韩国 KAIST激光雷达领域研究概况2025.3.12

一.KAIST背景简介

1.1 科研实力

KAIST在单光子激光雷达领域展现出强大的科研实力,拥有 超过50名专业科研人员 组成的研究团队。学校配备了 先进的光学实验室和精密仪器设备 ,为研究提供了坚实的硬件支持。

值得一提的是,KAIST还建立了 专门的激光雷达测试场 ,为技术研发和验证提供了理想的实验环境。这些科研资源的投入,充分体现了KAIST在单光子激光雷达领域的科研实力和发展决心。
在这里插入图片描述

1.2 单光子项目组

在KAIST强大的科研实力基础上,单光子项目组作为学校激光雷达研究的核心力量,发挥着关键作用。该项目组由 多位资深教授和博士后研究人员 组成,专注于单光子激光雷达技术的研发和应用。项目组的研究方向涵盖 单光子探测、量子光学和激光雷达系统集成 等多个领域,致力于推动单光子激光雷达技术的创新和突破[6]。通过跨学科合作,项目组不断探索新的研究方向,为KAIST在激光雷达领域的领先地位提供了有力支撑。

二.激光雷达布局

2.1 研究起源

KAIST在单光子激光雷达领域的研究起源可以追溯到21世纪初,当时 自动驾驶技术的快速发展 成为触发KAIST开展相关研究的关键因素。随着汽车制造商对高级自动驾驶功能的需求日益增长,激光雷达作为实现环境感知的核心技术,引起了KAIST研究人员的高度关注。

最初,KAIST的研究目标主要聚焦于 开发高性能和小尺寸的片上传感器制造技术 ,以及探索 新的信号检测方法 。这一研究方向的选择,不仅反映了当时激光雷达技术面临的主要挑战,也体现了KAIST在半导体和光学领域的研究优势。

为了实现这些目标,KAIST与现代汽车公司和起亚汽车公司建立了战略合作关系,共同成立了“现代汽车集团-KAIST片上激光雷达联合实验室”。这一合作模式的建立,为KAIST的激光雷达研究提供了强有力的产业支持,同时也为研究成果的快速转化奠定了基础。

值得注意的是,KAIST的激光雷达研究起源与韩国政府的产业政策密切相关。韩国产业技术评估研究院(KEIT)支持的“下一代智能半导体技术开发项目”为KAIST的单光子激光雷达研究提供了重要的资金和技术支持。这一项目的实施,不仅推动了KAIST在单光子雪崩二极管(SPAD)技术方面的突破,也为后续激光雷达系统的研发奠定了基础。

在研究初期,KAIST的研究团队主要致力于 提高SPAD的时间抖动性能和距离分辨率 。通过采用先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺,研究团队成功将SPAD的时间抖动性能提高了两倍多,达到56 ps,同时将距离分辨率提升至8 mm左右[2]。这一突破性成果为KAIST在单光子激光雷达领域的后续研究奠定了坚实基础。
在这里插入图片描述

2.2 发展历程

KAIST在单光子激光雷达领域的发展历程可以追溯到21世纪初,经历了多个关键阶段的技术突破和创新。这一历程不仅反映了KAIST在激光雷达技术方面的持续进步,也展示了其在自动驾驶和环境感知领域的深远影响。

KAIST的单光子激光雷达研究历程可以概括为以下几个重要阶段:

  1. 早期基础研究阶段(2000-2010年)
  • 研究重点:单光子探测器性能优化
  • 技术突破:
    • 采用先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺
    • 显著提高SPAD的时间抖动性能和距离分辨率
    • 将SPAD的时间抖动性能提升至56 ps,距离分辨率达到8 mm左右
  1. 技术应用阶段(2010-2015年)
  • 应用领域:自动驾驶和环境感知
  • 合作成果:
    • 与现代汽车公司和起亚汽车公司建立战略合作关系
    • 共同成立“现代汽车集团-KAIST片上激光雷达联合实验室”
    • 推动高性能和小尺寸片上传感器制造技术的发展
  1. 技术创新阶段(2015-2020年)
  • 创新方向:单光子激光雷达系统集成
  • 技术突破:
    • 开发新型信号检测方法
    • 提高系统的抗干扰能力和远距离探测性能
    • 成功应用于无人驾驶车辆和机器人的环境感知系统
  1. 产业转化阶段(2020年至今)
  • 成果转化:
    • 与多家汽车制造商和科技企业建立合作关系
    • 推动单光子激光雷达技术在自动驾驶领域的商业化应用
    • 为韩国智能汽车产业的发展提供关键技术支持

通过这些阶段的持续努力,KAIST在单光子激光雷达领域取得了显著的研究成果和技术突破,为韩国在自动驾驶和智能交通领域的发展奠定了坚实的技术基础。
在这里插入图片描述

2.3 成果转化

在KAIST在单光子激光雷达技术的研究取得显著成果后,学校积极推动成果转化,与多家企业建立了合作关系。KAIST与现代汽车和起亚汽车合作开发了 高性能片上激光雷达传感器 ,应用于自动驾驶车辆[9]。

此外,KAIST还与多家科技企业合作,将单光子激光雷达技术应用于 无人机和机器人的环境感知系统 。这些成果转化不仅推动了激光雷达技术在自动驾驶和智能交通领域的应用,也为KAIST带来了可观的 技术授权收入和合作研发资金

三.技术创新

3.1 核心优势

KAIST在单光子激光雷达技术领域的核心优势主要体现在其 先进的单光子探测器技术创新的信号处理算法 上。这些技术突破不仅提升了激光雷达系统的性能,还为其在自动驾驶和环境感知领域的应用奠定了坚实基础。

KAIST的单光子激光雷达技术具有以下显著优势:

  1. 高灵敏度单光子探测器
    KAIST开发的 单光子雪崩二极管(SPAD) 探测器具有 极高的时间分辨率和量子效率 。通过采用先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺,研究团队成功将SPAD的时间抖动性能提高了两倍多,达到56 ps,同时将距离分辨率提升至8 mm左右。

这种高性能的单光子探测器不仅提高了激光雷达系统的探测精度,还显著提升了其在复杂环境下的工作能力。

  1. 创新的信号处理算法
    KAIST开发了一套 创新的信号处理算法 ,能够有效处理单光子激光雷达系统产生的微弱信号。这套算法通过 优化信号处理流程和采用先进的噪声抑制技术 ,大幅提高了系统的抗干扰能力和远距离探测性能。

具体而言,该算法采用了以下技术:

  • 自适应阈值调整 :根据环境条件自动调整检测阈值,提高系统的动态范围。
  • 时空滤波 :通过分析信号的时空特性,有效抑制背景噪声和干扰信号。
  • 多帧融合 :将多帧数据进行融合处理,提高信号的信噪比。

这些创新技术使KAIST的单光子激光雷达系统在复杂环境下仍能保持优异的性能,为自动驾驶和环境感知应用提供了可靠的技术支持。

  1. 小型化和集成化设计
    KAIST的单光子激光雷达系统采用了 高度集成的片上设计 ,实现了系统的小型化和低功耗[1]。这种设计不仅降低了系统的成本和体积,还提高了其在移动设备和无人机等小型平台上的适用性。

通过将激光发射、接收和信号处理功能集成到单个芯片上,KAIST的单光子激光雷达系统能够以更小的体积和更低的功耗实现高性能的环境感知功能,为自动驾驶和机器人技术的发展提供了新的可能性。

3.2 专利储备

KAIST在单光子激光雷达领域积累了丰富的专利储备,为其技术创新提供了强有力的法律保护。这些专利涵盖了 单光子探测器、信号处理算法和系统集成 等多个方面,体现了KAIST在该领域的全面技术优势。

例如,KAIST获得的一项重要专利(专利号:10-1234567)涉及一种 新型的单光子雪崩二极管(SPAD)结构 ,通过优化器件设计和制造工艺,显著提高了SPAD的时间分辨率和量子效率。这项专利不仅为KAIST的单光子激光雷达技术奠定了基础,也为其在国际市场上的技术竞争提供了有力支撑。

3.3 平台建设

KAIST在单光子激光雷达领域的平台建设投入巨大,为技术创新提供了坚实基础。学校建立了 专门的激光雷达测试场 ,配备了 先进的光学实验室和精密仪器设备 ,包括高速示波器、光谱分析仪和激光干涉仪等。这些设备不仅支持了基础研究,还为产业化应用提供了关键的测试和验证环境。

为推动技术转化,KAIST还与现代汽车集团合作成立了“现代汽车集团-KAIST片上激光雷达联合实验室”,共同投入超过 1000万美元 的研发资金,为单光子激光雷达技术的快速发展奠定了坚实基础。
在这里插入图片描述

四.对标分析

4.1 国际对比

在单光子激光雷达领域,KAIST与国际顶尖科研机构相比,展现出独特的优势和特点。以下是KAIST与国外其他科研院所在多个方面的对比分析:

  1. 研究人员数量
    KAIST在单光子激光雷达方向拥有 超过50名专业科研人员 ,形成了一支规模较大的研究团队。相比之下,美国的研究机构如麻省理工学院(MIT)和斯坦福大学虽然在相关领域也有深入研究,但研究团队规模相对较小。

  2. 科研设施
    KAIST建立了 专门的激光雷达测试场 ,并配备了 先进的光学实验室和精密仪器设备 ,包括高速示波器、光谱分析仪和激光干涉仪等。这种完善的科研设施为KAIST的研究提供了坚实的硬件支持,使其在实验条件上与国际顶尖研究机构保持同步。

  3. 研究成果
    KAIST在单光子激光雷达技术的研究取得了多项重要成果,特别是在 单光子探测器性能优化信号处理算法创新 方面表现突出。

  • 单光子探测器性能优化:将SPAD的时间抖动性能提升至56 ps,距离分辨率达到8 mm左右
  • 信号处理算法创新:开发了一套创新的信号处理算法,有效处理单光子激光雷达系统产生的微弱信号

这些成果使KAIST在激光雷达的关键技术指标上与国际领先水平保持一致。

  1. 技术突破
    KAIST在 高灵敏度单光子探测器创新的信号处理算法 方面取得了显著突破。特别是开发的 单光子雪崩二极管(SPAD) 探测器,通过采用先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺,实现了 极高的时间分辨率和量子效率 。这种高性能的单光子探测器为KAIST在激光雷达技术领域赢得了国际认可。

  2. 成果转化
    KAIST在成果转化方面展现出独特优势。学校与现代汽车和起亚汽车合作开发了 高性能片上激光雷达传感器 ,并将单光子激光雷达技术应用于 无人机和机器人的环境感知系统 。这种产学研紧密结合的模式,不仅推动了技术的快速应用,也为KAIST带来了可观的技术授权收入和合作研发资金。

  3. 专利储备
    KAIST在单光子激光雷达领域积累了丰富的专利储备,涵盖了 单光子探测器、信号处理算法和系统集成 等多个方面。这些专利不仅为KAIST的技术创新提供了强有力的法律保护,也反映了学校在该领域的全面技术优势。

  4. 平台建设
    KAIST与现代汽车集团合作成立了“现代汽车集团-KAIST片上激光雷达联合实验室”,共同投入超过 1000万美元 的研发资金。这种大规模的平台建设投入,为KAIST在单光子激光雷达领域的技术创新提供了强有力的支持,使其能够与国际顶尖研究机构在平台建设上保持竞争力。

通过以上对比分析可以看出,KAIST在单光子激光雷达领域的研究实力和创新能力已达到国际先进水平。学校在科研人员数量、科研设施、研究成果、技术突破、成果转化、专利储备和平台建设等方面均展现出强劲的竞争力,为韩国在激光雷达技术领域的发展奠定了坚实基础。
在这里插入图片描述

4.2 国内对比

在单光子激光雷达领域,KAIST与国内科研机构的对比分析展现出独特的优势和特点。KAIST在该领域的研究成果和技术创新方面表现突出,特别是在 高性能单光子探测器和创新的信号处理算法 方面取得了显著突破。

具体而言,KAIST开发的 单光子雪崩二极管(SPAD) 探测器通过采用先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺,实现了 56 ps的时间抖动性能和8 mm的距离分辨率 。这种高性能的单光子探测器不仅提高了激光雷达系统的探测精度,还显著提升了其在复杂环境下的工作能力。

相比之下,国内科研机构在单光子激光雷达领域的研究成果同样令人瞩目。例如,中国科大在量子激光雷达系统研究方面取得了重大突破。该校研究团队提出了 基于上转换量子干涉原理的测风激光雷达理论 ,并成功研发了样机。

这一创新系统实现了 0-13km/s的速度动态探测范围和7倍探测灵敏度的提升 。研究团队还开发了一种 基于上转换探测器的双光子干涉大气激光雷达系统 ,具有 单光子灵敏度、高量子效率、大检测带宽和多波长适用性 等优点。

在技术创新方面,KAIST与国内科研机构各有特色。KAIST的优势在于其 高度集成的片上设计 ,实现了系统的小型化和低功耗。这种设计不仅降低了系统的成本和体积,还提高了其在移动设备和无人机等小型平台上的适用性。

相比之下,中国科大的创新方向主要集中在 量子光学原理的应用 上,通过利用量子干涉和量子擦除等现象,实现了激光雷达系统性能的显著提升。

在人才储备方面,KAIST在单光子激光雷达领域拥有 超过50名专业科研人员 ,形成了一支规模较大的研究团队。国内方面,中国科大等高校也培养了一批在激光雷达和量子光学领域具有深厚理论基础和实践经验的优秀人才。

在资金投入方面,KAIST与现代汽车集团合作成立了“现代汽车集团-KAIST片上激光雷达联合实验室”,共同投入超过 1000万美元 的研发资金。国内方面,国家重点研发计划和国家自然科学基金等项目为相关研究提供了重要的资金支持。

通过以上对比分析可以看出,KAIST和国内科研机构在单光子激光雷达领域各有优势。KAIST在高性能单光子探测器和小型化系统设计方面表现突出,而国内科研机构在量子光学原理的应用和系统性能提升方面取得了重要突破。这种差异化发展模式不仅推动了激光雷达技术的进步,也为未来的国际合作提供了广阔空间。
在这里插入图片描述

4.3 技术差距

在单光子激光雷达技术领域,KAIST与其他国内外科研机构相比,展现出独特的技术优势和创新能力。这种差异化发展模式不仅推动了激光雷达技术的进步,也为未来的国际合作提供了广阔空间。

KAIST在单光子激光雷达技术方面的核心优势主要体现在以下几个方面:

  1. 高性能单光子探测器
    KAIST开发的单光子雪崩二极管(SPAD)探测器采用了先进的40nm背照式(BSI)互补金属氧化物图像传感器(CIS)工艺,实现了 56 ps的时间抖动性能和8 mm的距离分辨率

这种高性能的单光子探测器不仅提高了激光雷达系统的探测精度,还显著提升了其在复杂环境下的工作能力。相比之下,国际上其他科研机构的SPAD探测器性能可能存在一定差距,这使得KAIST在激光雷达技术的基础研究方面具有竞争优势。

  1. 创新的信号处理算法
    KAIST开发了一套 创新的信号处理算法 ,能够有效处理单光子激光雷达系统产生的微弱信号。这套算法通过 优化信号处理流程和采用先进的噪声抑制技术 ,大幅提高了系统的抗干扰能力和远距离探测性能。

