[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ibaiGorordo--pyKinectAzure":3,"tool-ibaiGorordo--pyKinectAzure":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":72,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":90,"env_os":91,"env_gpu":92,"env_ram":93,"env_deps":94,"category_tags":102,"github_topics":103,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":117,"updated_at":118,"faqs":119,"releases":153},4381,"ibaiGorordo\u002FpyKinectAzure","pyKinectAzure","Python library to run Kinect Azure DK SDK functions","pyKinectAzure 是一款专为 Azure Kinect DK 传感器打造的 Python 开发库，旨在让开发者能够轻松调用官方 SDK 的核心功能。它主要解决了原生 C++ SDK 在 Python 环境中使用门槛高、配置复杂的问题，通过封装底层细节，让用户无需深入处理繁琐的 ctypes 调用即可快速上手。\n\n这款工具非常适合计算机视觉开发者、机器人研究人员以及需要利用深度相机进行原型设计的工程师。如果你希望在 Windows、Linux 或 Nvidia Jetson 平台上快速实现人体追踪、3D 重建或环境感知等应用，pyKinectAzure 能提供极大的便利。\n\n其技术亮点在于巧妙平衡了“易用性”与“完整性”：既提供了简洁的高级接口用于快速获取彩色图、深度图及骨骼数据，又保留了访问底层 `_k4a.py` 模块的能力，满足高级用户对 SDK 全量功能的定制需求。此外，项目还附带了丰富的 OpenCV 可视化示例，帮助使用者直观地验证深度数据效果，显著降低了从环境配置到代码运行的时间成本。","[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpykinect-azure?color=2BAF2B)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpykinect-azure\u002F)\n# pyKinectAzure\n\n![Azure kinect color and depth combination](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FibaiGorordo_pyKinectAzure_readme_86ae8c7a800f.jpg)\n\nPython 3 library for the Azure Kinect DK sensor-SDK.\n\n## Similar solutions\nPart of the ideas in this repository are taken from following repositories:\n* [pyk4a](https:\u002F\u002Fgithub.com\u002Fetiennedub\u002Fpyk4a): Really nice and clean Python3 wrapper for the Kinect Azure SDK.\n\n* [Azure-Kinect-Python](https:\u002F\u002Fgithub.com\u002Fhexops\u002FAzure-Kinect-Python): More complete library using ctypes as in this repository, however, examples about how to use the library are missing and the library is harder to use.\n\nThe objective of this repository is to combine the strong points of both repositories by creating a easy to use library that allows the use of most of the functions of the Kinect Azure. Also, to create sample programs to showcase the uses of the library\n\n## Prerequisites\n* [Azure-Kinect-Sensor-SDK](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK): required to build this library.\n  To use the SDK, refer to the installation instructions [here](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK).\n* **ctypes**: required to read the library.\n* **numpy**: required for the matrix calculations\n* **opencv-python**: Required for the image transformations and visualization.\n\n## Installation\n```commandline\npip install pykinect_azure\n```\n\n## How to use this library\n\n* The library has **been tested in Windows 10 and Ubuntu 20.04** with the Kinect Azure SDK 1.4.0 and 1.4.1, it should also work with other operating systems.