基于开源鸿蒙(OpenHarmony)的【智能家居综合应用】系统

基于开源鸿蒙(OpenHarmony)的【智能家居综合应用】系统

基于开源鸿蒙OpenHarmony的智能家居综合应用系统

1. 智能安防与门禁系统

1) 系统概述

本智能安防与门禁系统是基于开源鸿蒙(OpenHarmony)操作系统设计的,旨在为用户提供一套高度集成、智能化的家庭安全防护解决方案。通过整合智能门锁、监控摄像头、门窗传感器等多种安防设备,结合智能手机或智能音箱等控制终端,实现远程监控、身份识别、异常警报等功能,全面提升家庭居住的安全性和便利性。

2) 系统架构

1. 设备层

  • 智能门锁:支持人脸识别、密码、指纹等多种开锁方式,内置通信模块与OpenHarmony系统对接。
  • 监控摄像头:高清夜视,支持云台控制,具备异常检测(如移动侦测)功能,能自动录制并上传视频至云端或本地存储。
  • 门窗传感器:实时监测门窗状态,异常开启时触发警报

2.通信层

  • 利用OpenHarmony的分布式软总线技术,实现设备间的无缝连接与数据共享。
  • 支持Wi-Fi、蓝牙等多种通信协议,确保数据传输的稳定性和安全性。

3. 控制层

  • 手机APP:作为主要的控制终端,用户可通过APP远程查看设备状态、接收警报信息、控制设备开关等。
  • 智能音箱:通过语音指令控制安防设备,实现更加便捷的操作体验。

4. 云平台层

  • 提供数据存储、分析、处理服务,支持AI算法进行人脸识别、异常行为检测等。
  • 推送警报信息至用户手机及预设的紧急联系人。

3

Read more

我用Openclaw + Claude搭了一套自动写作系统,每天省3小时

我用Openclaw + Claude搭了一套自动写作系统,每天省3小时

这是我目前最重要的一套AI工作流。从信息获取到发布,几乎不用手动完成。 一、为什么我要搭建这套系统? 信息过载的困境 如果你也在持续关注AI,应该会有同样的感受: 信息太多了。 每天打开 X、公众号、GitHub、技术社区,都会冒出大量新内容。 AI模型更新、工具更新、Agent框架、自动化方案…… 想跟上这些信息,本身就已经是一项工作。 手动写作的低效循环 更别说: * 整理信息 * 找选题 * 写文章 * 配图 * 发布到各个平台 如果全部手动完成,写作就会变成一件非常消耗精力的事。 我一度也在这种状态里: 想持续输出,但写作本身占用了太多时间。 一个关键问题 后来我开始思考一个问题: 如果写作这件事可以被"系统化",会发生什么? 于是,我不再把AI当成写作工具。 而是开始搭一套完整的 AI写作工作流。 二、思路转变:从优化写作到优化流程 大多数人的AI写作方式 大多数人使用AI写作,是这样:

万方AIGC检测通不过?这几款降AI工具实测有效

万方AIGC检测通不过?这几款降AI工具实测有效

万方AIGC检测通不过?这几款降AI工具实测有效 TL;DR:万方AIGC检测算法与知网、维普不同,需要选择支持万方平台的降AI工具。推荐嘎嘎降AI(多平台适配,4.8元/千字)和率降(稳定可靠,4.2元/千字)。 万方检测的特殊性 很多同学以为降AI工具都是通用的,用一个就能搞定所有平台。但实际上,知网、维普、万方三大平台的AIGC检测算法各有不同。我之前用一款只针对知网优化的工具处理论文,知网检测降到了8%,但万方一测还有32%,差点没过学校的检测线。 万方的AIGC检测更侧重于文本特征分析,对某些AI生成模式的识别与知网有差异。所以如果你学校用的是万方检测,一定要确认工具是否支持万方平台,别只看知网的效果数据。 支持万方的降AI工具对比 工具价格(千字)万方效果达标率特色链接嘎嘎降AI4.8元60%→8%99.26%多平台适配官网率降4.2元65%→12%97%稳定可靠官网去AIGC3.5元70%→18%96%通用型官网比话降AI8元知网专精99%

机器人自主导航避障全栈方案(涵盖ROS2实现与实车测试数据)

第一章:机器人自主导航避障全栈方案概述 实现机器人在复杂环境中的自主导航与动态避障,依赖于一套完整的软硬件协同系统。该方案涵盖感知、定位、路径规划与运动控制四大核心模块,结合传感器融合、SLAM算法与实时控制系统,构建高效可靠的自主移动能力。 核心功能模块 * 环境感知:通过激光雷达(LiDAR)、深度相机和超声波传感器采集周围障碍物信息 * 定位与建图:利用SLAM技术实现实时地图构建与机器人自身位姿估计 * 路径规划:结合全局A*或Dijkstra算法与局部动态窗口法(DWA)进行轨迹生成 * 运动控制:基于PID或MPC控制器驱动电机执行规划路径 典型技术栈构成 层级技术组件说明硬件层Raspberry Pi + STM32 + LiDAR主控与传感单元组合中间件ROS 2 (Humble)提供节点通信与驱动支持算法层Cartographer + DWA Planner实现建图与避障决策 基础启动指令示例 # 启动ROS2导航堆栈(Nav2) ros2 launch nav2_bringup bringup_launch.py \ map:=/map

宇树 G1 机器人开发入门:有线 & 无线连接完整指南

宇树 G1 机器人开发入门:有线 & 无线连接完整指南

适用读者:机器人二次开发者、科研人员 开发环境:Ubuntu 20.04(推荐) 机器人型号:Unitree G1 EDU+ 前言 宇树 G1 是一款面向科研与商业应用的高性能人形机器人,支持丰富的二次开发接口。在正式进行算法调试与功能开发之前,首要任务是建立稳定的开发连接。本文将详细介绍两种主流连接方式:有线(网线直连) 与 无线(WiFi + SSH),并附上完整的配置流程,帮助开发者快速上手。 一、有线连接(推荐新手优先使用) 有线连接通过网线直接将开发电脑与 G1 机器人相连,具有延迟低、稳定性高、不依赖外部网络的优势,是新手入门和底层调试的首选方式。 1.1 前置条件 所需物品说明开发电脑推荐安装 Ubuntu 20.04,或在 Windows 上使用虚拟机宇树 G1 机器人确保已开机且处于正常状态网线(