《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

导语:

在机器人项目中,调试工具往往比算法本身更耗时间。Foxglove 作为新一代机器人可视化平台,提供了强大的话题订阅、视频显示、3D 展示和日志分析能力。本篇从零开始,手把手带你完成 Foxglove 的环境搭建,包含依赖安装、连接配置以及常见踩坑点。

《机器人实践开发》系列文章索引

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位)》

《机器人实践开发②:Foxglove 嵌入式移植 + CMake 集成》

《机器人实践开发③:Foxglove可视化机器人的眼睛-视频》

《机器人实践开发④:Foxglove可视化机器人的耳朵-声音》

《机器人实践开发⑤:Foxglove可视化机器人的3D显示》

《机器人实践开发⑥:Foxglove可视化机器人传感器数据》

《机器人实践开发⑦:Foxglove可视化机器人的日志显示》

《机器人实践开发⑧:Foxglove可视化机器人的地图显示》

《机器人实践开发⑨:Foxglove可视化机器人的MyBag 数据回放》


foxglove 官网

Foxglove 是一个专为机器人团队打造的平台,用于收集、分析和学习构建、训练、部署和操作可靠机器人所需的大量多模态数据。

foxglove_Home_hero_2024_new

foxglove 安装

在这里插入图片描述

ubuntu运行foxglove_bridge完成

echo "start run foxglove ... ... " killall -9 foxglove_bridge ros2 launch foxglove_bridge foxglove_bridge_launch.xml port:=8765

Ros 运行仿真测试程序

在这里插入图片描述

运行 macOS 上面的Foxglove studio,设置远程连接的地址:

在这里插入图片描述


在这里插入图片描述

控制面板设置-主题是否可见

在这里插入图片描述

web网页端也可以使用

注意:webs 没有 ssl 所以chrome 认为不安全,需要网页加载脚本

选择设置面板

在这里插入图片描述

友情提示🔔

🙏 感谢你的阅读!
如果这篇文章对你有所启发,欢迎关注我 ⭐,欢迎点击 “打赏支持作者” 支持一下我,你的支持是我持续创作的最大动力!
我会持续分享更多关于 智能摄像头 📷、机器人实践、 🤖音视频 RTC 🎧、App 开发 📱、嵌入式开发 🔧 等方向的实战经验,让你更快落地、更少踩坑。
欢迎浏览我其他文章 📚,或许能解决你当前的难题。
如果你正好在做相关项目产品,也欢迎随时私信我,一起技术交流、一起搞事情! 🤝💬📞 联系微信/电话:13826173658

Read more

GLM-4.6V-Flash-WEB模型能否识别食物种类并估算热量?

GLM-4.6V-Flash-WEB模型能否识别食物种类并估算热量? 在智能健康管理逐渐走入日常的今天,一个看似简单却长期困扰开发者的问题浮出水面:用户拍一张餐食照片,AI能不能立刻告诉我“这顿饭大概多少大卡”?过去,这类功能依赖复杂的系统流水线——图像先由CNN模型分类,再匹配数据库中的营养信息,最后拼接成回答。流程冗长、延迟高、维护成本大,用户体验往往大打折扣。 而如今,随着多模态大模型的成熟,一种更简洁、更高效的解决方案正在成为现实。智谱AI推出的 GLM-4.6V-Flash-WEB 模型,正是这一趋势下的代表性产物。它不仅能在毫秒级时间内“看懂”图片内容,还能结合自然语言指令进行推理,直接输出如“一碗红烧肉配米饭,估计约850千卡”这样的结构化语义结果。那么问题来了:这个轻量级模型,真能胜任食物识别与热量估算这种对精度和常识都要求较高的任务吗? 答案或许比我们想象的更乐观。 从架构设计看能力边界 GLM-4.6V-Flash-WEB 并非凭空而来,它是GLM系列在视觉理解方向上的又一次轻量化演进。名字本身就透露了关键信息:“GLM”代表通用语言模型底座,“4.6V

当WebGL遇上跨域:一个二进制数据流的性能优化实验

WebGL跨域纹理加载:二进制数据流方案性能优化实战 在WebGL游戏开发中,纹理加载是影响性能的关键环节之一。当开发者尝试从不同域加载纹理资源时,常常会遇到Failed to execute 'texImage2D'或texSubImage2D的安全错误。这个看似简单的跨域问题背后,隐藏着浏览器安全策略与性能优化的深层博弈。 1. 跨域纹理加载的核心问题解析 WebGL的安全限制源于Canvas的"污染"概念。当尝试使用跨域图像作为纹理时,浏览器会阻止WebGL操作,防止潜在的数据窃取风险。传统解决方案通常围绕CORS(跨域资源共享)展开,但这往往带来额外的性能开销。 关键限制因素: * Tainted canvases错误触发条件:任何跨域图像未经CORS许可直接用于WebGL纹理 * 内存占用差异:不同加载方式对GPU内存的影响可达30%以上 * 主流浏览器对二进制流处理的兼容性差异 实际测试发现,在Chrome 112+版本中,使用Blob加载4K纹理比传统CORS方案节省约18%的内存峰值 2. 二进制数据流方案对比测试 我们针对三种主流传输方式进行

protege+Neo4j+前端可视化知识图谱项目(教育领域)

protege+Neo4j+前端可视化知识图谱项目(教育领域)

声明:自己的学习笔记,仅供交流分享。 注意其中JDK版本的切换! 目录 1、工具下载 1.1protege的安装 1.2Neo4j的安装 2、Neo4j导入protege文件 2.1启动Neo4j 2.2protege导出owl文件转turtle文件 2.3导入Neo4j 1. 清除数据库中的所有数据 2. 初始化 RDF 导入配置 3. 导入 RDF 数据 4.查询所有(部分)数据 5.查询边关系 6.一些细节 3、Neo4j导出JSON文件 4、可视化前的操作 4.1利用python对数据进行处理 4.2学习VUE&Echarts 1、工具下载 1.

(附源码)基于web的电影院管理系统-计算机毕设 23653

(附源码)基于web的电影院管理系统-计算机毕设 23653

基于web的电影院管理系统 摘 要 本研究精心打造了一款基于Web的电影院管理系统,其核心架构依托于Spring Boot框架与Java语言的深度融合,借助MySQL数据库的强大功能,实现了数据的高效存储与精准管理。该系统巧妙地围绕用户、员工、管理员这三类关键角色进行设计,通过精细的架构规划与严格的权限管控,确保了不同角色在系统中的高效协作以及数据的安全流通。系统的设计初衷在于全方位提升电影院的运营效率,同时为用户提供更加便捷、愉悦的观影体验。在实际应用中,该系统能够有效整合电影院的各项业务流程,实现从电影信息、影票管理到会员服务等环节的数字化、自动化与智能化管理。这一创新成果不仅为电影院的数字化转型提供了坚实的技术支撑,还凭借其卓越的性能和广泛的适用性,展现出巨大的应用潜力和推广价值。未来,该系统有望在电影行业信息化建设中扮演重要角色,引领电影院运营模式的革新与发展,为电影产业的繁荣注入新的活力。 关键词:电影院管理系统;SpringBoot框架;Java语言; Abstract This study has carefully developed a web-