我們從 IEEE 的論文《RDA:一種適用于雜亂環(huán)境中自主導(dǎo)航的加速無碰撞運動規(guī)劃器》中復(fù)制了 RDA 規(guī)劃器項目。我們提供了一個詳細(xì)的步驟指南,幫助您快速重現(xiàn)本文中的 RDA 路徑規(guī)劃算法,從而在復(fù)雜環(huán)境中實現(xiàn)高效的障礙物避讓功能,支持自主導(dǎo)航。
一款針對 4GB Jetson Orin Nano 設(shè)備進行物體檢測的高性能 C++ 實現(xiàn)。對 YOLOv8(成功)與 YOLOv26(挑戰(zhàn))進行基準(zhǔn)測試
藍牙低功耗(BLE)設(shè)備廣泛用于環(huán)境監(jiān)測,但將其數(shù)據(jù)傳輸?shù)皆贫送ǔP枰獜?fù)雜的sdk、網(wǎng)關(guān)或?qū)S衅脚_。在本教程中,我們演示了一個簡單而靈活的替代方案:使用BleuIO作為USB BLE網(wǎng)關(guān)將BLE廣告數(shù)據(jù)直接發(fā)送到Arduino Cloud。
在物聯(lián)網(wǎng)與邊緣計算興起的今天,單板計算機(如樹莓派、Jetson Nano等)憑借其低功耗、高集成度的特性,成為開發(fā)者探索硬件編程的理想平臺。而Python憑借其簡潔的語法和豐富的庫支持,成為單板計算機開發(fā)的首選語言。本文將通過三個從入門到進階的實踐項目,帶你快速掌握基于單板計算機的Python開發(fā)技巧。
物聯(lián)網(wǎng)(IoT)和工業(yè)互聯(lián)網(wǎng)快速發(fā)展,MQTT協(xié)議因其輕量級、低帶寬消耗和發(fā)布/訂閱模式,成為設(shè)備間通信的核心協(xié)議。然而,隨著MQTT應(yīng)用場景的復(fù)雜化,手動測試已難以滿足高效驗證需求,尤其是在多設(shè)備并發(fā)、異常場景模擬和性能基準(zhǔn)測試等方面。本文將詳細(xì)介紹如何基于Python搭建一套完整的MQTT自動化測試框架,并分享其在真實項目中的實踐案例。
在之前的博客文章中,我們已經(jīng)看到了如何使用AMD DSP庫在AMD Versal ae - ml架構(gòu)上快速實現(xiàn)FFT。與任何項目一樣,我們可能希望模擬生成的圖形,以確保我們獲得正確的行為。
我們最近一直在研究的一件事是,在與Versal Devices合作時,使用Vitis開發(fā)解決方案。例如,請參閱我的項目在Vitis系統(tǒng)設(shè)計的Versal和使用芯片范圍調(diào)試Versal設(shè)計。
在Python 3教程的這一部分中,我們將探索Python函數(shù)語法、參數(shù)處理、返回值和變量作用域。在此過程中,我們還將介紹一些通用函數(shù),如range()、map、filter和lambda函數(shù)。
下面的說明記錄了一種新的方法,可以立即開始使用Xilinx Vitis AI v2.5硬件加速機器學(xué)習(xí)推理。它還使Python能夠控制和執(zhí)行Vitis AI Xilinx深度學(xué)習(xí)處理單元(DPU)?,F(xiàn)在還支持VART api。
ExoLab是一項STEM教育計劃,通過提供動手的、基于項目的學(xué)習(xí)體驗,將學(xué)生與國際空間站(ISS)上的實驗聯(lián)系起來,學(xué)生可以在專門的生長室ExoLab中進行植物生物學(xué)實驗,并將其結(jié)果與國際空間站上發(fā)生的類似實驗進行比較。這使學(xué)生能夠研究微重力如何影響植物生長和其他生物過程。
掌握機械臂運動的藝術(shù)!該項目演示了如何在AgileX PIPER機械臂上實現(xiàn)連續(xù)軌跡記錄和重放。無論您是構(gòu)建教學(xué)演示還是自動化復(fù)雜操作,這本全面的指南都將引導(dǎo)您完成從設(shè)置到部署的每一步。
您是否曾經(jīng)想過將實時空氣質(zhì)量數(shù)據(jù)從藍牙傳感器直接傳輸?shù)皆浦校鵁o需任何昂貴的網(wǎng)關(guān)或物聯(lián)網(wǎng)服務(wù)器?在本教程中,我們將向您展示如何使用BleuIO USB加密狗和HibouAir傳感器通過藍牙低功耗(BLE)捕獲二氧化碳,溫度和濕度讀數(shù),然后自動將它們登錄到谷歌Sheets中,以便于跟蹤和可視化。