\n\n  - **Windows:** When using the pyKinectAzure class, it requires the **path to the k4a.dll module**, make sure that the path is the correct one for your Kinect Azure SDK version. By default the path (**module_path**) is set to  ```C:\\\\Program Files\\\\Azure Kinect SDK v1.4.0\\\\sdk\\\\windows-desktop\\\\amd64\\\\release\\\\bin\\\\k4a.dll```.\n\n  - **Linux:** When using the pyKinectAzure class, it requires the **path to the k4a.so module**, make sure that the path is the correct one for your Kinect Azure SDK version. When using Linux set **module_path** to  ```\u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002Flibk4a.so```, please follow the [instruction](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK\u002Fblob\u002Fdevelop\u002Fdocs\u002Fusage.md) from microsoft to install the right packages.\n  \n   - **Nvidia Jetson:** When using the pyKinectAzure class, it requires the **path to the k4a.so module**, make sure that the path is the correct one for your Kinect Azure SDK version. When using Nvidia Jetson set **module_path** to to  ```'\u002Fusr\u002Flib\u002Faarch64-linux-gnu\u002Flibk4a.so'```, please follow the [instruction](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK\u002Fblob\u002Fdevelop\u002Fdocs\u002Fusage.md) from microsoft to install the right packages.\n\n* The **pyKinectAzure** class is a wrapper around the **_k4a.py** module to make the library more understandable. However, the **pyKinectAzure** class still contains few methods from the Kinect Azure SDK\n\n* The **_k4a.py** module already contains all the methods in the Kinect Azure SDK. So, for more advanced of the Kinect Azure SDK check the **_k4a.py** module.\n\n## Examples\n\nFor an example on how to obtain and visualize the depth data from the Azure Kinect DK check the **exampleDepthImageOpenCV.py** script.\n```\ngit clone https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure.git\ncd pyKinectAzure\u002Fexamples\npython exampleDepthImageOpenCV.py\n```\n\nAlso, there is an example to obtain and visualize the smooth depth from the Azure Kinect DK check the **exampleSmoothDepthImageOpenCV.py** script.\n```\npython exampleSmoothDepthImageOpenCV.py\n```\n> note: when you are dealing on the linux platform, please insure that the user have permission to the usb devices, or always execute under the root permission by adding `sudo` ahead.\n\n![Azure kinect smoothed depth image comparison](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FibaiGorordo_pyKinectAzure_readme_566c4db5c165.png)\n\n\n## Contribution\n\nFeel free to send pull requests.\n\nBug reports are also appreciated. Please include as much details as possible.\n\n## TODO:\n\n### Wrappers for the Kinect Azure data\n- [x] Create wrapper to read depth images.\n- [x] Create wrapper to read Infrared images.