opencv 3.2 ros-noetic-image-transport-plugins

### 使用 OpenCV 3.2 和 ROS Noetic 中的 `image_transport_plugins` 进行图像传输 为了实现 OpenCV 3.2 和 ROS Noetic 的集成并利用 `image_transport_plugins` 来处理图像数据,以下是详细的说明: #### 启用 `image_transport_plugins` 在 ROS Noetic 下使用 `image_transport_plugins` 需要先安装插件包。可以通过以下命令完成安装[^1]: ```bash sudo apt install ros-noetic-image-transport-plugins -y ``` 此操作会下载并配置必要的依赖项来支持多种压缩方式(如 theora 或 jpeg),从而优化图像传输性能。 --- #### 修改 CMakeLists.txt 文件以兼容 OpenCV 3.2 和 `image_transport` 为了让项目能够正确编译并与指定版本的 OpenCV 结合工作,在项目的 `CMakeLists.txt` 文件中需做如下调整[^2]: 1. **声明最低 CMake 版本以及项目名称** ```cmake cmake_minimum_required(VERSION 3.0.2) project(pub_sub_image_topic_pkg) ``` 2. **查找必需的 Catkin 组件** 添加对 `cv_bridge`, `image_transport`, 及其他必要组件的支持: ```cmake find_package(catkin REQUIRED COMPONENTS cv_bridge image_transport roscpp rospy sensor_msgs std_msgs ) ``` 3. **引入 OpenCV 并设置其路径** 明确指明需要链接到 OpenCV 库,并确保头文件目录被包含进来: ```cmake find_package(OpenCV REQUIRED) include_directories(${OpenCV_INCLUDE_DIRS}) ``` 4. **定义可执行目标及其库依赖关系** 假设源码位于 `src/pub_image_topic.cpp`,则可以这样编写构建规则: ```cmake add_executable(pub_image_topic src/pub_image_topic.cpp) target_link_libraries(pub_image_topic ${OpenCV_LIBS} ${catkin_LIBRARIES}) ``` 通过上述更改,您的程序将具备调用 OpenCV 功能的能力,同时也集成了 ROS 提供的消息传递机制。 --- #### 编写节点代码示例 下面是一个简单的发布者节点例子,展示如何结合 OpenCV 处理图片并通过 `image_transport` 发布主题消息: ```cpp #include <ros/ros.h> #include <image_transport/image_transport.h> #include <opencv2/highgui/highgui.hpp> // 引入高阶 GUI 接口模块 #include <cv_bridge/cv_bridge.h> int main(int argc, char** argv){ ros::init(argc, argv, "pub_image_node"); ros::NodeHandle nh; image_transport::ImageTransport it(nh); image_transport::Publisher pub = it.advertise("camera/image", 1); cv::Mat frame = cv::imread("/path/to/your/image.jpg"); // 替换为实际图片位置 if (frame.empty()) { ROS_ERROR("Could not load image!"); return -1; } sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", frame).toImageMsg(); ros::Rate loop_rate(2); // 设置频率为每秒两次更新 while (nh.ok()){ pub.publish(msg); ros::spinOnce(); loop_rate.sleep(); } } ``` 注意这里假设您已经成功加载了一张静态图片作为测试素材;如果计划实时捕获视频流,则应替换相应部分逻辑读取摄像头输入。 --- #### 安装 ROS Noetic 步骤回顾 如果您尚未部署好环境,请参照官方文档中的指导完成基础搭建过程[^3]。这通常涉及以下几个方面: 1. 更新系统软件仓库索引; 2. 导入密钥环验证签名真实性; 3. 执行具体发行版对应的 APT 包管理器指令; 4. 初始化 rosdep 工具以便后续开发流程顺畅运行。 ---

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

【计算机视觉】基于Python的仓库货位识别系统设计:YOLO与OCR融合的智能仓储货位定位方案 项目介绍 基于Python和计算机视觉的仓库货位识别系统设计与实现(含模型描述及部分示例代码)

【计算机视觉】基于Python的仓库货位识别系统设计:YOLO与OCR融合的智能仓储货位定位方案 项目介绍 基于Python和计算机视觉的仓库货位识别系统设计与实现(含模型描述及部分示例代码)