在科學(xué)計算與工程應(yīng)用領(lǐng)域,MATLAB憑借其強大的數(shù)學(xué)運算能力和可視化工具占據(jù)核心地位,而Python與C++則分別以靈活的生態(tài)系統(tǒng)和極致的性能優(yōu)勢成為關(guān)鍵補充。通過跨語言混合編程,開發(fā)者可融合MATLAB的數(shù)值計算、Python的機器學(xué)習(xí)生態(tài)與C++的高性能計算能力,構(gòu)建出兼具開發(fā)效率與執(zhí)行速度的復(fù)合型系統(tǒng)。以下從跨語言調(diào)用機制、數(shù)據(jù)交互優(yōu)化及典型應(yīng)用場景三個維度展開技術(shù)解析。
在顯示技術(shù)向高動態(tài)范圍(HDR)、廣色域(WCG)演進的過程中,色彩校準(zhǔn)的精度與效率成為制約顯示品質(zhì)的關(guān)鍵因素。傳統(tǒng)人工校準(zhǔn)需依賴專業(yè)色度計與經(jīng)驗豐富的工程師,單臺設(shè)備校準(zhǔn)耗時長達2小時以上,且一致性誤差常超過5ΔE。基于Python腳本與硬件接口的自動化校準(zhǔn)工具,通過軟件算法與硬件控制的深度融合,正在重塑顯示設(shè)備的色彩管理范式。
室內(nèi)空氣質(zhì)量是工作場所健康、家庭舒適和工業(yè)安全的重要因素。監(jiān)測二氧化碳、顆粒物、溫度、濕度和其他環(huán)境指標(biāo)可以幫助預(yù)防健康問題,優(yōu)化暖通空調(diào)的使用,并保持符合建筑標(biāo)準(zhǔn)。在本教程中,我們將使用BleuIO USB加密狗和HibouAir BLE傳感器構(gòu)建一個完整的空氣質(zhì)量監(jiān)測解決方案。我們將使用Python收集數(shù)據(jù),使用InfluxDB存儲數(shù)據(jù),并使用Grafanato實時可視化數(shù)據(jù)。
內(nèi)存泄漏是Linux系統(tǒng)穩(wěn)定性的頭號殺手,傳統(tǒng)檢測方法依賴人工分析/proc/meminfo或valgrind,存在兩大痛點:1) 無法區(qū)分用戶態(tài)/內(nèi)核態(tài)泄漏;2) 缺乏實時定位能力。本文提出基于kmemleak+Python的自動化狩獵方案,通過內(nèi)核原生檢測工具與智能分析腳本聯(lián)動,實現(xiàn)泄漏點秒級定位與分級告警。測試數(shù)據(jù)顯示,該方案使內(nèi)存泄漏定位時間從平均12小時縮短至3分鐘。
全局解釋器鎖(Global Interpreter Lock)是計算機程序設(shè)計語言解釋器用于同步線程的一種機制,它使得任何時刻僅有一個線程在執(zhí)行。
利用這兩種趨勢,我們利用NVIDIA Jetson Nano開發(fā)了一種實時螺栓檢測和計數(shù)系統(tǒng)。該解決方案不僅涉及強大的機器學(xué)習(xí)模型的開發(fā),還涉及在Jetson Nano等邊緣設(shè)備上直接優(yōu)化和部署這些模型,從而實現(xiàn)工業(yè)過程中的變革性自動化。
在自動化運維領(lǐng)域,Ansible憑借其簡單易用、無代理架構(gòu)等優(yōu)勢,成為了眾多企業(yè)的首選工具。然而,在實際運維過程中,不可避免地會遇到一些高危操作,如刪除重要文件、修改關(guān)鍵系統(tǒng)配置等。一旦這些操作執(zhí)行失敗或產(chǎn)生意外后果,可能會導(dǎo)致系統(tǒng)故障甚至數(shù)據(jù)丟失。因此,在Ansible模塊開發(fā)中,封裝高危操作并實現(xiàn)原子化回滾機制至關(guān)重要。本文將通過實戰(zhàn)案例,介紹如何使用Python API開發(fā)Ansible模塊,并實現(xiàn)高危操作的原子化回滾。
起初,我考慮使用帶有Python的樹莓派。但后來我收到了ESP32S3 AI Cam模塊,它讓我思考:這個小板能處理整個工作嗎?