- 综合排序
- 最热优先
- 最新优先
- 来自专栏IMWeb前端团队
Lego组件平台开发（一）
本文作者：IMWeb 刘恒兵 原文出处：IMWeb社区 未经同意，禁止转载 Lego组件平台开发（一） @(lego平台) 为什么要做组件平台 为什么要组件，这个问题在很多场合都被人提起，这里不做过多赘述 规范 每一个组件平台应当有自己的规范，至少应该包含以下规范 Lego 组件规范 Lego 平台规范 Lego 运营规范 当然这里的运营规范是后面补充的，早期我们确定了代码采用commonjs规范，后期我们打通了基于 fis3的构建体系fis3-hook-lego。 组件使用 这里有详细的组件使用文档 大致罗列了一下，Lego的产生的背景、规范、使用的指引，后续章节再逐渐解析Lego体系下各个模块运作机制和Lego的理念
2.7K30发布于 2019-12-04 - 来自专栏叶子陪你玩编程
python 图片转lego积木风格
replace("['","").replace("']","").replace("'","") return color_name # 生成乐高图片 def generate_lego_img new_board.paste(img_temp, (20*row, 20*col)) # 保存乐高图片到本地 new_board.save(f"{img_name[0:-4]}_lego.jpg png" # 生成像素图 _,board = img_to_pixel(img_name,1) # 生成乐高图,并返回零件数据 block_list = generate_lego_img
1.3K30编辑于 2022-05-22 - 来自专栏腾讯IVWEB团队的专栏
Lego 组件平台开发（一）
规范 每一个组件平台应当有自己的规范，至少应该包含以下规范： Lego 组件规范 Lego 平台规范 Lego 运营规范 当然这里的运营规范是后面补充的，早期我们确定了代码采用commonjs规范，后期我们打通了基于 fis3的构建体系fis3-hook-lego。 组件使用 这里有详细的组件使用文档 大致罗列了一下，Lego的产生的背景、规范、使用的指引，后续章节再逐渐解析Lego体系下各个模块运作机制和Lego的理念 原文链接：http://ivweb.io/topic
2K00发布于 2017-03-13 - 来自专栏IMWeb前端团队
Lego组件平台开发（一）
本文作者：IMWeb 刘恒兵 原文出处：IMWeb社区 未经同意，禁止转载 Lego组件平台开发（一） 为什么要做组件平台 为什么要组件，这个问题在很多场合都被人提起，这里不做过多赘述，其解决的本质问题 规范 每一个组件平台应当有自己的规范，至少应该包含以下规范 Lego 组件规范 Lego 平台规范 Lego 运营规范 当然这里的运营规范是后面补充的，早期我们确定了代码采用commonjs规范，后期我们打通了基于 fis3的构建体系fis3-hook-lego。 组件使用 这里有详细的组件使用文档 大致罗列了一下，Lego的产生的背景、规范、使用的指引，后续章节再逐渐解析Lego体系下各个模块运作机制和Lego的理念
1.2K50发布于 2018-01-08 - 来自专栏Go与云原生
lego-certmgr 一款使用 lego 生成域名证书的代理服务
lego-certmgr 是一个基于 lego - Github Libiray 封装的证书申请 代理 。 使用说明 下载 访问 Github 下载最新版 lego-certmgr GitHub Release - lego-certmgr 使用 export DNSPOD_API_KEY=123123123,123123
49320编辑于 2023-02-25 - 来自专栏具身小站
LeGO-LOAM导航算法：从原理到实践
LeGO-LOAM 与 A-LOAM 的核心改进对比 特性 LeGO-LOAM A-LOAM 设计目标 轻量级、地面车辆优化、嘈杂环境稳健 通用3D SLAM，适用于无人机、手持设备等多种平台 点云处理 ： # 创建工作空间并克隆代码 mkdir -p ~/lego_ws/src cd ~/lego_ws/src git clone https://github.com/RobustFieldAutonomyLab 默认订阅的/velodyne_points，或在LeGO-LOAM的utility.h中修改pointCloudTopic参数。 4.5 兼容性调整 文件 改动 原因 LeGO-LOAM/LeGO-LOAM/include/utility.h 1. opencv/cv.h改为opencv2/opencv.hpp；2. 增加#include <unordered_map> 1. opencv版本在ubuntu20默认是4；2. flann跟opencv库的定义冲突 LeGO-LOAM/LeGO-LOAM/CMakeLists.txt
46311编辑于 2025-10-31 - 来自专栏测试开发社区
Lego：美团点评接口自动化测试实践
Lego的组成 Lego接口测试解决方案是由两部分组成的，一个就是刚刚看到的“网站”，另一个部分就是“脚本”。 下面就开始进行“脚本设计”部分的介绍。 脚本设计 Lego的做法 Lego接口自动化测试脚本部分，使用很常见的Jenkins+TestNG的结构。 ? 相信看到这样的模型并不陌生，因为很多的测试都是这样的组成方式。 Lego接口自动化测试用例 说了这么多，那我们来看看Lego接口测试用例的样子。 一条Lego自动用例执行顺序大概是如下图这样： ? 简单区分一下各个部分，可以看到： ? 目前Lego由五个不同的项目组成，分别是“测试脚本”、“Lego-web页面项目”、“用于执行接口测试的base包”、“小工具集合Lego-kit”和“lego-job”，通过上图可以看出各项目间的依赖关系 在现报告可以直接看到执行报错的信息，然后点击“LEGO维护传送门”，可以跳转到Lego站点上，进行用例维护。 Step 3 跳转到站点上以后，可以直接展示出该条测试用例的所有信息。
1.6K30发布于 2019-09-20 - 来自专栏计算机视觉life
代码实战 | 用LeGO-LOAM实现地面提取
原文链接：代码实战 | 用LeGO-LOAM实现地面提取 作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。 也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAM LeGO-LOAM框架设计思路的第一步就是提取并分离地面。 在文件 LEGO-LOAM/LeGO-LOAM/include/utility.h中： // VLP-16 extern const int N_SCAN = 16; // 激光雷达的线术条数 extern LeGO-LOAM 在检测地面点云时，并不是遍历所有scan(扫描线)的，因为雷达是水平放置，有一部分scan(扫描线)是射向天空的，框架里只取了贴近地面的七条scan(扫描线) 在文件LEGO-LOAM 参考资料 https://github.com/RobustFieldAutonomyLab/LeGO-LOAM 作者来自我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM
76430编辑于 2021-12-07 - 来自专栏3D视觉从入门到精通
一文详解激光SLAM框架LeGO-LOAM
，从标题可以看出 LeGO-LOAM 为应对可变地面进行了地面优化，同时保证了轻量级。 LeGO-LOAM的设计思路 对地面点云的配准主要使用的是面点特征；在分割后的点云配准主要使用的是边缘点和面点特征。 LeGO_LOAM的软件系统输入 3D Lidar 的点云，输出 6 DOF 的位姿估计。 LeGO-LOAM的算法细节 图3 噪声环境中一条scan的特征提取过程 A. Lidar Mapping LeGO-LOAM的性能表现 作者为测试LeGO-LOAM的性能，设计了一系列的实验来对比LeGO-LOAM和LOAM的表现性能。
2.3K10发布于 2021-11-04 - 来自专栏具身小站
LeGO-LOAM 核心技术原理与数学推导详解
LeGO-LOAM在LOAM的基础上，通过一系列精巧的工程设计（地面提取、两步优化、标签匹配），牺牲了部分通用性，换取了在特定场景下无与伦比的性能和效率，作为地面机器人激光SLAM的一个高效、实用、鲁棒的解决方案 点云分割与地面提取的数学原理 1.1 点云到距离图像的投影 这是LeGO-LOAM实现轻量化的第一个关键步骤，将3D点云投影到一个2D矩阵上，极大地简化了后续的邻域搜索操作。 两步LM优化的数学推导 这是LeGO-LOAM最核心的创新，它将6自由度的位姿变换的解耦优化变成了两个更简单、更稳定的3自由度优化问题。 LeGO-LOAM 与其他SLAM算法的横向对比 为了更清晰地定位LeGO-LOAM在SLAM技术生态中的位置，将其与具有代表性的其他几类SLAM算法进行对比。 优势 劣势 适用场景 激光SLAM（基于特性） ALOAM 3D Lidar 提取角点、面点特征，进行帧间匹配与地图匹配优化 高精度、开创性工作 计算量大、无回环、对运动畸变敏感 无人机、实验环境 LeGO-LOAM
37210编辑于 2025-10-31 - 来自专栏3D视觉从入门到精通
代码实战 | 用LeGO-LOAM实现地面提取
LeGO-LOAM框架设计思路的第一步就是提取并分离地面。本篇文章就来详细说明LeGO-LOAM是如何来进行地面提取的。 在文件 LEGO-LOAM/LeGO-LOAM/include/utility.h中： // VLP-16 extern const int N_SCAN = 16; // 激光雷达的线术条数 extern LeGO-LOAM 在检测地面点云时，并不是遍历所有scan(扫描线)的，因为雷达是水平放置，有一部分scan(扫描线)是射向天空的，框架里只取了贴近地面的七条scan(扫描线) 在文件LEGO-LOAM /LeGO-LOAM/src/imageProjection.cpp中，先介绍几个重要的变量： cv::Mat rangeMat; // range matrix for range image (range 参考资料 https://github.com/RobustFieldAutonomyLab/LeGO-LOAM
1.5K30发布于 2021-11-19 - 来自专栏未来先知
基于 LEGO ：重塑自然语言处理，融合 LLM 与 SLM 优势 ！
本文提出了一种名为LEGO的新技术，可以从LLM中提取SLMs并重新组合。 将SLMs视为构建模块，LEGO有效地将它们组装成一个连贯的LLM。 微调每个客户 SLM 在 LEGO 中，使用非 i.i.d. 任务相关数据 的效果是什么？ LEGO是否能使不同形状的积木堆叠？在每次实验中，作者遵循图1中显示的LEGO工作流程。 结果表明，LEGO在异构数据方面具有优势。在最后一列“LLM Recombined”中，LEGO的表现优于FedIT，准确率为0.571，而FedIT的准确率为0.563。 然而，LEGO可以与任何剪枝技术兼容，包括不同的客户端结构剪枝模式，因为LEGO在客户端模型中保留了稀疏性模式。
35400编辑于 2025-01-07 - 来自专栏机器之心
华为推出软工代码智能体SWE-Lego，解锁SFT训练极致性能
//huggingface.co/SWE-Lego SWE-Lego 具有三大创新，包括数据、训练和测试时扩展。 二、SWE-Lego 的三大核心组件 SWE-Lego 包含三个核心组件： 图 2：SWE-Lego-Qwen3-32B 的性能提升分解，混合数据集贡献最大（+25.6%），改进的 SFT 贡献 + 3.8% SWE-Lego 采用混合数据构建策略，结合真实世界数据和合成数据。 在 SWE-bench Verified 上，SWE-Lego-Qwen3-8B 达到 42.2%，SWE-Lego-Qwen3-32B 达到 52.6%。 SWE-Lego 系统研究了两个正交维度： 维度 1：串行扩展 vs 并行扩展 SWE-Lego 研究了串行扩展和并行扩展之间的资源分配。串行扩展通过增加最大交互轮次实现，在低测试预算的区域非常高效。
12510编辑于 2026-01-22 - 来自专栏计算机视觉life
代码实战 | 用LeGO-LOAM实现BFS点云聚类和噪点剔除
原文链接：代码实战 | 用LeGO-LOAM实现BFS点云聚类和噪点剔除 作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。 他也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAM LeGO-LOAM的软件框架分为五个部分： 分割聚类：这部分主要操作是分离出地面点云；同时，对剩下的点云进行聚类 上一章代码实战 | 用LeGO-LOAM实现地面提取我们分析了LeGO-LOAM是如何对地面点云进行提取分离的，这一章我们将详细介绍LeGO-LOAM是如何对地表上点云进行聚类分割，以便剔除噪声点。 我们先学习一下这篇论文实现地表点云分割原理，再详细分析一下LeGO-LOAM框架是如何实现的。 LeGO-LOAM源码实现地表点云聚类分割 点云分割的主要流程是先进行地面提取(在上一篇文章中已进行说明)，然后对剩下的点云进行分割聚类，最后拿分割好的点云进一步进行特征提取。
1.3K20编辑于 2021-12-07 - 来自专栏DrugOne
. | 戴上启动帽，MIT王潇团队提出LEGO增强翻译能力
在此，作者报道了一种名为连接促使mRNA-寡核苷酸组装（LEGO）的方法来增强翻译。 LEGO平台为设计超越经典线性和环状RNA的非天然RNA结构和拓扑结构，提供了新的可能性，适用于基础研究和治疗应用。 mRNA疫苗的快速发展推动了其作为体内可编程蛋白质表达平台的临床应用。 为此，作者提出了一种名为“LEGO”的模块化化学酶促合成策略，能够对mRNA的5′端进行多种修饰，通过该方法大幅增强线性和环状mRNA的翻译能力。 为了解决无需内含子反向剪接实现RNA环化的挑战，并在QRNA中引入m1ψ修饰，作者采用了改进的LEGO程序，对circRNA进行特定位点的化学和拓扑工程。 通过LEGO合成了编码NLuc的双帽mRNA，结合了最有效的翻译增强基序，并与单m7G-rG帽进行比较。小鼠在mRNA-脂质纳米颗粒（LNP）给药后的不同时间点进行了生物成像。
30810编辑于 2024-11-23 - 来自专栏MelonTeam专栏
页面结构化在Android上的尝试
组件与Lego不冲突。 这里带出Lego两个特性： 1. 每个Lego是有自己的数据，并不是一定要自己拉取，数据可以有其他Lego传递 2. Lego有父子关系。 全家我是一家之主，启动我说了算（Lego启动boot后，会自己拉数据自己渲染，同时子Lego也会相继boot） 日迹710这里就有场景，体验出Lego切换数据源的优势。 你阅读/接手一个Lego类，会是件很轻松的事情。一个Lego类，核心方法这几个，其余都是业务逻辑方法。 顶层Lego情况复杂，底层统一优化不好做 2. 接口之间约束，不够自由 但是对比MVP，Lego能体验出轻便，逻辑清晰，方法数量少的优势。 Lego页面结构化的应用其实还在尝试阶段。
1.8K60发布于 2018-01-04 - 来自专栏Ryan Miao
kubectl更新镜像和回滚命令
kubectl set image deployment <deploymentName> <containerName>=<image> kubectl --kubeconfig config-lego-test --filename=hello-nginx.yml --record=true 2 kubectl apply --kubeconfig=config-lego-test --filename --record=true 4 kubectl apply --kubeconfig=config-lego-test --filename=hello-nginx.yml --record --filename=hello-nginx.yml --record=true 2 kubectl apply --kubeconfig=config-lego-test --filename --record=true 5 kubectl apply --kubeconfig=config-lego-test --filename=hello-nginx.yml --record
5.9K30发布于 2020-06-12 - 来自专栏腾讯Bugly的专栏
页面结构化在 Android 上的尝试
组件 +数据，业务逻辑 = Lego 下面就以问答的形式，用日迹评论赞项目实战，来讲解Lego好处 四，分析页面结构化特性 Lego自己拉取自己的数据，如果一个页面5,6个模块，就拉5,6分PB协议，谈何性能 这里带出Lego两个特性： 每个Lego是有自己的数据，并不是一定要自己拉取，数据可以有其他Lego传递 Lego有父子关系。一个页面/Activity需要一个顶层Lego管理 日迹首页评论赞 ? 你阅读/接手一个Lego类，会是件很轻松的事情。一个Lego类，核心方法这几个，其余都是业务逻辑方法。 Lego之间的纽带，有三个： parentView（公用xml） feedData（公用数据） getLego（Lego关系） 四，总结 Lego的核心思想是：页面结构分模块，分而治之。 顶层Lego情况复杂，底层统一优化不好做 接口之间约束，不够自由 但是对比MVP，Lego能体验出轻便，逻辑清晰，方法数量少的优势。 Lego页面结构化的应用其实还在尝试阶段。
1.5K50发布于 2018-03-23 - 来自专栏Python学习心得
机器学习实战教程（十二）：线性回归提高篇之乐高玩具套件二手价预测
/lego/lego8288.html', 2006, 800, 49.99) #2006年的乐高8288,部件数目800,原价49.99 scrapePage(retX /lego/lego10030.html', 2002, 3096, 269.99) #2002年的乐高10030,部件数目3096,原价269.99 scrapePage /lego/lego10179.html', 2007, 5195, 499.99) #2007年的乐高10179,部件数目5195,原价499.99 scrapePage /lego/lego10196.html', 2009, 3263, 249.99) #2009年的乐高10196,部件数目3263,原价249.99 if __name /lego/lego8288.html', 2006, 800, 49.99) #2006年的乐高8288,部件数目800,原价49.99 scrapePage(retX
1.1K50发布于 2019-01-30 - 来自专栏Jack-Cui
Python3《机器学习实战》学习笔记（十二）：线性回归提高篇之乐高玩具套件二手价预测
/lego/lego8288.html', 2006, 800, 49.99) #2006年的乐高8288,部件数目800,原价49.99 scrapePage(retX /lego/lego10030.html', 2002, 3096, 269.99) #2002年的乐高10030,部件数目3096,原价269.99 scrapePage /lego/lego10179.html', 2007, 5195, 499.99) #2007年的乐高10179,部件数目5195,原价499.99 scrapePage /lego/lego10196.html', 2009, 3263, 249.99) #2009年的乐高10196,部件数目3263,原价249.99 if __name /lego/lego8288.html', 2006, 800, 49.99) #2006年的乐高8288,部件数目800,原价49.99 scrapePage(retX
91010发布于 2019-05-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号