ROS2前置教程 | 玩转Ubuntu之常用指令
安装好，你需要学会的第一件事是打开终端，后面我们很多操作都将通过终端进行。常用打开终端的方式有以下几种：使用linux肯定要学一下命令行啦，所谓命令行就是通过操作黑乎乎的终端来控制计算机。linux中常用命令行如下，小鱼课程中也会用到，大家可以提前玩一玩。所以一键安装命令指的是小鱼做的一键安装ROS等常用指令合集，使用方法也非常的简单，要求一定掌握。复制粘贴下面这句话到终端接着可能要你输入密码，输入你的系统密码，接着你就可以看到下面的若干选项，手动输入对应编号即可使用，非常的方便快捷2.2 安装与卸载软
ROS2前置教程｜玩转Ubuntu之编程工具
做机器人最常用的两门语言就是C++和Python，同时这两门语言也是编程语言流行度排行榜数一数二的。听说牛逼的大佬都用记事本写代码，这节小鱼带你在Linux版记事本之gedit上写一下C++和Python代码。打开终端，创建一个文件夹接着在文件夹下创建文件夹。接着输入下面的指令打开gedit并创建文件接着你应该看到一个类似于记事本的东西，在里面输入下面一段代码，打印一句话使用Ctrl+S保存代码关掉gedit，接着在终端输入下面的指令运行这段脚本如果一切正常，你将看到接着我们来学习C++版本的打印一
ROS2前置教程 | 玩转Ubuntu之常用软件
gedit虽然很好用，但是效率还是不太高，毕竟写错了代码也没提示。linux虽然好用，但是中文输入和微信QQ不好装，本节小鱼带你一一解决这些问题。首先出场的是代码编辑器VsCode，微软大大开源的，值得信赖。使用一键安装可以直接安装，打开终端，输入下面的指令接着输入密码，选择7一键安装VsCode静候一会，安装完成后在任意终端输入code指令即可打开vscode，当然你还可以通过在文件夹或者文件上右击打开。1.2 多位一体VsCode的强大之处有两个，第一个是强大的插件，第二个就是强大的界面。Vs
ROS2进阶教程| ROS2系统架构之操作系统打假
本节小鱼主要从ROS2的整个框架上来带你进一步的了解它。看完架构图小鱼带你一层层的来看。操作系统层比较好理解，ROS2本身就是基于Linux、Windows或者macOS系统建立的，驱动计算机硬件、底层网络通信等实现都是交由操作系统来实现的。要想理解这一层就需要你了解DDS是什么? 以及为什么ROS2框架中会有多个DDS的实现。DDS，全称 Data Distribution Service (数据分发服务)。是由对象管理组 (OMG) 于 2003 年发布并于 2007 年修订的开分布式系统标准。通过类似
ROS2前置基础教程 | 小鱼教你用g++编译ROS2节点
讲这一节的原因，是小鱼发现很多小伙伴在后期学习和使用ROS2时候，遇到各种依赖找不到的问题，不知如何解决。其实就是对C++依赖查找机制不熟悉，本节就是帮你打牢基础。程序编译一般需要经预处理、编译、汇编和链接几个步骤。在实际应用中，有些公共代码需要反复使用，就把这些代码编译成为“库”文件。在链接步骤中，链接器将从库文件取得所需的代码，复制到生成的可执行文件中，这种库称为静态（链接）库，其特点是可执行文件中包含了库代码的一份完整拷贝，缺点是被多次使用就会多份冗余拷贝。还有一种库，就是程序在开始运行后调用库函数时
OpenCV每日函数 图像过滤模块 (17) pyrMeanShiftFiltering函数
执行图像均值偏移分割的初始步骤。该函数实现了meanshift分割的滤波阶段，即该函数的输出是经过滤波的“posterized”图像，具有颜色渐变和细粒度纹理展平。 在输入图像（或缩小的输入图像，见下文）的每个像素 (X,Y) 处，该函数执行 meanshift 迭代，即考虑联合空间-颜色超空间中的像素 (X,Y) 邻域： 其中 (R,G,B) 和 (r,g,b) 分别是 (X,Y) 和 (x,y) 处颜色分量的向量（尽管该算法不依赖于所使用的颜色空间， 因此可以使用任何 3 分量颜色空间代替
OpenCV每日函数 图像过滤模块 (18) pyrUp函数
对图像进行上采样，然后对其进行模糊处理。默认情况下，输出图像的大小计算为 Size(src.cols\*2, (src.rows\*2)，但无论如何，应满足以下条件：该函数执行高斯金字塔构造的上采样步骤，尽管它实际上可以用于构造拉普拉斯金字塔。 首先，它通过注入甚至零行和列来对源图像进行上采样，然后将结果与 pyrDown 中相同的内核乘以 4 进行卷积。.........
