原文链接 搭建私有图床免费图床有两个缺点，一方面是基于隐私的保护的问题，另一方面是你不知道它什么时候可能就没了~，所以如果你对资源管理有更高的要求，或者你是一个小团队需要有自己的图床以保证稳定性，不妨往下看，我手把手教你搭建自己的私有图床。 需要用到两个东西： 腾讯云 COS（对象存储） uPic 客户端 购买腾讯云 COS其实国内提供对象存储服务的有很多，例如腾讯云、阿里云、七牛云、百度云、

OpenCV 转换成 PIL.Image 格式： 12345678910111213141516171819import cv2 from PIL import Image import numpy img = cv2.imread("1.jpg") print(img.shape)print(type(img))cv2.imshow("OpenCV&qu

VSCode 下载 Python 插件： 在 VSCode 中使用 CTRL+P 打开搜索，然后输入 > select interpreter： 选择对应环境即可。 运行代码后，可以在 VSCode 的终端发现自动输入了如下指令：

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