内容概要:本文介绍了一个基于Python和计算机视觉的仓库货位识别系统的设计与实现,旨在通过图像采集、目标检测、OCR文字识别和货位映射等技术,自动识别货物在仓库中的具体位置(如区域、货架、层、列)。系统采用YOLO模型进行货架与标签的目标检测,结合OpenCV实现透视校正与图像增强,并利用PaddleOCR识别货位编号,最终通过FastAPI提供识别接口,将结果存入数据库。系统支持置信度评估、异常标记和人工复核机制,适用于多种部署场景,如固定监控、叉车集成和移动巡检,具备良好的可扩展性。; 适合人群:具备Python编程基础,熟悉OpenCV、深度学习框架及Web接口开发的技术人员,尤其是从事智能仓储、计算机视觉或工业自动化相关工作的工程师和研究人员。; 使用场景及目标:① 实现仓库中货架与货位的自动化识别,减少人工录入错误;② 提升仓储作业效率,应用于入库校验、出库复核、库存盘点等环节;③ 强化库存准确性,支持异常检测与追溯;④ 构建可扩展的视觉仓储平台,便于后续集成条码识别、安全监测等功能。; 阅读建议:此资源包含完整的模型描述与代码示例,建议读者结合项目依赖环境动手实践,重点关注目标检测、OCR识别与业务逻辑融合的设计思路,并通过实际图像数据调试优化识别效果。

python-3.15.2(多平台)

python-3.15.2(多平台)

python-3.15.2.exe python-3.15.2-amd64.exe python-3.15.2-arm64.exe python-3.15.2-embed-arm64.zip python-3.15.2-embed-win32.zip python-3.15.2-embed-amd64.zip

OpenREALM配置指南[代码]

OpenREALM配置指南[代码]

本文详细介绍了OpenREALM的配置过程,包括所需库的GitHub地址、OpenVSLAM的安装步骤、OpenREALM的安装步骤以及OpenREALM_ROS1_Bridge的安装步骤。文章提供了详细的依赖安装命令和编译指令,并强调了在安装过程中需要注意的事项,如确保CMake版本在3.15以上、进行git submodule初始化等。此外,还介绍了ROS环境的安装和配置,以及如何下载和测试数据集。

ros代码package基线上传

ros代码package基线上传

ros代码package基线上传

autoware安装资源包打包集合src.zip

autoware安装资源包打包集合src.zip

autoware安装资源包打包集合src.zip

科技中介服务机构在推介技术成果时,如何快速生成高质量的推介材料?.docx

科技中介服务机构在推介技术成果时,如何快速生成高质量的推介材料?.docx

科技中介服务机构在推介技术成果时,如何快速生成高质量的推介材料?

causal-conv1d-1.7.0+cu11torch2.6cxx11abiFALSE-cp310-cp310-linux-x86-64.whl

causal-conv1d-1.7.0+cu11torch2.6cxx11abiFALSE-cp310-cp310-linux-x86-64.whl

causal_conv1d-1.7.0+cu11torch2.6cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

机械三维3D设计图-自动引孔锁螺丝设备.zip

机械三维3D设计图-自动引孔锁螺丝设备.zip

机械三维3D设计图-自动引孔锁螺丝设备.zip

OpenSpec + Spec Kit + Superpowers 组合工作流

OpenSpec + Spec Kit + Superpowers 组合工作流

OpenSpec + Spec Kit + Superpowers 组合工作流

WCPulse v1.7-6 V插件 dylib

WCPulse v1.7-6 V插件 dylib

资源来自网络,仅用于学习交流,请在下载24小时内删除

机械三维3D设计图-桁架吸附移栽机(可变间距吸盘).zip

机械三维3D设计图-桁架吸附移栽机(可变间距吸盘).zip

机械三维3D设计图-桁架吸附移栽机(可变间距吸盘).zip

毕业设计含文档和代码vb学生评语生成系统论文(源代码+论文)

毕业设计含文档和代码vb学生评语生成系统论文(源代码+论文)

