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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00