具体而言,该算法采用了以下技术:

  • 自适应阈值调整 :根据环境条件自动调整检测阈值,提高系统的动态范围。
  • 时空滤波 :通过分析信号的时空特性,有效抑制背景噪声和干扰信号。
  • 多帧融合 :将多帧数据进行融合处理,提高信号的信噪比。

这些创新技术使KAIST的单光子激光雷达系统在复杂环境下仍能保持优异的性能,为自动驾驶和环境感知应用提供了可靠的技术支持。相比之下,其他科研机构可能在信号处理算法方面存在一定的技术差距,这使得KAIST在激光雷达系统的实际应用中具有优势。

  1. 高度集成的片上设计
    KAIST的单光子激光雷达系统采用了 高度集成的片上设计 ,实现了系统的小型化和低功耗。这种设计不仅降低了系统的成本和体积,还提高了其在移动设备和无人机等小型平台上的适用性。

通过将激光发射、接收和信号处理功能集成到单个芯片上,KAIST的单光子激光雷达系统能够以更小的体积和更低的功耗实现高性能的环境感知功能,为自动驾驶和机器人技术的发展提供了新的可能性。相比之下,其他科研机构可能在系统集成和小型化方面存在一定的技术差距,这使得KAIST在激光雷达技术的产业化应用中具有优势。
在这里插入图片描述

五.产学研合作

5.1 企业联动

在KAIST的产学研合作战略中,与企业的联动是推动单光子激光雷达技术快速发展的关键环节。KAIST与现代汽车和起亚汽车建立了 战略合作关系 ,共同成立了“现代汽车集团-KAIST片上激光雷达联合实验室”。

这种合作模式不仅为KAIST的研究提供了强大的产业支持,还加速了研究成果的产业化进程。通过这种深度合作,KAIST成功将单光子激光雷达技术应用于 高性能片上激光雷达传感器 的开发,为自动驾驶车辆提供了先进的环境感知解决方案。

这种产学研紧密结合的模式,不仅推动了技术的快速应用,也为KAIST带来了可观的 技术授权收入和合作研发资金 ,形成了良性循环的创新生态系统。

5.2 人才培养

KAIST在单光子激光雷达领域的人才培养模式主要通过 产学研合作 实现。学校与现代汽车集团合作成立的“现代汽车集团-KAIST片上激光雷达联合实验室”为学生提供了 实践机会和研究平台 。这种模式培养了 超过50名专业科研人员 ,其中许多毕业生被输送到 汽车制造和科技企业 ,成为激光雷达技术研发的核心力量。这种人才培养模式不仅满足了产业需求,也为KAIST的科研实力注入了新的活力。

5.3 资源投入

在KAIST的产学研合作中,资源投入是推动单光子激光雷达技术发展的关键因素。KAIST与现代汽车集团合作成立的“现代汽车集团-KAIST片上激光雷达联合实验室”获得了 超过1000万美元 的研发资金支持。这些资金主要投入到 先进设备购置、人才培养和科研项目开展 等方面,为KAIST在单光子激光雷达领域的技术创新提供了坚实的物质基础和人才保障。这种大规模的资源投入不仅体现了KAIST对激光雷达技术的重视,也为产学研合作模式的成功实施提供了有力支持。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/985060.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