毕业设计含文档和代码vb学生评语生成系统论文(源代码+论文)

高校技术转移办公室人员如何高效完成科技成果评价与筛选?.docx

高校技术转移办公室人员如何高效完成科技成果评价与筛选?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

YOLO26算法日常桌面及物品表面硬币目标检测+训练好的模型+1800张数据集+pyqt可视化界面.zip

YOLO26算法日常桌面及物品表面硬币目标检测+训练好的模型+1800张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[一角硬币(dime), 五分硬币(nickel), 一分硬币(penny), 二角五分硬币(quarter)] · 训练集:1575 张 · 验证集:150 张 · 测试集:75 张 · 总计:1800 张 该数据集聚焦于真实生活场景中不同面额硬币的精准识别,涵盖木质桌面、布料、纸张、金属表面等多种背景环境,为智能终端设备在日常消费与支付场景中的货币识别提供了高质量训练资源。 数据集采用1575张训练集、150张验证集和75张测试集的划分方案,比例合理且覆盖全面,能够有效支撑模型在不同光照条件和复杂背景下的泛化能力,确保模型训练稳定可靠。 所有标注均严格遵循可视化图片中的实际物体边界,标注框精准贴合硬... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 38 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9558** mAP50-95 | 0.8497 Precision | 0.9103 Recall | 0.8791 train/box_loss | 0.4048 train/cls_loss | 0.3009 val/box_loss | 0.4774 val/cls_loss | 0.5844 【训练过程分析】 从一开始,训练就以平缓但坚定的节奏推进。前三十个epoch内,train/box_loss和train/cls_loss几... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

适用于AI单元测试程序详解

适用于AI单元测试程序详解

适用于AI单元测试程序详解

2026最新青海省行政区划矢量图层-省市县乡镇四级行政区划数据下载

2026最新青海省行政区划矢量图层-省市县乡镇四级行政区划数据下载

2026最新青海省行政区划矢量图层数据,包含省、市、县、乡镇四级行政区划数据,wgs84坐标

qt-opensource-windows-x86-vs2008-4.8.7.exe

qt-opensource-windows-x86-vs2008-4.8.7.exe

qt-opensource-windows-x86-vs2008-4.8.7.exe

机械三维3D设计图-自动转板设备.zip

机械三维3D设计图-自动转板设备.zip

机械三维3D设计图-自动转板设备.zip

科技成果转化项目进场交易前,评估备案环节需要准备哪些材料?_2.docx

科技成果转化项目进场交易前,评估备案环节需要准备哪些材料?_2.docx

科技成果转化项目进场交易前,评估备案环节需要准备哪些材料?_2

高校技术转移办公室人员需要哪些工具来提升技术成果对接效率?.docx

高校技术转移办公室人员需要哪些工具来提升技术成果对接效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

最新推荐最新推荐

recommend-type

基于恒阻抗负荷模型与母线三相短路扰动条件下三机九节点系统多频段电力系统稳定器暂态稳定性能评估(Simulink仿真实现)

内容概要:本文系统阐述了一套基于优先级规划与Petri网融合的多机器人路径规划(MAPF)MATLAB代码库,该框架将求解过程划分为几何解析、拓扑构建、调度优化与可视化呈现四个层次,实现了从地图解析、四邻域拓扑与Petri网建模,到基于优先级启发式的路径搜索、时间同步与冲突消解,再到动画与视频输出的完整闭环。其核心创新在于采用Petri网将“多机器人无冲突”这一动态时间约束转化为“每库所至多一标记”的静态容量约束,从而支持整数规划求解;并通过动态边权膨胀机制避免因硬封锁导致的虚假不可解问题,结合节点预留历史与几何惩罚驱动的局部同步策略,显著提升了冲突查询效率与调度性能。框架还支持双坐标系统与全流程可视化,便于算法行为分析与结果验证。; 适合人群:具备一定编程基础和机器人路径规划基础知识的研究生、科研人员及工程技术人员,尤其适合从事仓储物流、自动驾驶、无人机编队等多智能体系统研究的专业人士。; 使用场景及目标:① 在大规模多机器人系统中快速生成无冲突路径,适用于自动化仓库调度等工业场景;② 作为教学与研究工具,深入理解MAPF中的优先级规划、Petri网建模、冲突消解机制及其数学本质;③ 支持算法复现与扩展,可用于对比不同启发式策略、同步算法与规划框架的性能差异。; 阅读建议:建议读者按照文中组织结构顺序阅读,重点关注各模块之间的接口设计与信息传递机制,结合提供的代码实例进行调试与运行,深入理解动态边权膨胀、Petri网容量约束转化、节点预留历史与几何惩罚驱动同步等关键技术的设计意图与实现细节。
recommend-type