OpenCV每日函数 图像过滤模块 (19) Scharr函数
使用 Scharr 算子计算第一个 x 或 y 图像导数。该函数使用 Scharr 算子计算第一个 x 或 y 空间图像导数。Scharr变换可以看做是使用了Scharr核的Sobel变换，是一种经过改进的Sobel变换，同样也要区分x和y方向分开计算梯度。需要注意的是在计算Scharr梯度时，dx和dy要满足如下的关系（实际就是说要么dx=1 并且 dy=0；要么dx=0 并且 dy=1），否则会抛异常：也就是每次只能求x方向或者y方向单个方向的梯度，而且只能求一阶梯度，不像Sobel()中dx或dy..
制作小体积的docker镜像案例—— 筑梦之路
说明：构建体积比较小的镜像，除了减少构建层外，最重要的还是使用自身体积小的基础镜像可见dockerfile文件内有两个阶段，第一个阶段是编译nginx阶段，第二个阶段是将第一阶段的成果拿来用，只是运行nginx，因此镜像体积就小得多这里只是一个案例，主要还是要理解其中的思想和思路。......
torch DDP模式并行
torch.nn.DataParallel只需要一行代码就可以实现DataParallel:DataParallel方法虽然代码非常简单，但是GPU会出现负载不均衡的问题（"一个gpu干活，其它gpu看戏"）。第一个GPU（12GB）可能占用了10GB，剩余的GPU却只使用了2GB -- 这是极大的浪费。那么，为什么会出现这样的现象呢？我们来仔细研究一下下面这个流程图就明白了：我们首先需要指定一个GPU(0)作为master GPU，它必须承担最多的负载。第一步：GPU(0)从锁页内存(分配主机内存时
IT人才能嗑到的这对CP，甜！
提到文件存储，相信大家都不陌生，在浩瀚的存储发展史中，文件存储无疑是璀璨的，耀眼的。那么，在性能已经成为刚需，自动驾驶行业风起云涌的当下，文件存储与GPU这对CP又有怎样的含糖量呢？今天，我们就来嗑一嗑。...
PolarDB-X 2.1 新版本发布 让“MySQL 原生分布式”触手可及
PolarDB-X 2.1 是 PolarDB-X 非常重要的版本，也是第一次 PolarDB-X 分布式数据库的产品可以作为企业级的分布式数据库真正部署到客户的生产环境使用。
PolarDB-X 高可用存储服务：基于 X-Paxos 一致性协议
在 PolarDB-X 的系统结构中，DN 组件负责数据存储。 一个 DN 节点是 一个 MySQL 实例。这些能力都需要 DN 节点自闭环完成，如果再引入第三方组件来管理，那么第三方组件的高可用又将是新的问题。
一站式智能运维解决方案，企业系统的隐形守护者
数字化时代，创新迭代在加速，体验重要性在提升，IT系统架构在变革，运维数据与事件在爆发。阿里云智能运维解决方案，帮助用户高效定位问题、提升业务体验与洞察、快速创新迭代。
事务、全局索引、透明分布式，再见，分区健
在刚刚发布的PolarDB-X 2.1.0版本中，开源了透明分布式能力，能带给用户完全不同的透明分布式数据库使用体验。其中，一个最明显的不同，就是用户不再需要关注分区健这个概念，这也是副标题《再见，分区健》的来由。...
镜头离焦对于ToF深度的影响分析
镜头离焦或者图像模糊对于ToF的深度存在影响，在平面或者变化比较缓的曲面影响不大，但在场景目标物体边缘部分的深度值影响比较大，会导致边缘出现更多的飞点或者非正常的平滑效果。
今日推荐
周排行