min_height_point = pcd.get_transform().inverse().transform(min_height_point.T).T AttributeError: 'open3d.cpu.pybind.geometry.PointCloud' object has no attribute 'get_transform'

时间: 2024-02-28 19:53:09 浏览: 143
非常抱歉,Open3D的版本更新导致了上面的代码错误。在最新版本的Open3D中,PointCloud类没有get_transform()方法。取而代之的是,您可以使用PointCloud类的get_rotation_matrix()和get_translation()方法来获取变换矩阵,然后使用Numpy库的dot()函数将点转换回点云坐标系。 下面是更新后的示例代码片段: ``` import open3d as o3d import numpy as np # 读入点云文件 pcd = o3d.io.read_point_cloud("path/to/pointcloud.pcd") # 将点云转换为Numpy数组 points = np.asarray(pcd.points) # 计算最小高度值 min_height = np.min(points[:, 2]) # 将最小高度值转换回点云坐标系 min_height_point = [0, 0, min_height] min_height_point = np.asarray(min_height_point) min_height_point = min_height_point.reshape(1, -1) # 获取变换矩阵 rot_mat = np.asarray(pcd.get_rotation_matrix()) trans_mat = np.asarray(pcd.get_translation()) transform_mat = np.eye(4) transform_mat[:3, :3] = rot_mat transform_mat[:3, 3] = trans_mat # 将点转换回点云坐标系 min_height_point = np.concatenate([min_height_point, np.ones((1, 1))], axis=1) min_height_point = np.dot(transform_mat, min_height_point.T).T[:, :3] print("点云的最低高度值为:", min_height_point[0, 2]) ``` 请注意,由于我无法直接访问您的点云数据,因此上面的代码片段仅供参考,并可能需要根据您的具体情况进行调整。
阅读全文

相关推荐

import pcl import numpy as np import open3d as o3d def ransac_line_fitting(input_path, output_path): # 读取PCD文件 cloud = pcl.load(input_path) # 转换点云为numpy数组便于处理 points = cloud.to_array() # RANSAC直线拟合 model = pcl.SampleConsensusModelLine(cloud) ransac = pcl.RandomSampleConsensus(model) ransac.set_DistanceThreshold(0.01) ransac.computeModel() coeffs = ransac.getModelCoefficients() # 格式: [x0,y0,z0,dx,dy,dz] # 提取直线参数 line_point = np.array(coeffs[:3]) line_dir = np.array(coeffs[3:6]) line_dir /= np.linalg.norm(line_dir) # 归一化方向向量 # 确保方向向量X分量为正 if line_dir[0] < 0: line_dir *= -1 # 找到原始点云中X最小值点 min_x_idx = np.argmin(points[:, 0]) min_x_point = points[min_x_idx] # 将X最小值点投影到直线上 vec = min_x_point - line_point t = np.dot(vec, line_dir) # 投影参数计算~ start_point = line_point + t * line_dir # 计算总长度和步长 max_x_idx = np.argmax(points[:, 0]) max_x_point = points[max_x_idx] total_length = np.linalg.norm(max_x_point - min_x_point) step = total_length / (len(points) - 1) # 生成等间距点云 new_points = [] for i in range(len(points)): new_p = start_point + i * step * line_dir new_points.append(new_p) # 创建并保存新点云 new_cloud = pcl.PointCloud() new_cloud.from_array(np.array(new_points, dtype=np.float32)) pcl.save(new_cloud, output_path) if __name__ == "__main__": ransac_line_fitting("input.pcd", "output.pcd") 请把其中的pcl用open3d替代

import open3d as o3d import numpy as np def slice_point_cloud(pcd, axis='x', position=0.0, tolerance=0.1): """改进版点云切片函数(继承颜色信息)""" points = np.asarray(pcd.points) axis_index = 0 if axis.lower() == 'x' else 1 mask = (points[:, axis_index] > position - tolerance) & (points[:, axis_index] < position + tolerance) sliced_pcd = o3d.geometry.PointCloud() sliced_pcd.points = o3d.utility.Vector3dVector(points[mask]) if pcd.has_colors(): sliced_pcd.colors = o3d.utility.Vector3dVector(np.asarray(pcd.colors)[mask]) return sliced_pcd def filter_points_by_range(pcd, axis, min_val, max_val): """根据坐标范围过滤点云""" points = np.asarray(pcd.points) compare_axis = 1 if axis == 'x' else 0 # x切片比y轴,y切片比x轴 mask = (points[:, compare_axis] < min_val) | (points[:, compare_axis] > max_val) filtered_pcd = o3d.geometry.PointCloud() filtered_pcd.points = o3d.utility.Vector3dVector(points[mask]) if pcd.has_colors(): filtered_pcd.colors = o3d.utility.Vector3dVector(np.asarray(pcd.colors)[mask]) return filtered_pcd def create_coord(): return o3d.geometry.TriangleMesh.create_coordinate_frame(size=1.0) if __name__ == "__main__": pcd1 = o3d.io.read_point_cloud("source.pcd").paint_uniform_color([1, 0, 0]) pcd2 = o3d.io.read_point_cloud("target.pcd").paint_uniform_color([0, 1, 0]) coord_main = create_coord() while True: axis = input("请输入切片轴向 (x/y,输入q退出): ").lower() if axis == 'q': break if axis not in ['x', 'y']: print("输入错误,请重新输入!") continue try: position = float(input("请输入切片位置: ")) except ValueError: print("请输入有效数字!") continue tolerance = 0.2 sliced1 = slice_point_cloud(pcd1, axis, position, tolerance) sliced2 = slice_point_cloud(pcd2, axis, position, tolerance) # 获取源点云范围 points1 = np.asarray(sliced1.points) if len(points1) == 0: print("Source切片无数据!") continue points2 = np.asarray(sliced2.points) if len(points1) == 0: print("Source切片无数据!") continue compare_axis = 1 if axis == 'x' else 0 range_values1 = points1[:, compare_axis] range_values2 = points2[:, compare_axis] min_val, max_val = np.min(range_values1), np.max(range_values1) # 过滤目标点云 filtered_sliced2 = filter_points_by_range(sliced2, axis, min_val, max_val) coord_secondary = create_coord() # 可视化 vis1 = o3d.visualization.Visualizer() vis1.create_window(window_name="Target切片视图", width=800, height=600) vis1.add_geometry(sliced2) vis1.add_geometry(coord_main) vis2 = o3d.visualization.Visualizer() vis2.create_window(window_name="Target过滤视图", width=800, height=600) vis2.add_geometry(filtered_sliced2) vis2.add_geometry(coord_secondary) vis1.run() vis2.run() vis1.destroy_window() vis2.destroy_window()此处的0.2是代表0.2毫米吗

def extract_boundary_with_integral_invariant(pcd, radius=0.1, k=2.0, min_neighbors=5): """ 使用积分不变量算法提取点云边界 参数: pcd (o3d.geometry.PointCloud): 输入点云 radius (float): 邻域搜索半径 k (float): 阈值系数 (T = μ - k*σ) min_neighbors (int): 后处理中保留边界点所需的最小邻域边界点数量 返回: boundary_mask (np.array): 边界点布尔掩码 """ # ---------------------- 1. 预处理 ---------------------- # 统计滤波去噪 cl, _ = pcd.remove_statistical_outlier(nb_neighbors=10, std_ratio=5.0) # ---------------------- 2. 法线估计 ---------------------- cl.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=radius * 2, max_nn=30)) cl.orient_normals_consistent_tangent_plane(k=15) # 统一法线方向 # ---------------------- 3. 构建KD-tree加速搜索 ---------------------- points = np.asarray(cl.points) normals = np.asarray(cl.normals) tree = KDTree(points) # ---------------------- 4. 计算积分不变量 ---------------------- integral_values = [] for i in range(len(points)): # 查询球形邻域 neighbors = tree.query_ball_point(points[i], radius) if len(neighbors) < 3: integral_values.append(0) continue # 获取邻域点相对坐标 neighbor_points = points[neighbors] - points[i] # 构建局部坐标系 (z轴为法线方向) z_axis = normals[i] x_axis = np.random.randn(3) # 随机初始向量 x_axis -= x_axis.dot(z_axis) * z_axis x_axis /= np.linalg.norm(x_axis) y_axis = np.cross(z_axis, x_axis) # 投影到切平面 (忽略法线方向) proj_coords = np.array([neighbor_points.dot(x_axis), neighbor_points.dot(y_axis)]).T # 统计有效投影点数量作为积分值 integral_values.append(len(proj_coords)) # ---------------------- 5. 阈值处理 ---------------------- integrals = np.array(integral_values) mean = integrals.mean() std = integrals.std() threshold = mean - k * std boundary_mask = (integrals < threshold) # ---------------------- 6. 后处理:去除孤立边界点 ---------------------- boundary_indices = np.where(boundary_mask)[0] boundary_tree = KDTree(points[boundary_mask]) valid_boundary = np.zeros(len(points), dtype=bool) for idx in boundary_indices: # 检查周围radius内是否有足够多的边界点 count = boundary_tree.query_ball_point(points[idx], radius).__len__() if count >= min_neighbors: valid_boundary[idx] = True return valid_boundary # ====================== 使用示例 ====================== if __name__ == "__main__": # 1. 读取点云 (替换为你的PCD文件路径) pcd = o3d.io.read_point_cloud("model.pcd") # 检查点云是否为空 if len(pcd.points) == 0: print("读取的点云文件为空,请检查文件路径和内容。") else: print("成功读取点云,点数:", len(pcd.points)) # 2. 提取边界 boundary_mask = extract_boundary_with_integral_invariant(pcd, radius=2.0, k=1.5, min_neighbors=3) # 检查是否有边界点 if np.any(boundary_mask): # 3. 可视化结果 boundary_pcd = pcd.select_by_index(np.where(boundary_mask)[0]) boundary_pcd.paint_uniform_color([1, 0, 0]) # 红色为边界 o3d.visualization.draw_geometries([pcd, boundary_pcd]) else: print("未找到边界点,请调整参数重新尝试。")能否将其中的边界点单独提取出来并展示全部代码

