:GenUI的底层引擎 * 3.3 实战: