Pyparrot 项目安装与使用教程
2024-09-10 02:24:09作者:邵娇湘
1. 项目的目录结构及介绍
Pyparrot 项目的目录结构如下:
pyparrot/
├── coursework/
├── docs/
├── examples/
├── pyparrot/
│ ├── Bebop.py
│ ├── DroneVision.py
│ ├── DroneVisionGUI.py
│ ├── Minidrone.py
│ ├── VisionServer.py
│ └── __init__.py
├── .gitignore
├── LICENSE
├── MANIFEST.in
├── README.md
├── readthedocs.yml
└── setup.py
目录结构介绍
- coursework/: 包含课程相关文件。
- docs/: 包含项目文档文件。
- examples/: 包含示例代码文件。
- pyparrot/: 核心代码目录,包含与 Parrot 无人机交互的 Python 模块。
- Bebop.py: 与 Parrot Bebop 无人机交互的模块。
- DroneVision.py: 无人机视觉处理模块。
- DroneVisionGUI.py: 无人机视觉 GUI 模块。
- Minidrone.py: 与 Parrot Minidrone 无人机交互的模块。
- VisionServer.py: 视觉服务器模块。
- init.py: 初始化文件。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目许可证文件。
- MANIFEST.in: 打包清单文件。
- README.md: 项目介绍和使用说明。
- readthedocs.yml: ReadTheDocs 配置文件。
- setup.py: 项目安装配置文件。
2. 项目的启动文件介绍
Pyparrot 项目没有明确的“启动文件”,因为它的主要功能是通过 Python 模块调用来实现的。用户可以根据需要导入 pyparrot 目录中的模块,并编写自己的脚本来控制无人机。
例如,要启动一个简单的无人机控制脚本,可以创建一个新的 Python 文件,并导入 pyparrot 模块:
from pyparrot.Minidrone import Mambo
# 创建 Mambo 对象
mambo = Mambo("your_mambo_address_here", use_wifi=True)
# 连接到无人机
success = mambo.connect(num_retries=3)
if success:
print("连接成功")
mambo.safe_takeoff(5)
mambo.safe_land(5)
else:
print("连接失败")
3. 项目的配置文件介绍
Pyparrot 项目的主要配置文件是 setup.py,它用于项目的安装和打包。以下是 setup.py 文件的简要介绍:
from setuptools import setup, find_packages
setup(
name='pyparrot',
version='1.5.3',
packages=find_packages(),
install_requires=[
# 依赖项列表
],
author='Amy McGovern',
author_email='amy@dynamica.com',
description='Python interface for Parrot Drones',
long_description=open('README.md').read(),
long_description_content_type='text/markdown',
license='MIT',
url='https://github.com/amymcgovern/pyparrot',
classifiers=[
'Development Status :: 5 - Production/Stable',
'Intended Audience :: Developers',
'License :: OSI Approved :: MIT License',
'Programming Language :: Python :: 3',
'Programming Language :: Python :: 3.6',
'Programming Language :: Python :: 3.7',
'Programming Language :: Python :: 3.8',
'Programming Language :: Python :: 3.9',
],
)
配置文件介绍
- name: 项目名称。
- version: 项目版本号。
- packages: 需要包含的 Python 包。
- install_requires: 项目依赖项列表。
- author: 项目作者。
- author_email: 作者邮箱。
- description: 项目简短描述。
- long_description: 项目详细描述,通常从
README.md文件中读取。 - long_description_content_type: 详细描述的内容类型。
- license: 项目许可证。
- url: 项目主页 URL。
- classifiers: 项目分类信息。
通过 setup.py 文件,用户可以轻松地安装和打包 Pyparrot 项目。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134