import pyntcloud from scipy.spatial import cKDTree import numpy as np def pass_through(cloud, limit_min=-10, limit_max=10, filter_value_name="z"): """ 直通滤波 :param cloud:输入点云 :param limit_min: 滤波条件的最小值 :param limit_max: 滤波条件的最大值 :param filter_value_name: 滤波字段(x or y or z) :return: 位于[limit_min,limit_max]范围的点云 """ points = np.asarray(cloud.points) if filter_value_name == "x": ind = np.where((points[:, 0] >= limit_min) & (points[:, 0] <= limit_max))[0] x_cloud = pcd.select_by_index(ind) return x_cloud elif filter_value_name == "y": ind = np.where((points[:, 1] >= limit_min) & (points[:, 1] <= limit_max))[0] y_cloud = cloud.select_by_index(ind) return y_cloud elif filter_value_name == "z": ind = np.where((points[:, 2] >= limit_min) & (points[:, 2] <= limit_max))[0] z_cloud = pcd.select_by_index(ind) return z_cloud # -------------------读取点云数据并可视化------------------------ # 读取原始点云数据 cloud_before=pyntcloud.PyntCloud.from_file("./data/pcd/000000.pcd") # 进行点云下采样/滤波操作 # 假设得到了处理后的点云(下采样或滤波后) pcd = o3d.io.read_point_cloud("./data/pcd/000000.pcd") filtered_cloud = pass_through(pcd, limit_min=-10, limit_max=10, filter_value_name="x") # 获得原始点云和处理后的点云的坐标值 points_before = cloud_before.points.values points_after = filtered_cloud.points.values # 使用KD-Tree将两组点云数据匹配对应,求解最近邻距离 kdtree_before = cKDTree(points_before) distances, _ = kdtree_before.query(points_after) # 计算平均距离误差 ade = np.mean(distances) print("滤波前后的点云平均距离误差为:", ade) o3d.visualization.draw_geometries([filtered_cloud], window_name="直通滤波", width=1024, height=768, left=50, top=50, mesh_show_back_face=False) # 创建一个窗口,设置窗口大小为800x600 vis = o3d.visualization.Visualizer() vis.create_window(width=800, height=600) # 设置视角点 ctr = vis.get_view_control() ctr.set_lookat([0, 0, 0]) ctr.set_up([0, 0, 1]) ctr.set_front([1, 0, 0])这段程序有什么问题吗

import open3d as o3d import numpy as np def slice_point_cloud(pcd, axis='x', position=0.0, tolerance=0.1): """ 改进版点云切片函数(继承颜色信息) :param pcd: 输入点云 :param axis: 切片轴向 ('x' 或 'y') :param position: 切片位置 :param tolerance: 切片厚度半径 :return: 切片后的点云 """ points = np.asarray(pcd.points) # 创建轴向选择掩码 axis_index = 0 if axis.lower() == 'x' else 1 mask = (points[:, axis_index] > position - tolerance) & (points[:, axis_index] < position + tolerance) # 创建切片点云并继承颜色 sliced_pcd = o3d.geometry.PointCloud() sliced_pcd.points = o3d.utility.Vector3dVector(points[mask]) if pcd.has_colors(): sliced_pcd.colors = o3d.utility.Vector3dVector(np.asarray(pcd.colors)[mask]) return sliced_pcd if __name__ == "__main__": # 加载点云并设置颜色 pcd1 = o3d.io.read_point_cloud("source.pcd").paint_uniform_color([1, 0, 0]) # 红色 pcd2 = o3d.io.read_point_cloud("target.pcd").paint_uniform_color([0, 1, 0]) # 绿色 # 创建统一坐标系(尺寸自适应) coord = o3d.geometry.TriangleMesh.create_coordinate_frame(size=1.0) while True: # 用户输入处理 axis = input("请输入切片轴向 (x/y,输入q退出): ").lower() if axis == 'q': break if axis not in ['x', 'y']: print("输入错误,请重新输入!") continue try: position = float(input("请输入切片位置: ")) except ValueError: print("请输入有效数字!") continue # 执行切片操作 tolerance = 0.1 sliced1 = slice_point_cloud(pcd1, axis, position, tolerance) sliced2 = slice_point_cloud(pcd2, axis, position, tolerance) # 分别可视化两个切片 vis1 = o3d.visualization.Visualizer() vis1.create_window(window_name="Source切片视图", width=800, height=600) vis1.add_geometry(sliced1) vis1.add_geometry(coord) vis2 = o3d.visualization.Visualizer() vis2.create_window(window_name="Target切片视图", width=800, height=600) vis2.add_geometry(sliced2) vis2.add_geometry(coord.clone()) # 保持窗口显示 vis1.run() vis2.run() # 清理资源 vis1.destroy_window() vis2.destroy_window()我需要全部的修改代码:Traceback (most recent call last): File "D:\Test\project\切片2.py", line 65, in <module> vis2.add_geometry(coord.clone()) AttributeError: 'open3d.cpu.pybind.geometry.TriangleMesh' object has no attribute 'clone'

