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

Copilot vs Cursor vs Trae vs ChatGPT:哪个AI编程工具最适合你的开发场景?

Copilot vs Cursor vs Trae vs ChatGPT:开发者实战选型指南 当AI编程工具从实验室走向工程实践,选择困难症便开始困扰每一位开发者。GitHub Copilot的代码补全、Cursor的项目级重构、Trae的流程自动化以及ChatGPT的原理解析——这四类工具看似功能重叠,实则各有不可替代的战场。本文将带您深入真实开发场景,用实战案例拆解每款工具的杀手锏。 1. 日常编码场景的效能革命 在常规业务开发中,效率提升往往体现在那些重复却必要的代码片段上。Copilot凭借与IDE深度集成的优势,在以下场景展现出惊人爆发力: * CRUD接口生成:输入// REST API for user management,它能自动补全Controller层结构 * 前端组件构建:描述// React table with pagination,完整TSX代码即刻呈现 * 错误处理样板:键入try{ 后自动补全完整的异常捕获块 // Copilot生成的典型CRUD代码示例 async function getUserById(id) { try {

1000 多万次播放背后的 AIGC 方法论:对爆款视频《牌子》进行“拉片”

现在是 2026 年 2 月。如果你还没搞清楚当下 AI 到底强到什么程度,这段时间最容易被用来“当场打脸”的样本,几乎就是 B 站那条 7 分钟的 AI 短片《牌子》(片名《SIGN》)。一周 1000 多万播放、80 多万点赞、30 多万投币,导演郭帆转发点赞,YouTube 上老外震惊,评论区逐帧分析,甚至“差评编辑部”的后期们也在上班时间讨论它到底怎么做出来——这种传播强度,已经不是“技术圈自嗨”,而是跨圈层的内容事件。 但更有价值的问题其实不是“用了什么模型、什么提示词”,而是:**为什么这条片子能以 AIGC 的方式被做出来,并且做成了一个能扛住大众审美的作品?**换句话说,这背后有没有一套可复用的方法论,让更多人不靠“

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI:多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中,海螺AI作为一款前沿的多功能AI工具,正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司(MiniMax)精心打造,依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型,展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业,在多模态大模型研发领域深耕细作,为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 (一)基础模型:abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计,借助动态路由机制,即Sparse Gating Network,可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等,各司其职,协同作业。在参数规模上,abab - 6.5总参数量高达1.2万亿,同时通过巧妙的设计,将活跃参数量控制在2000亿/query,有效平衡了模型的高容量与低推理成本。在训练优化环节,

Whisper语音识别:10倍速度提升的GPU加速实战指南

Whisper语音识别:10倍速度提升的GPU加速实战指南 【免费下载链接】whisperopenai/whisper: 是一个用于实现语音识别和语音合成的 JavaScript 库。适合在需要进行语音识别和语音合成的网页中使用。特点是提供了一种简单、易用的 API,支持多种语音识别和语音合成引擎,并且能够自定义语音识别和语音合成的行为。 项目地址: https://gitcode.com/GitHub_Trending/whisp/whisper 还在为语音转文字等待太久而烦恼吗?想象一下,原本需要15分钟处理的会议录音,现在只需要90秒就能完成——这就是Whisper结合GPU加速带来的革命性体验。无论是会议纪要整理、播客内容转录,还是多语言翻译,GPU加速都能让你的工作效率实现质的飞跃。 为什么需要GPU加速? 传统CPU处理语音识别时,就像让一个人慢慢翻阅厚厚的文件,而GPU加速则是让整个图书馆的助理同时帮你查找信息。Whisper的三个核心计算阶段在GPU上都能获得显著加速: 计算阶段CPU处理时间GPU处理时间加速效果特征提取35%总时间大幅缩短最明显Tra