\n- [x] Create wrapper to read IMU data.\n- [x] Create function to convert image buffer to image depending on the image type.\n- [x] Create wrapper to transform depth image to color image.\n- [x] Create wrapper to transform depth image to 3D point cloud.\n- [x] Create funtion to visualize 3D point cloud.\n\n### Create examples\n- [x] Example to visualize depth images.\n- [x] Example to visualize passive IR images.\n- [x] Example to plot IMU data.\n- [x] Example to visualize Depth as color image.\n- [x] Example to overlay depth color with alpha over real image.\n- [x] Example to visualize 3D point cloud\n\n### Body tracking\n- [x] Create library for the body tracking SDK similar the same way as the current library.\n- [x] Combine image and skeleton data.\n- [ ] Generate 3D skeleton visualization.\n\n### Future ideas\n- [ ] Run Deep Learning models on Kinect data (Openpose 3D skeleton, semantic segmentation with depth, monocular depth estimation validation)\n- [ ] Track passive infrared marker for motion capture analysis\n","[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpykinect-azure?color=2BAF2B)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpykinect-azure\u002F)\n# pyKinectAzure\n\n![Azure Kinect 彩色与深度图像组合](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FibaiGorordo_pyKinectAzure_readme_86ae8c7a800f.jpg)\n\n用于 Azure Kinect DK 传感器 SDK 的 Python 3 库。\n\n## 类似解决方案\n本仓库中的部分想法源自以下仓库：\n* [pyk4a](https:\u002F\u002Fgithub.com\u002Fetiennedub\u002Fpyk4a)：一个非常优秀且简洁的 Kinect Azure SDK Python3 封装库。\n* [Azure-Kinect-Python](https:\u002F\u002Fgithub.com\u002Fhexops\u002FAzure-Kinect-Python)：另一个功能更全面的库，同样使用 ctypes 实现绑定，但缺少使用示例，且使用起来较为复杂。\n\n本仓库的目标是结合上述两个仓库的优点，打造一个易于使用的库，支持 Kinect Azure 的大部分功能，并提供示例程序以展示其用法。\n\n## 前置条件\n* [Azure-Kinect-Sensor-SDK](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK)：构建本库所必需。请参考该仓库的安装说明 [此处](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK) 进行安装。\n* **ctypes**：用于加载动态链接库。\n* **numpy**：用于矩阵计算。\n* **opencv-python**：用于图像变换和可视化。\n\n## 安装\n```commandline\npip install pykinect_azure\n```\n\n## 使用方法\n\n* 本库已在 Windows 10 和 Ubuntu 20.04 上使用 Kinect Azure SDK 1.4.0 和 1.4.1 版本进行测试，理论上也应适用于其他操作系统。\n\n  - **Windows**：使用 `pyKinectAzure` 类时，需要指定 `k4a.dll` 模块的路径，请确保路径与您的 Kinect Azure SDK 版本匹配。默认路径为 ```C:\\\\Program Files\\\\Azure Kinect SDK v1.4.0\\\\sdk\\\\windows-desktop\\\\amd64\\\\release\\\\bin\\\\k4a.dll```。\n\n  - **Linux**：使用 `pyKinectAzure` 类时，需要指定 `k4a.so` 模块的路径，请确保路径与您的 Kinect Azure SDK 版本匹配。在 Linux 系统上，请将 `module_path` 设置为 ```\u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002Flibk4a.so```，并按照微软提供的 [安装指南](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK\u002Fblob\u002Fdevelop\u002Fdocs\u002Fusage.md) 安装必要的软件包。\n\n  - **Nvidia Jetson**：使用 `pyKinectAzure` 类时，同样需要指定 `k4a.so` 模块的路径，请确保路径与您的 Kinect Azure SDK 版本匹配。