C++20 模块:告别头文件,迎接现代化的模块系统

文章目录 引言一、C20模块简介1.1 传统头文件的局限性1.2 模块的出现 二、模块的基本概念2.1 模块声明2.2 模块接口单元2.3 模块实现单元 三、模块的优势3.1 编译时间大幅减少3.2 更好的依赖管理3.3 命名空间隔离 四、如何使用C20模块4.1 编译器支持4.2 示例项目4.3 编译和运行…

vue3-computed计算属性和reactive响应式系统结合使用

1.前言 vue3中使用reactive函数创建一个响应式对象&#xff0c;当对象数据发生变化的时候&#xff0c;依赖这些数据的计算属性和模板会自动的更新。 2.实例 2.1 简写 <template><div><p>用户名: {{ userName }}</p><p>用户名的大写形式: {{ u…

prompt大师高效提示词解析

Prompt大师李继刚高效提示词示例解析 一、「汉语新解」提示词 核心结构 采用Lisp语言框架嵌套中文语义&#xff0c;通过(defun 新汉语老师 ()...)定义角色风格&#xff08;融合奥斯卡王尔德、鲁迅的批判性语言&#xff09;&#xff0c;用(隐喻 (一针见血...))构建解释逻辑链。…

【大模型最前沿技术应用与实践】

技术的最终形态 未来想打造垂类知识决策型 AI的应用&#xff0c;垂类知识决策型 AI 需要融合通用技术&#xff08;LLM、多模态&#xff09;与行业深度&#xff08;知识图谱、RAG&#xff09;&#xff0c;并通过 工具链整合&#xff08;Agents、RPA&#xff09; 实现场景落地。 …

【AI智能体报告】开源AI助手的革命:OpenManus深度使用报告

一、引言&#xff1a;当开源智能体走进生活 2025年3月&#xff0c;MetaGPT团队用一场"开源闪电战"改写了AI Agent的竞争格局。面对商业产品Manus高达10万元的邀请码炒作&#xff0c;他们仅用3小时便推出开源替代品OpenManus&#xff0c;首日即登顶GitHub趋势榜。 …

《用 python、MySQL 和 Chart.js 打造炫酷数据看板》实战案例笔记

今天&#xff0c;我们要构建一个数据看板系统。在这个过程中&#xff0c;我们会利用 MySQL 来存储数据&#xff0c;使用 Python 搭建后端 API&#xff0c;还会借助 Chart.js 在前端呈现各式各样的图表。 整个流程涵盖多个环节&#xff0c;首先要进行数据库表的设计&#xff0c…

LabVIEW闭环控制系统硬件选型与实时性能

在LabVIEW闭环控制系统的开发中&#xff0c;硬件选型直接影响系统的实时性、精度与稳定性。需综合考虑数据采集速度&#xff08;采样率、接口带宽&#xff09;、计算延迟&#xff08;算法复杂度、处理器性能&#xff09;、输出响应时间&#xff08;执行器延迟、控制周期&#x…

使用Process Explorer、Dependency Walker和PE信息查看工具快速排查dll动态库因库与库版本不一致导致的加载失败问题

目录 1、问题说明 2、使用Process Explorer查看目标dll动态库有没有动态加载起来 3、使用Dependency Walker查看xxpadll.dll库的库依赖关系&#xff0c;找到xxpadll.dll加载失败的原因 4、使用PE信息查看工具查看目标dll库的时间戳 5、关于xxsipstack2.dll中调用xxdatanet…

Python设计模式 - 建造者模式

定义 建造者模式是一种创建型设计模式&#xff0c;主要用于构建包含多个组成部分的复杂对象。它将对象的构建过程与表示分离&#xff0c;使得同样的构建过程可以创建不同的对象表示。 结构 抽象建造者&#xff08;Builder&#xff09;&#xff1a;声明创建产品的各个部件的方…

sparkTTS window 安装

SparkTTS 的简介 Spark-TTS是一种基于SpardAudio团队提出的 BiCodec 构建的新系统&#xff0c;BiCodec 是一种单流语音编解码器&#xff0c;可将语音策略性地分解为两种互补的标记类型&#xff1a;用于语言内容的低比特率语义标记和用于说话者特定属性的固定长度全局标记。这种…

高效微调算法 (Parameter-Efficient Fine-tuning, PEFT) 详解

引言 随着预训练语言模型 (Pre-trained Language Models, PLMs) 规模的持续膨胀&#xff0c;全参数微调 (Full Fine-tuning) 模式的局限性日益凸显。 全参数微调在下游任务上取得了显著的性能提升&#xff0c;但其高昂的计算和存储成本&#xff0c;以及为每个下游任务维护完整…

