【3D目标检测】激光雷达和相机联合标定（一）——ROS同步解包

摇曳的树2024-10-05 18:34

ROS同步解包

  • 引言
  • [1 鱼香ROS一键安装ros-docker脚本：](#1 鱼香ROS一键安装ros-docker脚本：)
  • [2 指定目录映射](#2 指定目录映射)
  • [3 数据解包](#3 数据解包)
    • [3.1 解包脚本](#3.1 解包脚本)
    • [3.2 依赖安装](#3.2 依赖安装)
    • [3.3 运行脚本，解包](#3.3 运行脚本，解包)

引言

总结步骤如下：

  1. 采集同步数据：ROS录制（推荐），或者代码同步触发采集
  2. ROS同步解包：一一对应的图片和点云数据
  3. 相机内参标定
  4. 激光雷达与相机外参标定
  5. 标定信息标准化文件生成
  6. 点云与图像配准映射

参考链接🔗：
1. 激光雷达和相机联合标定保姆级教程

1 鱼香ROS一键安装ros-docker脚本：

python 复制代码 
wget http://fishros.com/install -O fishros && . fishros



注：alianros为容器名称

2 指定目录映射

因为默认目录映射到/home/user，笔者想指定映射到专用的解包文件夹内

  1. 提交当前容器为新镜像
    首先，将当前运行中的容器alianros提交为一个新的镜像。这将保留容器中的所有更改和数据。
python 复制代码 
docker commit alianros alian_custom
  1. 启动新容器并指定新的目录映射
    使用新创建的镜像alian_custom启动一个新的容器，并在启动时指定新的目录映射。
python 复制代码 
docker run -it --name alian_new \
    -v /new/path/on/host:/new/path/in/container \
    [其他必要的参数] \
    alian_custom
  1. 停止并移除旧容器（可选）
    如果新容器运行正常，您可以选择停止并移除旧容器alian。
python 复制代码 
docker stop alianros
docker rm alianros
  1. 重命名新容器（可选）
    如果需要，您可以将新容器重命名为原容器的名称。
python 复制代码 
docker rename alian_new alianros
  1. 设置终端输入容器名来启动容器
    打开 shell 配置文件
python 复制代码 
nano ~/.bashrc  # 如果是 bash 用户

在文件的最后，添加如下内容：

python 复制代码 
alias alianros='docker exec -it alianros /bin/bash'

保存并应用更改

编辑完成后，保存文件并退出 (Ctrl + O 保存，Ctrl + X 退出)。然后运行以下命令使更改生效：

python 复制代码 
source ~/.bashrc  # 如果是 bash 用户

只需在终端中输入 alianros，它就会执行 docker exec -it alian /bin/bash：

python 复制代码 
alianros

3 数据解包

3.1 解包脚本

满足如下条件

  1. 能够实现对'.bag'进行解包，其中包括相机话题'/use_cam/image_raw'和点云话题'/lslidar_point_cloud'
  2. 数据提取使用时间戳命名，并保持图像数据和点云数据命名的时间同步问题，假设点云有700+数据，图像有1000+，以点云的时间戳为基准，寻找最接近的图像数据，两者以相同的时间戳命名，其中图片文件后缀保存为'.jpg'，点云文件后缀保存为'.pcd'
  3. 创建图像和点云的保存目录，'savepath/images'和'savepath/pointcloud'
  4. 输入变量包括：.bag路径，相机话题，点云话题，保存路径
  5. 最终得到一个输出目录，包括两个子目录'images'和'pointcloud'，子目录下的图片和点云文件一一匹配

新建脚本文件bag_unpacker.py，将下面的代码复制进去

python 复制代码 
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
author:alian
2024.10.03
安装必要的包
sudo apt-get update
sudo apt-get install python-opencv python-numpy python-pip
sudo apt-get install ros-melodic-cv-bridge  # 根据您的 ROS 版本调整
sudo pip install pypcd
本脚本基于 Python 2.7 编写，适用于 Ubuntu 18.04 上的 ROS Melodic
赋予执行权限：
chmod +x bag_unpacker.py
运行脚本：
./bag_unpacker.py --bag_path /path/to/your.bag --camera_topic /use_cam/image_raw --pointcloud_topic /lslidar_point_cloud --save_path /path/to/save
参数说明：
--bag_path：指定要解包的 .bag 文件路径。
--camera_topic：指定相机话题名称，默认值为 /use_cam/image_raw。
--pointcloud_topic：指定点云话题名称，默认值为 /lslidar_point_cloud。
--save_path：指定数据保存的根目录。
"""
import rosbag
import rospy
import os
import cv2
import numpy as np
from cv_bridge import CvBridge
from sensor_msgs.msg import Image, PointCloud2
from pypcd import pypcd
import struct
import sys
from tqdm import tqdm  # 导入 tqdm