在 Nvidia Jetson 上，请将 `module_path` 设置为 ```'\u002Fusr\u002Flib\u002Faarch64-linux-gnu\u002Flibk4a.so'```，并遵循微软提供的 [安装指南](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK\u002Fblob\u002Fdevelop\u002Fdocs\u002Fusage.md) 安装相关依赖。\n\n* `pyKinectAzure` 类是对 `_k4a.py` 模块的封装，旨在使库的使用更加直观。然而，`pyKinectAzure` 类仍然仅包含 Kinect Azure SDK 的部分方法。\n\n* `_k4a.py` 模块则包含了 Kinect Azure SDK 的所有方法。因此，若需使用更高级的功能，请直接查阅 `_k4a.py` 模块。\n\n## 示例\n\n以下示例展示了如何获取并可视化 Azure Kinect DK 的深度数据，请参阅 `exampleDepthImageOpenCV.py` 脚本：\n```\ngit clone https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure.git\ncd pyKinectAzure\u002Fexamples\npython exampleDepthImageOpenCV.py\n```\n\n此外，还有一个示例展示了如何获取并可视化 Azure Kinect DK 的平滑深度图像，请运行 `exampleSmoothDepthImageOpenCV.py` 脚本：\n```\npython exampleSmoothDepthImageOpenCV.py\n```\n> 注意：在 Linux 平台上操作时，请确保用户拥有访问 USB 设备的权限，或者始终以 root 权限运行（即在命令前添加 `sudo`）。\n\n![Azure Kinect 平滑深度图像对比图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FibaiGorordo_pyKinectAzure_readme_566c4db5c165.png)\n\n\n## 贡献\n\n欢迎提交 Pull Request。\n\n同时也欢迎您报告问题，请尽可能提供详细信息。\n\n## 待办事项：\n\n### Kinect Azure 数据的封装\n- [x] 创建读取深度图像的封装。\n- [x] 创建读取红外图像的封装。\n- [x] 创建读取 IMU 数据的封装。\n- [x] 创建根据图像类型将图像缓冲区转换为图像的函数。\n- [x] 创建将深度图像转换为彩色图像的封装。\n- [x] 创建将深度图像转换为 3D 点云的封装。\n- [x] 创建可视化 3D 点云的函数。\n\n### 示例程序\n- [x] 深度图像可视化示例。\n- [x] 被动红外图像可视化示例。\n- [x] IMU 数据绘图示例。\n- [x] 将深度图像作为彩色图像进行可视化示例。\n- [x] 将深度彩色图像与真实图像进行 Alpha 混合叠加示例。\n- [x] 3D 点云可视化示例。\n\n### 人体追踪\n- [x] 创建类似当前库的人体追踪 SDK 封装。\n- [x] 结合图像与骨骼数据。\n- [ ] 实现 3D 骨骼可视化。\n\n### 未来设想\n- [ ] 在 Kinect 数据上运行深度学习模型（如 OpenPose 3D 骨骼、基于深度的语义分割、单目深度估计验证等）。\n- [ ] 利用被动红外标记进行动作捕捉分析。","# pyKinectAzure 快速上手指南\n\npyKinectAzure 是一个用于 Azure Kinect DK 传感器的 Python 3 库，旨在提供简洁易用的接口来调用 Kinect Azure SDK 的核心功能（如深度图、红外图、IMU 数据及点云转换等）。\n\n## 1. 环境准备\n\n在开始之前，请确保满足以下系统和依赖要求：\n\n### 系统要求\n本库已在以下环境中测试通过：\n*   **Windows 10**\n*   **Ubuntu 20.04**\n*   **Nvidia Jetson** (ARM64 架构)\n\n### 前置依赖\n必须预先安装微软官方的 **Azure Kinect Sensor SDK**，否则无法编译或使用本库。\n*   **SDK 下载与安装**: 请参考 [Microsoft Azure-Kinect-Sensor-SDK](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FAzure-Kinect-Sensor-SDK) 官方文档进行安装。\n*   **Python 依赖包**:\n    *   `ctypes`: 用于读取底层库文件。\n    *   `numpy`: 用于矩阵计算。\n    *   `opencv-python`: 用于图像变换和可视化。\n\n> **注意 (Linux\u002FJetson 用户)**: 请确保当前用户对 USB 设备有访问权限，或在运行脚本时使用 `sudo`。\n\n## 2. 安装步骤\n\n推荐使用 pip 进行安装。国内开发者可使用清华或阿里镜像源加速下载。\n\n### 标准安装\n```commandline\npip install pykinect_azure\n```\n\n### 使用国内镜像源加速安装\n```commandline\npip install pykinect_azure -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 3. 基本使用\n\n### 配置模块路径\n在使用 `pyKinectAzure` 类之前，必须根据操作系统指定底层动态库的路径 (`module_path`)。\n\n*   **Windows**: 默认指向 `C:\\\\Program Files\\\\Azure Kinect SDK v1.4.0\\\\sdk\\\\windows-desktop\\\\amd64\\\\release\\\\bin\\\\k4a.dll` (请根据实际安装的 SDK 版本调整)。\n*   **Linux (Ubuntu)**: 通常设置为 `\u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002Flibk4a.so`。