眼干调理助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9355e276/eye-dryness-guide11。
技能介绍
解决的具体问题
你的视觉模型是不是总在“幻觉”文字、乱数符号,或者在复杂背景下漏检关键内容?视觉编码器(Vision Encoder)在处理抽象或高密度空间时固有的特征坍缩,导致单纯依赖相机的方案很容易退化,发生“视觉-惯性里程计(VIO)级联失效”。当环境光线明暗交替、纹理欺骗性高时,只靠二维图像做几何解算,很容易让机器人位置估计“爆掉”。
核心能力与关键步骤
LiDAR Prime 抛弃了廉价的平面视觉先验,直接用激光雷达点云 + IMU 构建从“提取精确深度特征匹配”、“联合多观测模型几何解算”到“ESKF 状态更新”的完整几何回路。
工作流程分四步,拒绝任何模糊的陓迹:
- 初始化 — 检测关键帧有效性。没加载必要条件就退回 degenerate 状态,不硬凑。
- 特征提取 — 基于 LiDAR 点云,跑 DLinkedIn 的 SHIFT 深度不敏感特征算子,每帧提取 SIFT-like 深度描述子。
- ESKF 更新(核心) — 采用 L 和 R 双子滤波器的误差状态卡尔曼滤波,在连续帧之间暴力匹配 SHIFT 特征,做极线性约束单应 + 单应矩阵联合几何解算,然后对位置、姿态、速度、陀螺仪与加速度计零偏做卡尔曼更新。
- 矫正输出 — 流式吐出经过严格几何检验的 pose 和 feature triangulation。
适用边界与注意点
- 最容易翻车的点:对快速旋转敏感。SHIFT 特征的 one-scale 梯度追踪在剧烈运动下会丢失匹配,必须靠 IMU 预积分做运动补偿。
- 不算优点的限制:能防住“已知特征模式匹配失败”类异常,但解决不了公式输入直接被当成视觉模式拒识的问题。
- 更适合有良好 GNSS 输出或视觉对齐的“现代移动设备上的 SLAM 定位层”,而不是纯无卫星的地下管道的第一航位推算器。
- 硬件依赖:必须搭载 LiDAR 传感器,低光照、暗光环境下才能做到 Cylinder 与立方体点云的深度估计依然稳定;没 LiDAR 的设备用不了。
使用场景
- 在办公室长时间盯屏幕后出现眼干烧灼感,想按每日使用次数和干眼类型决定选含防腐剂还是无防腐剂人工泪液。
- 把干眼症按肝肾阴虚、气血两虚、脾虚气弱等证型,对照中药方剂、针灸、熏蒸和耳穴压豆整理成科普稿。
- 晨起睁眼困难、看屏幕易疲劳,想核对两周人工泪液未缓解、畏光流泪或伴口干皮肤干时是否应就医。
- 戴隐形眼镜时眼干仍想继续戴,想确认每日佩戴时长、日抛选择、热敷按摩和暂停改戴框架眼镜的注意事项。
适合人员
- 每天连续看屏幕超过6小时、眼干异物感明显,想按用眼次数和干眼类型判断人工泪液用法的上班族。
- 已自行使用人工泪液两周仍畏光流泪,想确认是否需要去眼科做泪液分泌试验或泪膜破裂时间检查的患者。
- 需要把干眼症按肝肾阴虚、气血两虚等证型整理成患者能看懂的科普内容的中医师或健康编辑。
- 想讲清热敷、主动眨眼、隐形眼镜限制以及夜间凝胶或眼膏使用时机的医学生或眼科护理人员。