机械三维3D设计图-打铁扣自动机.zip

机械三维3D设计图-打铁扣自动机.zip
recommend-type

机械三维3D设计图-光伏铝板自动打标码垛线step.zip

机械三维3D设计图-光伏铝板自动打标码垛线step.zip
recommend-type

译页:一款支持大模型翻译的浏览器网页翻译插件

机器翻译及大模型翻译,需要到浏览器扩展中心开启开发者后加载未打包扩展程序
recommend-type

日式式样书最新版本no.4模版免费模版

日式式样书最新版本no.4模版版免费模版
recommend-type

基于lobe-chat-AI的数据分析助手开源项目配置与开发环境资源

“lobe-chat-AI + 数据分析助手资源”这一标题所指向的并非一个简单的工具或软件包,而是一套面向开发者与数据科学从业者的、高度工程化、可扩展、可协作的AI对话系统与数据分析能力融合型开发框架。其核心在于将LobeChat——一个开源、本地优先、支持多模型(如OpenAI、Ollama、Azure OpenAI、Claude、Gemini等)接入的现代化AI聊天界面框架——与专业级数据分析工作流深度集成,形成“对话即分析”(Conversational Analytics)的新范式。该资源本质上是一个具备完整前端工程规范、国际化支持、代码质量管控、版本发布自动化、文档标准化及提交行为约束的全生命周期开发模板,适用于构建企业级AI数据分析助手产品。 从描述“lobe-chat-AI + 数据分析助手资源”可见,该项目定位明确:它不是单纯的聊天UI,也不是孤立的数据可视化库,而是以LobeChat为交互入口,通过插件机制、函数调用(Function Calling)、RAG增强检索、SQL/Python沙箱执行、Pandas/Plotly/PyArrow运行时集成等方式,实现自然语言驱动的数据探索、清洗、建模、可视化与报告生成。用户可直接输入“对比2023与2024年华东区销售额趋势,并预测下季度增长”,系统自动解析意图、连接数据库、执行查询、调用时间序列模型(如Prophet或LightGBM)、生成图表并以Markdown+交互式图表形式返回结果——整个过程依托于后端服务封装的数据分析管道(Data Pipeline Service),而前端则由LobeChat提供统一、美观、可定制的对话界面。 进一步观察压缩包内列出的11个配置文件:`.editorconfig`定义跨编辑器的编码风格(缩进、换行、字符集),保障团队协作一致性;`.env.example`提供环境变量模板,涵盖API密钥、数据库连接串、向量库配置、模型路由策略等关键参数,体现其对多部署场景(本地开发/私有云/混合云)的支持能力;`.i18nrc.js`是国际化配置中枢,支持中英日韩等多语言界面与分析结果术语本地化,使数据分析结论能按用户母语精准呈现(如“同比增长率”在日语中自动转为「前年比増加率」);`.eslintrc.js`与`.stylelintrc.js`分别约束JavaScript/TypeScript逻辑代码与CSS-in-JS或Tailwind样式规范,确保分析逻辑模块(如data-transformer.ts)与可视化组件(chart-renderer.vue)均符合高可维护性标准;`.commitlintrc.js`强制采用Conventional Commits规范(feat:、fix:、chore:等),使每一次数据分析能力迭代(如新增“异常值自动标注”功能)均可被Git自动化识别并纳入变更日志;`.remarkrc.js`与`.remarkrc.mdx.js`用于校验Markdown与MDX格式的分析报告模板语法,保障用户导出的分析文档具备结构化元数据(如`analysis-type: time-series`, `source: postgres://...`);`.changelogrc.js`与`.releaserc.js`协同实现基于语义化版本(SemVer)的自动化发布流程,每当新增一个数据分析算子(如`rolling_correlation`),即可触发CI生成带执行示例与性能基准的版本更新日志;`.stylelintrc.js`还特别强化了CSS变量命名规则,确保主题色(如`--analysis-success-color`)、数据状态色(`--data-outlier-red`)等具备语义可读性,便于无障碍访问与品牌定制。 尤为关键的是,这些配置共同构成了一套“数据分析即代码”(Analytics-as-Code)的基础设施底座:所有分析逻辑不再散落于Jupyter Notebook中,而是以TypeScript函数形式组织于`/src/analytics/functions/`目录下,每个函数配备JSON Schema定义输入输出,经由LobeChat的Function Calling机制动态调度;所有数据源连接器(MySQL、Snowflake、Excel、Parquet)均抽象为统一接口,配合`.env`中的动态凭证管理,实现安全、审计友好的数据访问;而ESLint与Stylelint的联合检查,则确保哪怕是最复杂的多维交叉分析组件(如支持钻取、联动、条件着色的热力图),其代码也具备可测试性、可重构性与可审计性。综上,该资源不仅提供开箱即用的AI对话界面,更交付了一整套支撑“可信、可控、可演进”的智能数据分析系统的工程实践体系,覆盖从代码编写、协作规范、质量门禁、国际化适配、合规发布到文档沉淀的全部关键环节,是构建下一代企业级AI数据分析助手不可多得的参考架构与生产就绪型起点。
recommend-type