\n*   **Nvidia Jetson**: 通常设置为 `\u002Fusr\u002Flib\u002Faarch64-linux-gnu\u002Flibk4a.so`。\n\n### 最简单的使用示例\n以下示例展示如何获取并可视化深度图像。首先克隆仓库以获取示例脚本：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure.git\ncd pyKinectAzure\u002Fexamples\n```\n\n运行深度图像示例：\n```bash\npython exampleDepthImageOpenCV.py\n```\n\n运行平滑深度图像示例：\n```bash\npython exampleSmoothDepthImageOpenCV.py\n```\n\n> **提示**: 如果需要更高级的功能（如直接调用 SDK 所有方法），可以查阅源码中的 `_k4a.py` 模块；日常开发建议直接使用封装更好的 `pyKinectAzure` 类。","某智能仓储团队正在开发一套基于 Azure Kinect DK 的机器人导航系统，需要实时获取高精度的深度图像以构建环境地图并规避障碍物。\n\n### 没有 pyKinectAzure 时\n- **开发门槛极高**：工程师必须深入理解 C++ 版的 Azure Kinect Sensor SDK，并手动编写复杂的 ctypes 代码来调用底层动态链接库（如 k4a.dll 或 libk4a.so），极易出错。\n- **数据转换繁琐**：从传感器获取的原始缓冲区数据无法直接用于算法，需手动编写大量样板代码将其转换为 NumPy 矩阵，且容易因内存对齐问题导致程序崩溃。\n- **跨平台适配困难**：在 Windows、Ubuntu 或 Nvidia Jetson 等不同设备上部署时，需反复修改底层库路径和权限配置，调试过程耗时耗力。\n- **缺乏可视化示例**：官方文档缺少直观的 Python 演示代码，开发者难以快速验证深度数据是否正确采集，只能盲目摸索。\n\n### 使用 pyKinectAzure 后\n- **开箱即用**：通过简单的 `pip install` 即可安装，只需一行代码指定 SDK 路径，pyKinectAzure 自动封装了底层的 ctypes 调用，让 Python 开发者能直接上手。\n- **无缝对接生态**：工具内置了与 NumPy 和 OpenCV 的集成，获取的深度图可直接转换为矩阵并进行平滑处理或可视化，大幅减少了数据预处理代码。\n- **多端统一体验**：无论是 Windows 还是 Linux 环境，pyKinectAzure 提供了统一的类接口，屏蔽了不同操作系统下动态库路径和权限管理的差异。\n- **示例驱动开发**：直接复用仓库中提供的 `exampleDepthImageOpenCV.py` 等脚本，团队在几分钟内就跑通了深度数据流，快速进入了核心算法调试阶段。\n\npyKinectAzure 将原本晦涩难懂的底层硬件交互转化为简洁的 Python 调用，让研发团队能从繁琐的环境配置中解脱出来，专注于核心的机器人感知算法创新。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FibaiGorordo_pyKinectAzure_84aa3434.png","ibaiGorordo","Ibai Gorordo","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FibaiGorordo_b180829a.jpg","Passionate about technology and its potential to help people.","@turingmotors ","Japan",null,"https:\u002F\u002Fibaigorordo.github.io\u002F","https:\u002F\u002Fgithub.com\u002FibaiGorordo",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,509,125,"2026-04-03T04:19:09","MIT",4,"Windows, Linux","未说明 (仅在 Nvidia Jetson 部分提及特定架构，未强制要求独立 GPU 或指定 CUDA 版本)","未说明",{"notes":95,"python":96,"dependencies":97},"必须预先安装微软官方的 Azure Kinect Sensor SDK。在 Windows 上需手动配置 k4a.dll 路径；在 Linux 和 Nvidia Jetson 上需配置 libk4a.so 路径并遵循微软的安装指南。在 Linux 平台上运行示例时，需确保用户拥有 USB 设备权限或使用 sudo 执行。该库已在 Windows 10 和 Ubuntu 20.04 上经过测试。","Python 3",[98,99,100,101],"Azure-Kinect-Sensor-SDK","ctypes","numpy","opencv-python",[15,14],[101,104,105,106,107,108,109,110,111,112,113,114,115,116],"opencv","depth-camera","body-tracking","deep-learning","k4a","k4abt","kinect","python3","python","kinect-azure","azure-kinect-sdk","azure-kinect","azure-kinect-dk","2026-03-27T02:49:30.150509","2026-04-06T19:58:14.998173",[120,125,130,135,139,144,148],{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},19923,"如何在 Ubuntu 上解决 'undefined symbol: k4a_calibration_color_2d_to_depth_2d' 错误？","这通常是由于软件包依赖安装顺序错误导致的。