2024 自主创业事业小结和2025展望

一 2024创业事业小结:

1.1 2024 自主创业项目小结:

2024年我们小团队主要做了两大类的项目:

1,工业类

在工业领域的项目,我们做了3个落地的视觉集成项目。

1.1 旋转角度的测量:

由于是外包项目,我们一开始都不知道我们的活来自哪里。但是, 这个角度检查的项目,我们实验了大厂的几个方案,海康和康耐视,他们的方案似乎都无法完美的达到客户的要求。我们给基恩士+HOLCON设计了我们自己的3D的接口,但是,HOLCON的API不能实现我们要的任务需求。

于是我们自己,自研的算法来实现,零件的角度的拟合接角度的计算:

下图,是我们做了一些边缘滤波处理后,用拟合算法对被测量的零件进行集合和角度计算的拟合的步骤图:

然后,这个是我们实际测量的零件加工的设定的角度的值的显示,

这个项目,我们最大的体会就是,作为一个自动化项目中的关键一环,在面对终端客户联调的时候,一定预先做好备案。任何没有备案的临时的变动,都会带来巨大的项目实施压力。因为,工位系统的进入系统有人调试,后面的加工系统,也有人调试,如果在你的环境有问题,其他人就不得不停下来,这就带来巨大的压力。

此外由于,由于项目的角度值最终是给到后端的自动机床,而机床的上下料是要求是非常严格的。如果发生角度偏差我们没有纠正,比如,导致零件和刀具的碰撞,一个刀具就是好几万,我们这个项目才几万,如果要陪的话,赔的底朝天,还没有考虑生产线的停工待产的损失。所以,全自动化工厂的项目接活需要慎重,搞不好肯定是要亏本的。稳定压倒一切!

1.2 3D抓取上料的实现:

这个项目是在著名的港口,港口的加工中心的工人,从轮船上卸货之前都是靠体力,可是,现在一个加工的零件有几百斤,即使是壮汉也维持不了几分钟,而且容易出事故,预设安排了一个巨大的抓取机器人。但是,抓去机器人上下料,需要视觉指引,之前大多数视觉场景在2D的图像检测,只要料盘放好就可以了。但是,由于现在是大型零件,需要抓手从零件的形体考虑抓取位置,这就必须对零件进行3D扫描,然后,找到特定的抓取位置,这个是2D的相机无法完成的任务。

而由于零件抓取机器人的个头巨大, 那么,扫描的3D相机就必须有很好的的吊高空间,在很高的吊高空间和抓取精度的平衡上,软件和算法需要做很多的工作。抓取策略的选择决定了算法运用的先后和配置情况。

此外,由于现场有光线干扰,用传统的主动式的3D相机,比如结果光,面阵光等都会产生点云空洞,找出无法拟合正确的零件形态,所以,我们采用了巨大功率的线扫模组器件,通过机械带动线扫的激光结合多帧图片来完成零件的扫描工作。

2,消费类

2.1 天文

去年我们和合作的伙伴一起进行了天文项目的开发工作。主要的工作就是设计一个电子目镜的质量优化系统。

2.2 教育

和教育伙伴,我们合作做了一些结合前沿科技相关的教育项目,包括,开源硬件(机械臂),人工智能小车,脑机接口等很有意思的课程项目。


 二 2025展望

还是需要尽量从产品出发来做事情,做项目确实是一件非常累的事情。而且,项目需要支持,任何项目的完成不是交付的时候就完成了。需要很长时间的交付的技术支持。这还表现在,交付的费用获取上面。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/6490.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis使用基础

1 redis介绍 Redis(Remote Dictionary Server ),即远程字典服务 ! 是完全开源的,遵守 BSD 协议,是一个高性能的 key-value 数据库。 使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并…

激光雷达和相机早期融合

通过外参和内参的标定将激光雷达的点云投影到图像上。 • 传感器标定 首先需要对激光雷达和相机(用于获取 2D 图像)进行外参和内参标定。这是为了确定激光雷达坐标系和相机坐标系之间的转换关系,包括旋转和平移。通常采用棋盘格等标定工具&…

HMV Challenges 022 Writeup

题目地址:https://hackmyvm.eu/challenges/challenge.php?c022 首先猜测是否为图片隐写,无果 盲猜图片上的小鸟是某种带符号的隐写 去这个网站找找看:https://www.dcode.fr/chiffres-symboles 找到了 参照原图片鸟儿的姿态选择并排放 所…

FPGA与ASIC:深度解析与职业选择

IC(集成电路)行业涵盖广泛,涉及数字、模拟等不同研究方向,以及设计、制造、封测等不同产业环节。其中,FPGA(现场可编程门阵列)和ASIC(专用集成电路)是两种重要的芯片类型…

【前端】Hexo 建站指南

文章目录 前言生成站点本地测试部署云端参考 前言 更好的阅读体验:https://blog.dwj601.cn/FrontEnd/Hexo/build-your-own-website-with-hexo/ 笔记记多了,想要分享给同学们一起交流进步,该怎么办?想要搭建一个属于自己的知识库…

抛弃node和vscode,如何用记事本开发出一个完整的vue前端项目

写这篇文章的初衷并不是要大家真的不用node和vscode,说实话前端发展成今天这样,在实际开发中确实离不开node和vscode这类工具了,但往往工具用多了我们自己也成了一个工具人! 这篇文章的缘由 最近在开发wordpress插件的时候&…