class BagUnpacker(object):  # 1激光雷达+1摄像头同步
    def __init__(self, bag_path, camera_topic, pointcloud_topic, save_path):
        """
        初始化BagUnpacker类。

        :param bag_path: .bag文件路径
        :param camera_topic: 相机话题名称
        :param pointcloud_topic: 点云话题名称
        :param save_path: 数据保存路径
        """
        self.bag_path = bag_path
        self.camera_topic = camera_topic
        self.pointcloud_topic = pointcloud_topic
        self.save_path = save_path

        # 创建保存目录
        self.images_dir = os.path.join(self.save_path, 'images')
        self.pointcloud_dir = os.path.join(self.save_path, 'pointcloud')
        if not os.path.exists(self.images_dir):
            os.makedirs(self.images_dir)
        if not os.path.exists(self.pointcloud_dir):
            os.makedirs(self.pointcloud_dir)

        self.bridge = CvBridge()

    def unpack(self):
        """
        解包.bag文件，提取指定话题的数据，并进行时间同步保存。
        """
        print("开始解包.bag文件...")
        bag = rosbag.Bag(self.bag_path, 'r')

        # 收集相机数据
        print("收集相机数据...")
        image_msgs = []
        for topic, msg, t in tqdm(bag.read_messages(self.camera_topic)):
            timestamp = msg.header.stamp.to_sec()
            cv_image = self.bridge.imgmsg_to_cv2(msg, "bgr8")
            image_msgs.append((timestamp, cv_image))


        # 收集点云数据
        print("收集点云数据...")
        pointcloud_msgs = []
        for topic, msg, t in tqdm(bag.read_messages(self.pointcloud_topic)):
            timestamp = msg.header.stamp.to_sec()
            pointcloud = self.pointcloud2_to_xyz(msg)
            pointcloud_msgs.append((timestamp, pointcloud))

        bag.close()

        # 排序数据
        image_msgs.sort(key=lambda x: x[0])
        pointcloud_msgs.sort(key=lambda x: x[0])

        print("开始时间同步和保存数据...")
        image_timestamps = [msg[0] for msg in image_msgs]
        image_data = [msg[1] for msg in image_msgs]

        # 使用 tqdm 显示点云处理进度
        for pc_timestamp, pc_data in tqdm(pointcloud_msgs):
            # 寻找最接近的图像时间戳
            closest_idx = self.find_closest_timestamp(pc_timestamp, image_timestamps)
            closest_image = image_data[closest_idx]
            closest_image_timestamp = image_timestamps[closest_idx]

            # 使用点云的时间戳进行命名
            filename = "{0:.6f}".format(pc_timestamp)

            # 保存图像
            image_filename = os.path.join(self.images_dir, filename + ".jpg")
            cv2.imwrite(image_filename, closest_image)

            # 保存点云
            pcd_filename = os.path.join(self.pointcloud_dir, filename + ".pcd")
            self.save_pcd(pc_data, pcd_filename)

            # 可选：打印保存的信息
            # print("保存文件: ", filename)

        print("解包完成。")

    def find_closest_timestamp(self, target, timestamps):
        """
        寻找最接近的时间戳索引。

        :param target: 目标时间戳
        :param timestamps: 时间戳列表
        :return: 最接近的时间戳索引
        """
        closest_idx = np.argmin(np.abs(np.array(timestamps) - target))
        return closest_idx

    def pointcloud2_to_xyz(self, pointcloud_msg):
        """
        将PointCloud2消息转换为XYZ点云。

        :param pointcloud_msg: sensor_msgs/PointCloud2消息
        :return: Nx3的numpy数组
        """
        # 使用pypcd解析PointCloud2
        try:
            # pypcd需要PCD格式的数据，这里需要手动转换
            # 先将PointCloud2转换为PCD格式的内存数据
            header = pointcloud_msg.header
            width = pointcloud_msg.width
            height = pointcloud_msg.height
            fields = pointcloud_msg.fields
            is_bigendian = pointcloud_msg.is_bigendian
            point_step = pointcloud_msg.point_step
            row_step = pointcloud_msg.row_step
            data = pointcloud_msg.data
            is_dense = pointcloud_msg.is_dense

            # 将数据写入临时文件
            temp_pcd_path = "/tmp/temp_pointcloud.pcd"
            with open(temp_pcd_path, 'w') as f:
                f.write("# .PCD v0.7 - Point Cloud Data file format\n")
                f.write("VERSION 0.7\n")
                f.write("FIELDS x y z\n")
                f.write("SIZE 4 4 4\n")
                f.write("TYPE F F F\n")
                f.write("COUNT 1 1 1\n")
                f.write("WIDTH {}\n".format(width))
                f.write("HEIGHT {}\n".format(height))
                f.write("VIEWPOINT 0 0 0 1 0 0 0\n")
                f.write("POINTS {}\n".format(width * height))
                f.write("DATA ascii\n")

                # Extract x, y, z from each point
                for i in range(width * height):
                    offset = i * point_step
                    x = struct.unpack('f', data[offset:offset+4])[0]
                    y = struct.unpack('f', data[offset+4:offset+8])[0]
                    z = struct.unpack('f', data[offset+8:offset+12])[0]
                    f.write("{0} {1} {2}\n".format(x, y, z))

            # 使用pypcd读取临时PCD文件
            pc = pypcd.PointCloud.from_path(temp_pcd_path)
            xyz = np.vstack((pc.pc_data['x'], pc.pc_data['y'], pc.pc_data['z'])).transpose()

            # 删除临时文件
            os.remove(temp_pcd_path)

            return xyz
        except Exception as e:
            print("转换点云时出错: ", e)
            return np.array([])

    def save_pcd(self, pointcloud, filename):
        """
        将点云数据保存为PCD文件。

        :param pointcloud: Nx3的numpy数组
        :param filename: 保存路径
        """
        if pointcloud.size == 0:
            print("空点云数据，跳过保存。")
            return

        # 创建 PCD 对象
        pointcloud = np.array(pointcloud, dtype=np.float32)
        pc = pypcd.make_xyz_point_cloud(pointcloud)
        pc.save_pcd(filename, compression='binary')

class BagUnpacker_2cam(object):  # 1激光雷达+2摄像头同步
    def __init__(self, bag_path, camera0_topic,camera1_topic, pointcloud_topic, save_path):
        """
        初始化BagUnpacker类。

        :param bag_path: .bag文件路径
        :param camera_topic: 相机话题名称
        :param pointcloud_topic: 点云话题名称
        :param save_path: 数据保存路径
        """
        self.bag_path = bag_path
        self.camera_topic0 = camera0_topic
        self.camera_topic1 = camera1_topic
        self.pointcloud_topic = pointcloud_topic
        self.save_path = save_path

        # 创建保存目录
        self.images0_dir = os.path.join(self.save_path, 'images0')
        self.images1_dir = os.path.join(self.save_path, 'images1')
        self.pointcloud_dir = os.path.join(self.save_path, 'pointcloud')
        if not os.path.exists(self.images0_dir):
            os.makedirs(self.images0_dir)
        if not os.path.exists(self.images1_dir):
            os.makedirs(self.images1_dir)
        if not os.path.exists(self.pointcloud_dir):
            os.makedirs(self.pointcloud_dir)

        self.bridge = CvBridge()

    def unpack(self):
        """
        解包.bag文件，提取指定话题的数据，并进行时间同步保存。
        """
        print("开始解包.bag文件...")
        bag = rosbag.Bag(self.bag_path, 'r')

        # 收集相机数据
        print("收集相机1数据...")
        image0_msgs = []
        for topic, msg, t in tqdm(bag.read_messages(self.camera_topic0)):
            timestamp = msg.header.stamp.to_sec()
            cv_image = self.bridge.imgmsg_to_cv2(msg, "bgr8")
            image0_msgs.append((timestamp, cv_image))
        print("收集相机2数据...")
        image1_msgs = []
        for topic, msg, t in tqdm(bag.read_messages(self.camera_topic1)):
            timestamp = msg.header.stamp.to_sec()
            cv_image = self.bridge.imgmsg_to_cv2(msg, "bgr8")
            image1_msgs.append((timestamp, cv_image))

