openCV

系统支持USB摄像头及深度相机图像采集，结合视觉算法识别目标物体，通过大语言模型完成语义理解及智能问答，并根据识别结果控制机器人完成导航、动作执行及语音播报。同时支持ROS2节点通信、状态发布、设备管理、日志输出及多模块协同运行，实现机器人整体业务流程闭环。

1.识别人体骨骼信息，包括手、脸、脚、骨骼等2.识别出人的行为信息，包括站立、行走、卧倒等行为3.针对不同场景、时间下，老年人的不同行为，给与监控，如遇突发状况及时通知告警

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下

医疗美容领域：研发结构光多视角人脸高精度三维成像系统；实现人头多视角三维重建，含三维点云--三角网格--三维纹理映射--多视角光照平滑处理等工业检测领域：研发轮胎生产过程的3D结构光、线激光三维缺陷检测系统；平面提取、异常高度检测、三维堆叠检测研发三维旋转三维扫描仪。

系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合，配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op

入住人脸信息统一采集绑定客人线下办理酒店入住登记时，系统同步采集人脸特征数据，将身份信息、入住订单与人脸数据关联存储，完成人脸权限授权，为全场景无感服务提供身份凭证。酒店全场景人脸无感通行服务依托边缘盒子内置深度学习人脸识别算法，对接酒店摄像头、智能门禁、电梯、客房门锁等硬件设备，已完成人脸授权的住

实现VR/MR等头戴低算力设备上实时高精度SLAM追踪算法，为上层SDK及APP提供技术基石。可建稀疏/稠密三维点云地图，VIO定位。实现多Camera+IMU联合标定算法；高精度实时SLAM位姿估计，SLAMAPE精度可达10mm内基于光学动作捕捉系统位姿对齐与估计(MetaSony等客户认可)。

意图识别、意图路由、Agent节点规划（图算法）、MCP服务调用、GraphRAG检索以及结果加权融合、向量召回、Skills技能包意图识别、正常对话、天气查询、表单处理、报告生成、非结构化数据处理、DOCX格式报告（图文表格5W字+）撰写、Agent自动化处理（类manus、openclaw，替代

SLAM建图与定位开发：基于2D/3D激光雷达、深度相机，提供高精度建图与定位算法开发，支持多楼层/大场景地图拼接与管理。多传感器融合：实现雷达/视觉/IMU/轮速计/RTK等多源数据融合定位，解决长廊、空旷等特征退化场景的定位难题。仿真与实车部署：搭建Gazebo/IsaacSim高保真仿真环境，

本项目实现了一个可调控生物节律LED光源分析与优化系统，主要功能包括：1）读取并清洗LED光谱功率分布SPD数据，完成波长、功率和单位的预处理；2）基于CIE色度学模型计算相关色温CCT和色偏差Duv；3）基于TM-30显色评价方法计算保真度指数Rf和色域指数Rg；4）基于CIES026/E生理节律

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。

项目围绕轴承故障诊断构建了四个模块：数据重采样与滑窗预处理、多维物理特征提取、源域故障分类与可解释分析、以及基于DANN的跨域迁移诊断。支持从振动信号生成时频谱图、训练分类模型、输出目标域故障标签，并结合SHAP、Grad-CAM和包络谱验证模型决策依据。

1、传感器模块：多模态传感器实现数据采集2、感知模块：利用多模态算法检测行人空间位置3、通信模块：感知结果与控制系统信息传输4、用户层模块：显示检测结果，并用于用户操作。

采用Python+Selenium技术栈，可模拟浏览器行为，实现翻页、等待加载、元素定位等操作；支持解析JS动态渲染内容，将数据整理为结构化格式，解决传统爬虫无法抓取动态页面的问题。

系统由五大核心模块组成：1）参数化建模模块，基于工厂模式按图集/页数为埋地管道、检查井、附属设施、井盖等构件创建对应类型，嵌入XA/EC数据；2）自动/手动布井布管工具，集成自动选井功能；3）模型修改与检查模块，使用BoostR-Tree空间索引加速碰撞检查，覆盖软硬碰撞、孤立设施/管道、短管、编号

1. 依托YOLO算法实现图像、视频中的多类别目标自动识别与定位，精准框选出画面内指定物体​2. 支持自定义数据集训练，可按需识别不同品类目标，灵活调整模型识别精度与检测速度​3. 搭建可视化前端界面，直观展示识别画面、检测结果与统计信息​4. 依托云服务器搭建后端服务，提供算法调用接口，实现模型线

1碰撞检测模块：预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块：使用传统或深度学习检测具体的货物容器（托盘，货架，料笼），厂区的行人，头盔，车辆等3避障检测模块：360°雷达检测避障，可对高于8cm的静态物体进行检测，不针对特定物体，不依赖数据集，移动物体通过多传感器相机和雷达融合输出

本项目的核心创新并非单一算法的修修补补，而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体

本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块，主要功能描述如下：1、系统基于YOLO-OBB算法，实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络，系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法，系统能够高精度地量测出工件的倾斜

核心功能-YOLO目标检测：支持图片上传、视频解析、摄像头实时直播流检测-安防监测：异常目标识别、实时预警、事件记录、回溯查询-工业质检：产品缺陷识别、不合格品标记、数据统计、检测报告-基础配置：摄像头接入、检测规则设置、预警方式自定义