Gin 学习笔记

教程地址:https://www.bilibili.com/video/BV1FV4y1C72M?spm_id_from333.788.videopod.sections&vd_source707ec8983cc32e6e065d5496a7f79ee6 01-项目搭建 各常用目录的说明: https://github.com/golang-standards/project-layout/blob/master/REA…

麒麟操作系统服务架构保姆级教程(十四)iptables防火墙四表五链和防火墙应用案例

如果你想拥有你从未拥有过的东西,那么你必须去做你从未做过的事情 防火墙在运维工作中有着不可或缺的重要性。首先,它是保障网络安全的关键防线,通过设置访问控制规则,可精准过滤非法网络流量,有效阻挡外部黑客攻击、恶…

双目立体校正和Q矩阵

立体校正 对两个摄像机的图像平面重投影,使二者位于同一平面,而且左右图像的行对准。 Bouguet 该算法需要用到双目标定后外参(R,T) 从上图中可以看出,该算法主要分为两步: 使成像平面共面 这个办法很直观&#xff…

【C++】string类模拟实现

目录 💕1.模拟string类构造函数 💕2.模拟构造函数实现 💕3.拷贝构造函数模拟实现 💕4.析构函数模拟实现 💕5.size函数,capacity函数模拟实现 💕6.begin函数,end函数,模拟实…

微调Qwen2:7B模型,加入未知信息语料

对于QWen2这样的模型,在微调的时候,语料的投喂格式满足ChatML这样的格式!!! OpenAI - ChatML: 下面是ChatML格式的介绍: https://github.com/openai/openai-python/blob/release-v0.28.0/chatml.mdhttps://github.com/openai/openai-python/blob/release-v0.28.0/chat…

.Net Core微服务入门全纪录(四)——Ocelot-API网关(上)

系列文章目录 1、.Net Core微服务入门系列(一)——项目搭建 2、.Net Core微服务入门全纪录(二)——Consul-服务注册与发现(上) 3、.Net Core微服务入门全纪录(三)——Consul-服务注…

HTML根元素<html>的语言属性lang:<html lang=“en“>

诸神缄默不语-个人CSDN博文目录 在编写HTML页面时&#xff0c;通常会看到<html lang"en">这行代码&#xff0c;特别是在网页的开头部分&#xff0c;就在<!DOCTYPE html>后面。许多开发者可能对这个属性的含义不太了解&#xff0c;它到底有什么作用&…

小样本学习中的Prototypical Network(原型网络)详解

Few-shot Learning ,即“小样本学习”,是一种机器学习方法,旨在通过极少量样本训练模型,使其能够快速适应新任务或新类别。这种方法在数据稀缺的场景中非常有用。 Prototypical Network(原型网络)是小样本学习中的经典方法之一,特别适用于分类任务。它的核心思想是通过学…

mock可视化生成前端代码

介绍&#xff1a;mock是我们前后端分离的必要一环、ts、axios编写起来也很麻烦。我们就可以使用以下插件&#xff0c;来解决我们的问题。目前支持vite和webpack。&#xff08;配置超级简单&#xff01;&#xff09; 欢迎小伙伴们提issues、我们共建。提升我们的开发体验。 vi…

(回溯分割)leetcode93 复原IP地址

#include<iostream> #include<vector> #include<string> #include<algorithm> using namespace std; //卡尔的图不是按照程序执行过程而是直接画程序会执行的过程 // 实际执行是&#xff1a;n个字符&#xff0c;递推n1后&#xff08;叶子节点&#xff…

Springboot3 自动装配流程与核心文件:imports文件

注&#xff1a;本文以spring-boot v3.4.1源码为基础&#xff0c;梳理spring-boot应用启动流程、分析自动装配的原理 如果对spring-boot2自动装配有兴趣&#xff0c;可以看看我另一篇文章&#xff1a; Springboot2 自动装配之spring-autoconfigure-metadata.properties和spring…

JVM面试题解,垃圾回收之“分代回收理论”剖析

一、什么是分代回收 我们会把堆内存中的对象间隔一段时间做一次GC&#xff08;即垃圾回收&#xff09;&#xff0c;但是堆内存很大一块&#xff0c;内存布局分为新生代和老年代、其对象的特点不一样&#xff0c;所以回收的策略也应该各不相同 对于“刚出生”的新对象&#xf…

“腾讯、钉钉、飞书” 会议开源平替,免费功能强大

在数字化时代&#xff0c;远程办公和线上协作越来越火。然而&#xff0c;市面上的视频会议工具要么贵得离谱&#xff0c;要么功能受限&#xff0c;甚至还有些在数据安全和隐私保护上让人不放心。 今天开源君给大家安利一个超棒的开源项目 - Jitsi Meet&#xff0c;这可是我在网…

CNN-GRU卷积门控循环单元时间序列预测(Matlab完整源码和数据)

CNN-GRU卷积门控循环单元时间序列预测&#xff08;Matlab完整源码和数据&#xff09; 目录 CNN-GRU卷积门控循环单元时间序列预测&#xff08;Matlab完整源码和数据&#xff09;预测效果基本介绍CNN-GRU卷积门控循环单元时间序列预测一、引言1.1、研究背景与意义1.2、研究现状1…