        # 收集点云数据
        print("收集点云数据...")
        pointcloud_msgs = []
        for topic, msg, t in tqdm(bag.read_messages(self.pointcloud_topic)):
            timestamp = msg.header.stamp.to_sec()
            pointcloud = self.pointcloud2_to_xyz(msg)
            pointcloud_msgs.append((timestamp, pointcloud))

        bag.close()

        # 排序数据
        image0_msgs.sort(key=lambda x: x[0])
        image1_msgs.sort(key=lambda x: x[0])
        pointcloud_msgs.sort(key=lambda x: x[0])

        print("开始时间同步和保存数据...")
        image0_timestamps = [msg[0] for msg in image0_msgs]
        image0_data = [msg[1] for msg in image0_msgs]
        image1_timestamps = [msg[0] for msg in image1_msgs]
        image1_data = [msg[1] for msg in image1_msgs]

        # 使用 tqdm 显示点云处理进度
        for pc_timestamp, pc_data in tqdm(pointcloud_msgs):
            # 寻找最接近的图像时间戳
            closest_idx0 = self.find_closest_timestamp(pc_timestamp, image0_timestamps)
            closest_image0 = image0_data[closest_idx0]
            closest_idx1 = self.find_closest_timestamp(pc_timestamp, image1_timestamps)
            closest_image1 = image1_data[closest_idx1]

            # 使用点云的时间戳进行命名
            filename = "{0:.6f}".format(pc_timestamp)

            # 保存图像
            image0_filename = os.path.join(self.images0_dir, filename + ".jpg")
            cv2.imwrite(image0_filename, closest_image0)
            image1_filename = os.path.join(self.images1_dir, filename + ".jpg")
            cv2.imwrite(image1_filename, closest_image1)

            # 保存点云
            pcd_filename = os.path.join(self.pointcloud_dir, filename + ".pcd")
            self.save_pcd(pc_data, pcd_filename)

            # 可选：打印保存的信息
            # print("保存文件: ", filename)

        print("解包完成。")

    def find_closest_timestamp(self, target, timestamps):
        """
        寻找最接近的时间戳索引。

        :param target: 目标时间戳
        :param timestamps: 时间戳列表
        :return: 最接近的时间戳索引
        """
        closest_idx = np.argmin(np.abs(np.array(timestamps) - target))
        return closest_idx

    def pointcloud2_to_xyz(self, pointcloud_msg):
        """
        将PointCloud2消息转换为XYZ点云。

        :param pointcloud_msg: sensor_msgs/PointCloud2消息
        :return: Nx3的numpy数组
        """
        # 使用pypcd解析PointCloud2
        try:
            # pypcd需要PCD格式的数据，这里需要手动转换
            # 先将PointCloud2转换为PCD格式的内存数据
            header = pointcloud_msg.header
            width = pointcloud_msg.width
            height = pointcloud_msg.height
            fields = pointcloud_msg.fields
            is_bigendian = pointcloud_msg.is_bigendian
            point_step = pointcloud_msg.point_step
            row_step = pointcloud_msg.row_step
            data = pointcloud_msg.data
            is_dense = pointcloud_msg.is_dense

            # 将数据写入临时文件
            temp_pcd_path = "/tmp/temp_pointcloud.pcd"
            with open(temp_pcd_path, 'w') as f:
                f.write("# .PCD v0.7 - Point Cloud Data file format\n")
                f.write("VERSION 0.7\n")
                f.write("FIELDS x y z\n")
                f.write("SIZE 4 4 4\n")
                f.write("TYPE F F F\n")
                f.write("COUNT 1 1 1\n")
                f.write("WIDTH {}\n".format(width))
                f.write("HEIGHT {}\n".format(height))
                f.write("VIEWPOINT 0 0 0 1 0 0 0\n")
                f.write("POINTS {}\n".format(width * height))
                f.write("DATA ascii\n")

                # Extract x, y, z from each point
                for i in range(width * height):
                    offset = i * point_step
                    x = struct.unpack('f', data[offset:offset+4])[0]
                    y = struct.unpack('f', data[offset+4:offset+8])[0]
                    z = struct.unpack('f', data[offset+8:offset+12])[0]
                    f.write("{0} {1} {2}\n".format(x, y, z))