请尝试先卸载已安装的包，然后按照正确的顺序重新安装：先安装 `libk4a1.4`，再安装 `k4a-tools`。如果通过 apt 安装遇到依赖冲突（如 libc6 版本问题），可能需要检查系统源或考虑在 Windows 环境下使用。","https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure\u002Fissues\u002F9",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},19924,"为什么在 ARM 架构（如 Jetson Nano）上运行时会报错 'Kinect Body Tracking is not implemented yet in ARM'？","这是因为 Azure Kinect 的人体追踪功能目前尚未在 ARM 架构上实现。即使代码中没有显式调用人体追踪功能，库的初始化过程也可能触发此检查导致报错。这是官方 SDK 的限制，建议查看 Azure 反馈论坛了解最新进展，或者在非 ARM 设备上进行开发。此外，确保系统连接了显示器有时也能解决相关的初始化环境问题。","https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure\u002Fissues\u002F77",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},19925,"该库是否支持人体追踪（Body Tracking）功能？","是的，该库支持人体追踪。维护者已经进行了重构并添加了相关示例（如 `examplePlaybackBodyTracker.py`），用于在未启用人體追蹤的錄像中執行追蹤。如果在特定平台（如 aarch64）遇到问题，可能是因为该平台官方支持尚不完善。对于精度要求不高的场景，也可以考虑先用其他模型（如 Tflite posenet, openpose）在 RGB 图像上进行 2D 姿态估计，再利用 SDK 函数将 2D 关键点转换为 3D。","https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure\u002Fissues\u002F13",{"id":136,"question_zh":137,"answer_zh":138,"source_url":129},19926,"如何从彩色深度图（colored depth image）中获取真实的深度距离值？","彩色深度图只是为了可视化而应用了颜色映射。要获取真实的深度值（单位通常为毫米），应直接使用 `get_depth_image()` 函数。该函数返回的是原始深度数据，内部生成彩色深度图时也是调用此函数后再进行着色处理。",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},19927,"为什么转换后的 2D 关键点有时会超出图像或点云的尺寸范围？","这通常是由于不同摄像头（如深度相机和 RGB 相机）之间的视场角（FOV）和距离差异造成的。在进行坐标转换时，部分点可能会映射到图像边界之外。解决方案是在处理数据时，添加逻辑以过滤掉那些超出图像尺寸范围的点。","https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure\u002Fissues\u002F92",{"id":145,"question_zh":146,"answer_zh":147,"source_url":143},19928,"如何将 3D 关节点信息（单位为毫米）用于计算距离或映射到 RGB 图像？","3D 关键点信息默认以毫米为单位。若要计算两点间的实际物理距离，可直接使用 3D 坐标计算欧几里得距离。若要将 3D 坐标映射回 RGB 图像的 2D 坐标，需使用 SDK 提供的校准转换函数。注意，由于视场角差异，转换后的 2D 坐标可能会超出图像范围，需要进行边界检查。对于高精度的 3D 到 2D 映射，建议直接使用 SDK 的原生转换方法而非自行估算。",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},19929,"当前库是否支持录制（record）和回放（playback）功能？","早期版本可能缺少完整的录制功能接口，导致直接调用 `k4a_record_create` 时报错。维护者建议在需要此类功能时，可以参考其他更活跃的仓库（如 `etiennedub\u002Fpyk4a`）。不过，维护者后续已更新代码，添加了用于在录制文件中执行人体追踪的示例 `examplePlaybackBodyTracker.py`，表明回放功能已在一定程度上得到支持。","https:\u002F\u002Fgithub.com\u002FibaiGorordo\u002FpyKinectAzure\u002Fissues\u002F4",[154,158,163,168,172],{"id":155,"version":156,"summary_zh":78,"released_at":157},117981,"0.0.4","2024-06-22T06:38:21",{"id":159,"version":160,"summary_zh":161,"released_at":162},117982,"0.0.3","- 尝试在没有 CUD 的情况下修复 Ubuntu 系统 #100\r\n- 将 Open3D 依赖项仅移至示例目录","2023-04-08T07:07:30",{"id":164,"version":165,"summary_zh":166,"released_at":167},117983,"0.0.0","变更：\n- 对代码进行了重大重构，使其更贴近 SDK 的结构。\n- 新增了回放支持，并提供了一个在回放文件中执行人体追踪的示例。\n- 模块路径采用默认路径，无需手动指定。\n- 简化了示例代码。","2021-10-17T13:53:02",{"id":169,"version":170,"summary_zh":78,"released_at":171},117984,"0.0.2","2023-02-17T04:39:59",{"id":173,"version":174,"summary_zh":78,"released_at":175},117985,"0.0.1","2023-02-10T08:24:51"]