SavvyCAN 开源项目教程
1. 项目介绍
SavvyCAN 是一个基于 Qt 的跨平台 CAN 总线工具,主要用于 CAN 总线的加载、保存和捕获。该项目旨在帮助用户进行 CAN 总线的可视化、逆向工程、调试和捕获。SavvyCAN 支持多种 CAN 总线设备,包括 EVTV 的 CANDue 板、Macchina M2 和 Teensy 3.x 板等。此外,SavvyCAN 还支持多种 CAN 总线接口,如 PeakCAN、Vector、SocketCAN 等。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下软件:
- Qt 5.14.x 或更高版本
- Git
2.2 下载并编译项目
-
克隆项目仓库:
git clone https://github.com/collin80/SavvyCAN.git cd SavvyCAN -
使用 Qt 的 qmake 工具生成 Makefile:
~/Qt/5.14/gcc_64/bin/qmake -
编译项目:
make -
运行 SavvyCAN:
./SavvyCAN
2.3 调试模式编译
如果你需要更多的调试信息,可以使用以下命令进行调试模式编译:
qmake CONFIG+=debug
make
3. 应用案例和最佳实践
3.1 逆向工程
SavvyCAN 提供了强大的逆向工程功能,可以帮助用户分析和理解 CAN 总线上的数据。通过捕获和分析 CAN 帧,用户可以识别出不同信号的含义,从而进行进一步的开发和调试。
3.2 多设备同时捕获
SavvyCAN 支持同时连接多个 CAN 总线设备,并进行数据捕获。这对于需要同时监控多个 CAN 总线的应用场景非常有用,例如车辆诊断和监控系统。
3.3 数据记录与回放
SavvyCAN 可以将捕获的 CAN 数据保存为多种格式,如 BusMaster 日志文件、Microchip 日志文件、CRTD 格式等。用户可以随时回放这些数据,以便进行进一步的分析和调试。
4. 典型生态项目
4.1 GVRET 固件
GVRET 固件是 SavvyCAN 的配套固件,适用于 EVTV 的 CANDue 板。该固件允许 SavvyCAN 与硬件设备进行通信,并捕获 CAN 总线数据。
4.2 Macchina M2
Macchina M2 是一个开源的汽车电子平台,支持 CAN 总线通信。SavvyCAN 可以与 Macchina M2 配合使用,进行 CAN 总线的调试和数据捕获。
4.3 Teensy 3.x
Teensy 3.x 是一个低成本的开发板,支持 CAN 总线通信。SavvyCAN 可以与 Teensy 3.x 配合使用,进行 CAN 总线的开发和调试。
通过以上模块的介绍,用户可以快速了解 SavvyCAN 项目的基本情况,并掌握其快速启动和应用的方法。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00