            # 使用pypcd读取临时PCD文件
            pc = pypcd.PointCloud.from_path(temp_pcd_path)
            xyz = np.vstack((pc.pc_data['x'], pc.pc_data['y'], pc.pc_data['z'])).transpose()

            # 删除临时文件
            os.remove(temp_pcd_path)

            return xyz
        except Exception as e:
            print("转换点云时出错: ", e)
            return np.array([])

    def save_pcd(self, pointcloud, filename):
        """
        将点云数据保存为PCD文件。

        :param pointcloud: Nx3的numpy数组
        :param filename: 保存路径
        """
        if pointcloud.size == 0:
            print("空点云数据，跳过保存。")
            return

        # 创建 PCD 对象
        pointcloud = np.array(pointcloud, dtype=np.float32)
        pc = pypcd.make_xyz_point_cloud(pointcloud)
        pc.save_pcd(filename, compression='binary')

if __name__ == "__main__":
    import argparse

    parser = argparse.ArgumentParser(description="解包ROS .bag文件，提取相机和点云数据并同步保存。")
    parser.add_argument('--bag_path', type=str, required=True, help='.bag文件路径')
    parser.add_argument('--camera0_topic', type=str, default='/use_cam/image_raw', help='相机话题名称')
    parser.add_argument('--camera1_topic', type=str, default='/use_cam/image_raw', help='相机话题名称')
    parser.add_argument('--pointcloud_topic', type=str, default='/lslidar_point_cloud', help='点云话题名称')
    parser.add_argument('--save_path', type=str, required=True, help='数据保存路径')

    args = parser.parse_args()
    # 1激光雷达+1摄像头同步
    # unpacker = BagUnpacker(
    #     bag_path=args.bag_path,
    #     camera_topic=args.camera0_topic,
    #     pointcloud_topic=args.pointcloud_topic,
    #     save_path=args.save_path
    # )

    # unpacker.unpack()
    # 1激光雷达+2摄像头同步
    unpacker = BagUnpacker_2cam(
        bag_path=args.bag_path,
        camera0_topic=args.camera0_topic,
        camera1_topic=args.camera1_topic,
        pointcloud_topic=args.pointcloud_topic,
        save_path=args.save_path
    )

    unpacker.unpack()
"""
终端命令：
roscore
rosbag info xxx.bag # 查看话题名称
python ROS_bag/bag_unpacker.py --bag_path ROS_bag/cali_lidar_camera.bag --camera1_topic /usb_cam/image_raw --pointcloud_topic /lslidar_point_cloud --save_path ROS_bag/cali
python ROS_bag/bag_unpacker.py --bag_path ROS_bag/2024-07-08-19-54-56_lidar2cam_12.bag --camera0_topic /img0 --camera1_topic /img1 --pointcloud_topic /benewake//SyncX2PointCloud --save_path ROS_bag/cali_12
"""

3.2 依赖安装

确保进入自定义的ROS1容器

查看容器的python版本，如图为2.7

  1. 安装pip及必要依赖
python 复制代码 
sudo apt-get update
sudo apt-get install python-opencv python-numpy python-pip
sudo apt-get install ros-melodic-cv-bridge  # 根据您的 ROS 版本调整
如果您的容器中没有 pip，您可以按照以下步骤安装 pip：
下载 get-pip.py 脚本：
curl https://bootstrap.pypa.io/pip/2.7/get-pip.py -o get-pip.py
使用 Python 2.7 运行该脚本：
python get-pip.py
  1. 在 Python 2.7 容器中安装 tqdm(进度条)/pypcd
python 复制代码 
pip install tqdm
安装完成后，您可以验证 tqdm 是否成功安装：
python -c "import tqdm; print(tqdm.__version__)"
# 安装 pypcd
pip install pypcd
  1. 在 Docker 容器中安装 vim nano gedit等终端文本编辑器（后续有用）
    vim 通常也很适合在容器中使用。如果你想用 vim，可以通过以下命令安装：
    apt-get update
    apt-get install vim nano gedit
    安装完成后，通过以下命令打开并编辑 .py 文件：
    vim your_script.py

