无人机地面站QGC的安装(ubuntu20.04)

无人机地面站QGC的安装(ubuntu20.04)

1.安装依赖

使用以下命令:

sudo usermod -a -G dialout $USER sudo apt-get remove modemmanager -y sudo apt install gstreamer1.0-plugins-bad gstreamer1.0-libav gstreamer1.0-gl -y sudo apt install libfuse2 -y sudo apt install libxcb-xinerama0 libxkbcommon-x11-0 libxcb-cursor0 -y

2.下载安装包

可以直接去官网下载,链接地址:https://docs.qgroundcontrol.com/master/en/qgc-user-guide/getting_started/download_and_install.html

或者使用网盘提供的安装包:

链接: https://pan.baidu.com/s/1repLyfhynSfh_rwJuwSKYg?pwd=h5mi 提取码: h5mi

下载后改个名称:

mv QGroundControl.appimage QGroundControl.AppImage

3.安装

默认安装包下载到Downloads下面的。

cd ~/Downloads/ chmod +x QGroundControl.AppImage ./QGroundControl.AppImage

4问题

如果QGC打开一直不显示地图或者为白,可能的原因就是因为网络原因,导致地图数据下载失败。

直接下载我提供的安装数据

链接: https://pan.baidu.com/s/1PL5dz9UN92Hwl6jan4TGJg?pwd=42xj 提取码: 42xj 下载后直接解压。

执行命令

rm -rf ~/.cache/QGCMapCache300 cp -r ./QGCMapCache300 ~/.cache/

再次运行QGroundControl.AppImage,就能运行成功。

参考来源:https://blog.ZEEKLOG.net/weixin_55944949/article/details/130895363

Read more

AI 视频争霸:通义万相 2.1 凭啥让画面质量和稳定性远超同行?

AI 视频争霸:通义万相 2.1 凭啥让画面质量和稳定性远超同行?

目录 引言  通义万相 2.1:概览与优势 技术创新点 架构设计层面 编解码技术层面 训练策略层面 推理优化层面 与其他模型对比 与 Sora 的比较 与 Luma 的比较 与 Pika 的比较 与蓝耘智算平台的协同:释放强大算力  注册与登录 Python 与通义万相 2.1 的结合应用 安装与环境配置 文生视频:用 Python 代码实现创意 图生视频:融合图像与 Python 创意 视频编辑:Python 助力视频后期创作 应用案例与实际场景 影视创作:助力特效与动画制作 广告设计:打造吸睛广告视频 教育领域:丰富教学资源 总结与展望 引言

By Ne0inhk
如何利用AI Coding提效?从工具到思维的全面升级

如何利用AI Coding提效?从工具到思维的全面升级

目录 前言 🔍 一、行业趋势:AI Coding 是"选择题"还是"必答题"? 📊 数据揭示:AI 正在改变开发生态 🌐 行业视角:AI Coding 的演进路径 💡 二、行业专家洞见:AI Coding 实战经验分享 🎤 1. 韦体东:深信服研发主管、开源AI编程产品负责人 🎤 2. 王路敏:极猫科技创始人、技术负责人 🎤 3. 鲲志:脉脉AI创作者、阿里云专家博主 🛠️ 三、工具实战:如何让 AI 真正"提效"? 1️⃣ 场景聚焦:让 AI

By Ne0inhk
工作流 x 深度学习:揭秘蓝耘元生代如何用 ComfyUI 玩转 AI 开发

工作流 x 深度学习:揭秘蓝耘元生代如何用 ComfyUI 玩转 AI 开发

目录 一、从 “代码噩梦” 到 “积木游戏”:我与工作流的初次碰撞 二、深度学习:复杂而迷人的 “数字迷宫” (一)深度学习的神秘面纱 (二)深度学习的发展历程 (三)深度学习面临的挑战 三、ComfyUI到底是啥?它能吃吗? 四、深度学习的 “脚手架”:为什么需要工作流? (一)传统开发的 “三座大山” (二)ComfyUI 工作流如何 “拆墙”? 五、蓝耘元生代:给工作流插上 “算力翅膀” (一)当 ComfyUI 遇见弹性算力 (二)工作流与模型训练的 “化学反应” 六、手把手搭建第一个工作流 (一) 基础图像生成工作流 (二) 添加ControlNet控制 七、自定义节点开发

By Ne0inhk
人工智能:自然语言处理在法律领域的应用与实战

人工智能:自然语言处理在法律领域的应用与实战

人工智能:自然语言处理在法律领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在法律领域的应用场景和重要性 💡 掌握法律领域NLP应用的核心技术(如合同分析、法律文本分类、案例检索) 💡 学会使用前沿模型(如BERT、GPT-3)进行法律文本分析 💡 理解法律领域的特殊挑战(如法律术语、多语言处理、数据隐私) 💡 通过实战项目,开发一个合同分析应用 重点内容 * 法律领域NLP应用的主要场景 * 核心技术(合同分析、法律文本分类、案例检索) * 前沿模型(BERT、GPT-3)在法律领域的使用 * 法律领域的特殊挑战 * 实战项目:合同分析应用开发 一、法律领域NLP应用的主要场景 1.1 合同分析 1.1.1 合同分析的基本概念 合同分析是对合同文本进行分析和处理的过程。在法律领域,合同分析的主要应用场景包括: * 合同审查:自动审查合同(如“条款分析”、“风险评估”

By Ne0inhk