固高科技技术栈拆解:运动控制、机器视觉与工业软件入门指南

## 1. 从一条热搜说起:为什么固高科技值得单独拎出来聊 前阵子刷行业群,看到有人转了一条消息,说固高科技这家公司被市场给出了相当高的情绪预期,还带出了“大疆教父”李泽湘的名字。群里立刻分成两派:一派觉得这是硬科技赛道里少有的“根技术”公司,另一派则觉得估值情绪太浓,得冷静看。我盯着屏幕想了半天,觉得与其争论估值,不如把这家公司真正在做的事情拆开看看——**运动控制、机器视觉、工业软件**,这三个词单拎出来任何一个,都够一个工程师啃上好几年。 我自己在自动化产线摸爬滚打过几年,做过运动控制卡的选型,也调过视觉引导的坐标系标定,还写过上位机跟PLC打交道的工业软件。所以看到固高科技的业务组
recommend-type

ES8388音频解码芯片在实际开发中有哪些关键设计要点和典型应用注意事项?

### 关于ES8388芯片的规格与数据手册 #### 技术概述 ES8388 是一款高性能的音频解码芯片,适用于多种音频设备的设计和开发。其主要特点包括高信噪比、低失真率以及灵活的应用接口设计[^1]。此款芯片能够支持高质量的音频处理,在消费电子领域具有广泛应用价值。 #### 数据手册内容概览 数据手册详细描述了 ES8388 的各项技术参数和技术细节,具体如下: - **技术规格**: 提供详细的性能指标,如采样频率范围和支持的位深等[^2]。 - **功能特性**: 描述芯片的主要功能模块及其工作原理,例如 ADC/DAC 部分的工作模式及配置选项。 - **引脚定义**: 列出
recommend-type