vim 的基本使用步骤和常用命令说明：

  1. 打开文件 在终端中输入以下命令来打开文件： vim your_script.py 如果文件不存在，vim 会创建一个新的文件。
  2. 进入插入模式（编辑模式） 默认情况下，vim 启动时是 命令模式，你无法直接编辑文件。要开始编辑，需要进入 插入模式： 按下 i 键，进入插入模式。此时可以输入、修改文件的内容。
  3. 保存文件并退出 编辑完成后，需要返回 命令模式 来保存文件并退出。按如下步骤操作： 退出插入模式：按下 Esc 键。 保存并退出： 输入 :wq 然后按 Enter 保存文件并退出。 如果只想保存文件但不退出，可以输入 :w 然后按 Enter。
    如果想退出但不保存，可以输入 :q! 然后按 Enter。
  4. 常用命令 i：进入插入模式（在当前光标位置编辑）。 Esc：退出插入模式，回到命令模式。 :w：保存文件但不退出。 :wq 或 ZZ：保存并退出。 :q!：强制退出（不保存修改）。 x：删除当前光标处的字符。 dd：删除当前行。 yy：复制当前行。
    p：在光标下方粘贴。 u：撤销上一次操作。
  5. 基本工作流程 打开文件：vim your_file.py 进入插入模式：按 i，编辑文件。 完成编辑后：按 Esc 退出插入模式。 保存并退出：输入 :wq 然后按 Enter。
  6. 查找内容 在命令模式下，按 / 键然后输入你要查找的内容： /find_this_text 然后按 Enter，vim 会跳到匹配的地方。使用 n 和 N 可以跳到下一个或上一个匹配项。
  7. 常见问题 如果 vim 在启动时显示成只读模式，使用 :w! 可以强制保存文件。

3.3 运行脚本，解包

执行指令如下：

python 复制代码 
#打开一个终端（进入容器内）
roscore
# 打开第二个终端（进入容器内）
rosbag info xxx.bag # 查看话题名称

笔者以1个激光雷达+2个相机录制的Bag包为例：

python 复制代码 
# 1个激光雷达+1个相机执行指令
python ROS_bag/bag_unpacker.py --bag_path ROS_bag/cali_lidar_camera.bag --camera1_topic /usb_cam/image_raw --pointcloud_topic /lslidar_point_cloud --save_path ROS_bag/cali
# 1个激光雷达+2个相机执行指令
python ROS_bag/bag_unpacker.py --bag_path ROS_bag/2024-07-08-19-54-56_lidar2cam_12.bag --camera0_topic /img0 --camera1_topic /img1 --pointcloud_topic /benewake//SyncX2PointCloud --save_path ROS_bag/cali_12

成功解包如下：


BUG解决

BUG1：

BUG2：

解决方法：

python 复制代码 
cd /usr/local/lib/python2.7/dist-packages/pypcd
vim pypcd.py

修改如下：

相关推荐
工业3D_大熊2 小时前
【CAE开发SDK】CEETRON Envision：适用于桌面端、Web端的数据可视化与分析
3d·数据分析·虚拟仿真·cae·cae系统开发·cae可视化·cae数据分析
天天进步20152 小时前
使用 Three.js 创建一个 3D 人形机器人仿真系统
3d
LL.。5 小时前
目标检测——基于yolov8和pyqt的螺栓松动检测系统
yolo·目标检测·pyqt
亿达四方SOLIDWORKS6 小时前
3D制图软件SOLIDWORKS：开启高效设计与创新的新纪元
3d·csdn开发云
资源补给站11 小时前
大恒相机开发（2）—Python软触发调用采集图像
开发语言·python·数码相机
supermapsupport14 小时前
iClient3D for Cesium在Vue中快速实现场景卷帘
前端·vue.js·3d·cesium·supermap
火星机器人life15 小时前
基于ceres优化的3d激光雷达开源算法
算法·3d
jndingxin21 小时前
OpenCV相机标定与3D重建(26)计算两个二维点集之间的部分仿射变换矩阵（2x3）函数 estimateAffinePartial2D()的使用
opencv·3d
烧技湾1 天前
RTMW:实时多人2D和3D 全人体姿态估计
3d·全人体关键点检测
热门推荐
0119个Web前端交互式3D JavaScript框架和库02ARM学习（31）编译器对overlay方式的支持03玄机平台应急响应—webshell查杀04RAG 实践- Ollama+RagFlow 部署本地知识库05【一文读懂】NTN（非地面网络）技术介绍06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07ZZ038 物联网应用与服务赛题第J套08组基轨迹建模 GBTM的介绍与实现（Stata 或 R）09Docker 夺命连环 15 问10VSCode插件 —— Cody AI （免费AI助手！）