OpenCV 读取视频，可以通过属性 CAP_PROP_FRAME_COUNT 获取视频的总帧数，但是有些视频通过该属性获取的帧数和实际遍历整个视频的帧数不一样。 1234567891011121314151617import cv2 as cvvideo = 'video.mp4'cap = cv.VideoCapture(video)frames = cap.get(cv.

AlphaPose 为开源项目。项目基于PyTorch深度学习框架，所以要安装PyTorch，一般来说把这两个教程看完，PyTorch就能成功安装了： 搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向） PyCharm与Anaconda超详细安装配置教程 之后就是 AlphaPose 的本地部署，copy 源码后一个一个一个一个往 Conda

项目一共有 4 个线程，分别为 3 个传感器采集线程和 1 个计算线程。 理想中 4 个线程需要以队列的方式执行： 线程 1 采集数据 ——> 线程 2 采集数据 ——> 线程 3 采集数据 ——> 线程 4 计算数据 这里采用给线程加锁的方式： 采用 threading 并加锁123456789101112131415161718192021222324252627282930

传感器采购自 DFRobot，基本上是即买即用。 购买地址 相关信息，这个也是。 Arduino 驱动代码： 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475

PyQt 构建 UI 的逻辑有点类似 SwiftUI，下面以 pyqtgraph 为最小组件来构建 UI： 层级结构如下： 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152import sysimport pyqtgraph as pgfrom PyQt5.

标定的本质是参数辨识，参数包括陀螺仪和加速度计各自的零偏、刻度系数误差、安装误差。 IMU的内参标定：通过特定的方法找出生产工艺引起的误差，并把他们量化，最终将数据校正。 相关资料： IMU 内参标定； 多传感器融合定位理论基础（四）：IMU内参模型及标定。

使用 pyqtgraph 显示传感器数据时，会出现图表无法刷新的情况（数据依然在采集，但图表无法刷新）。 测试下来的原因是绘制 curve 的 setData() 必须在主线程中运行。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758

12345scp file user@host:target patheg. scp main.py pi@192.168.1.1:/home/pi/Desktop/demo将目录下的 main.py 拷贝至树莓派的桌面 demo 文件夹中

serial 读取串口数据初始化ser 123import serialser = serial.Serial('com1', 9600, timeout=1) 初始化的参数 123456789101112131415161718ser = serial.Serial(port=None, # number of device, numbering

传感器采购自 DFRobot，基本上是即买即用。 购买地址 相关信息 Arduino 驱动代码： 1234567891011121314151617181920212223242526272829303132333435/*! * @file getOxygenConcentration.ino * @brief Enable the power, and the informati