Spring Boot后台管理系统架构设计:JWT无状态认证与RBAC细粒度权限控制实现

资源摘要信息:"【Java后端开发】基于Spring Boot的后台管理系统架构设计:RBAC权限模型与JWT认证实现"是一份面向中初级Java后端工程师及高校计算机专业学生的深度实践型技术文档,系统性地构建了一套符合企业级标准、兼顾安全性、可维护性与扩展性的现代化后台管理平台技术栈。该文档以Spring Boot为核心框架底座,深度融合Spring Security安全框架与JWT(JSON Web Token)无状态认证机制,完整实现了RBAC(Role-Based Access Control,基于角色的访问控制)权限模型的全链路落地——从数据库表结构设计、实体关系映射、服务层权限校验逻辑、控制器层接口拦截,到前端鉴权响应与异常兜底处理,形成闭环式权限治理体系。在工程架构层面,文档严格遵循分层解耦思想,提出并实践了“五层架构”规范:控制层(Controller)负责HTTP协议适配与参数预处理,强调JSR-303校验与统一入参封装;服务层(Service)承担核心业务编排职责,通过@Transactional声明式事务保障数据一致性,并采用策略模式或责任链模式灵活扩展权限判定逻辑;数据访问层(Mapper/Repository)依托MyBatis-Plus或Spring Data JPA实现高效ORM操作,支持动态SQL与多租户隔离;实体层(Entity/Model)严格遵循DDD(领域驱动设计)理念,区分持久化实体(@Table)、DTO(Data Transfer Object)、VO(View Object)与BO(Business Object),确保各层数据契约清晰、边界可控;工具层(Util/Config)则集中管理JWT密钥轮换、Redis缓存模板、全局ID生成器、敏感字段脱敏处理器等基础设施能力。尤为关键的是,文档将JWT认证流程深度嵌入Spring Security过滤器链:自定义JwtAuthenticationFilter替代默认UsernamePasswordAuthenticationFilter,在doFilterInternal中完成Token解析、签名校验、过期判断与用户上下文注入;通过继承OncePerRequestFilter确保单次请求仅执行一次Token校验;结合SecurityContextHolder实现ThreadLocal级用户身份透传;再借助GrantedAuthority封装角色权限集合,使@PreAuthorize("hasAuthority('sys:user:list')")注解得以精准生效。RBAC模型的实现并非简单三张表CRUD,而是构建了“用户↔角色↔菜单↔按钮↔API接口”的四级权限粒度体系:用户表(sys_user)存储基础信息与状态;角色表(sys_role)定义角色编码与描述;权限表(sys_permission)抽象为资源类型(MENU/API/BUTTON)、路径(/user/list)、HTTP方法(GET/POST)、权限标识符(sys:user:add);并通过中间表(sys_user_role、sys_role_permission)建立多对多关联;更进一步,文档引入权限缓存预热机制——应用启动时加载全部角色-权限映射至Redis,避免高频查询数据库;同时支持运行时权限动态刷新(通过@EventListener监听ApplicationReadyEvent事件触发缓存重建)。在系统健壮性方面,文档构建了三级异常治理体系:底层DAO异常(SQLException)由MyBatis ExceptionTranslator转换为DataAccessException;中层业务异常(如UserNotExistException)通过自定义RuntimeException抛出并被@ControllerAdvice全局捕获;顶层安全异常(AuthenticationException、AccessDeniedException)交由Spring Security内置异常翻译器处理;最终统一输出标准化响应体Result<T>,包含code(200成功/401未登录/403无权限/500系统错误)、msg(国际化消息)、data(泛型业务数据)、timestamp(ISO8601时间戳)与traceId(全链路追踪ID),并与Logback MDC集成实现日志上下文透传。此外,文档还涵盖Swagger2/Knife4j接口文档自动化、Lombok减少样板代码、HikariCP连接池调优、Nginx反向代理配置、JMeter压测报告分析(QPS≥1200,99%响应时间<320ms)等生产就绪要素,真正实现了从理论认知、代码编写、测试验证到性能调优的全生命周期覆盖,是理解现代Java企业级Web系统安全架构不可多得的实战范本。"
recommend-type

Android DocumentsUI源码架构解析:SAF文件选择器与自定义Provider实践

平时大家点“打开文件”“加附件”,系统弹出来的那个能切目录、多选、搜索甚至访问网盘文件的界面,就是 Android 源码里的原生 DocumentsUI 应用。它包名是 `com.android.documentsui`,藏在你手机 ROM 深处,却决定了十几亿台设备上“文件选择”的体验。我最近在跟进 Android 13(API 33)的源码时,把对 DocumentsUI 应用架构的理解系统整理了一遍,这篇笔记既适合做 ROM、系统定制的人参考,也可以给 App 开发者当 SAF(Storage Access Framework)的入门教材。文章不绕弯子,直接从系统定位、源码结构、分层设计