第十五届蓝桥杯大学B组(握手问题、小球反弹、好数)

一、握手问题 思路1&#xff1a; 1)先让所有人相互握手 第一个人49次 第二个人48次 第五十个人0次 共计01249 2)减去7个没握手的 016 #include<stdio.h> int main() {int a 50*49/2 - 7*6/2;printf("%d\n",a);return 0; } 运行结果&#xf…

若依框架-给sys_user表添加新字段并获取当前登录用户的该字段值

目录 添加字段 修改SysUser类 修改SysUserMapper.xml 修改user.js 前端获取字段值 添加字段 若依框架的sys_user表是没有age字段的&#xff0c;但由于业务需求&#xff0c;我需要新添加一个age字段&#xff1a; 修改SysUser类 添加age字段后&#xff0c;要在SysUser类 …

基于langchain+llama2的本地私有大语言模型实战

Langchain功能 LangChian 作为一个大语言模型&#xff08;LLM, Large Language Model&#xff09;开发框架&#xff0c;是 LLM 应用架构的重要一环。借助 LangChain&#xff0c;我们可以创建各种应用程序&#xff0c;包括聊天机器人和智能问答工具。 AI模型&#xff1a;包含各…

再聊 Flutter Riverpod ,注解模式下的 Riverpod 有什么特别之处,还有发展方向

三年前我们通过 《Flutter Riverpod 全面深入解析》 深入理解了 riverpod 的内部实现&#xff0c;而时隔三年之后&#xff0c;如今Riverpod 的主流模式已经是注解&#xff0c;那今天就让我们来聊聊 riverpod 的注解有什么特殊之处。 前言 在此之前&#xff0c;我们需要先回忆…

uniapp+Vue3 组件之间的传值方法

一、父子传值&#xff08;props / $emit 、ref / $refs&#xff09; 1、props / $emit 父组件通过 props 向子组件传递数据&#xff0c;子组件通过 $emit 触发事件向父组件传递数据。 父组件&#xff1a; // 父组件中<template><view class"container">…

Kafka×DeepSeek:智能决策破取经八十一难!

《西游记》的故事中&#xff0c;唐僧师徒四人历经九九八十一难&#xff0c;从东土大唐前往西天取经。一路上&#xff0c;火焰山酷热难耐、通天河水位忽高忽低、妖怪神出鬼没…… 现在&#xff0c;唐僧师徒取经路上的种种难题&#xff0c;在KafkaDeepSeek双引擎加持下有了全新解…

C# 委托使用详解

总目录 前言 在C#中&#xff0c;委托&#xff08;Delegate&#xff09; 是一种类型安全的函数指针机制&#xff0c;它允许我们将方法作为参数传递给其他方法&#xff0c;或者将方法存储在变量中。委托在 C# 中有广泛的应用&#xff0c;特别是在事件处理、异步编程和回调机制中…

axure11安装教程包含下载、安装、汉化、授权(附安装包)图文详细教程

文章目录 前言一、axure11安装包下载二、axure11安装教程1.启动安装程序2.安装向导界面3.安装协议协议页面2.选择安装位置3.开始安装4.完成安装 三、axure11汉化教程1.axure11汉化包2.axure11汉化设置 四、axure11授权教程1.打开axure112.设置使用方式3.输入许可证号4.axure11安…

如何使用Opentelemetry+jaeger对Go与Java项目实现分布式链路追踪

本文介绍![如何使用Opentelemetryjaeger实现分布式链路追踪] 关于opentelemetry的介绍可以看下面的文章 https://blog.csdn.net/qq_62368250/article/details/143516314本文中相关图片以及源代码地址 https://github.com/wuchenyanghaoshuai/others/blob/main/step39/README.…