import cv2 import numpy as np import open3d as o3d import pyrealsense2 as rs import os import time # 初始化RealSense管道 pipeline = rs.pipeline() config = rs.config() # 启用彩色流和深度流 config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30) # 彩色图像:640x480,30fps config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30) # 深度图像:640x480,30fps # 启动管道 pipeline.start(config) # 创建保存图像的文件夹 output_folder = "output_images" if not os.path.exists(output_folder): os.makedirs(output_folder) # 相机内参(需要根据相机校准结果填写) fx = 600 # 焦距 x fy = 600 # 焦距 y cx = 320 # 主点 x cy = 240 # 主点 y # 从深度图像生成点云 def depth_to_point_cloud(depth_image, fx, fy, cx, cy): height, width = depth_image.shape point_cloud = [] for v in range(height): for u in range(width): z = depth_image[v, u] / 1000.0 # 深度值(假设单位为毫米,转换为米) if z == 0: continue # 忽略无效点 x = (u - cx) * z / fx y = (v - cy) * z / fy point_cloud.append([x, y, z]) return np.array(point_cloud) # 分析点云的几何特征 def analyze_point_cloud(point_cloud): pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(point_cloud) # 平面分割(用于检测立方体、长方体等) plane_model, inliers = pcd.segment_plane(distance_threshold=0.01, ransac_n=3, num_iterations=1000) [a, b, c, d] = plane_model print(f"Plane equation: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0") # 判断是否为立方体或长方体 if len(inliers) > 0.5 * len(point_cloud): print("Detected: Cube or Cuboid") # 计算边长 inlier_cloud = pcd.select_by_index(inliers) bounds = inlier_cloud.get_axis_aligned_bounding_box() dimensions = bounds.get_extent() print(f"Dimensions (W x H x D): {dimensions[0]:.2f}m x {dimensions[1]:.2f}m x {dimensions[2]:.2f}m") else: print("Detected: Non-planar object (e.g., sphere, cylinder, cone)") try: frame_count = 0 while True: # 等待一组帧(颜色和深度) frames = pipeline.wait_for_frame

最新推荐

recommend-type

学籍管理系统C语言实训报告.doc

学籍管理系统C语言实训报告.doc
recommend-type

东北大学2021年9月《计算机基础》作业考核试题及答案参考17.docx

东北大学2021年9月《计算机基础》作业考核试题及答案参考17.docx
recommend-type

如何做好软件销售及企业管理软件销售就业机会.doc

如何做好软件销售及企业管理软件销售就业机会.doc
recommend-type

基于单片机的恒流开关电源-新.doc

基于单片机的恒流开关电源-新.doc
recommend-type

基石油长输管道SCADA系统设计与研究的开题报告.docx

基石油长输管道SCADA系统设计与研究的开题报告.docx
recommend-type

全面解析SOAP库包功能与应用

从给定的文件信息中,我们可以提取到的核心知识点主要集中在“SOAP”这一项技术上,由于提供的信息量有限,这里将尽可能详细地解释SOAP相关的知识。 首先,SOAP代表简单对象访问协议(Simple Object Access Protocol),是一种基于XML的消息传递协议。它主要用于在网络上不同应用程序之间的通信。SOAP定义了如何通过HTTP和XML格式来构造消息,并规定了消息的格式应遵循XML模式。这种消息格式使得两个不同平台或不同编程语言的应用程序之间能够进行松耦合的服务交互。 在分布式计算环境中,SOAP作为一种中间件技术,可以被看作是应用程序之间的一种远程过程调用(RPC)机制。它通常与Web服务结合使用,Web服务是使用特定标准实现的软件系统,它公开了可以通过网络(通常是互联网)访问的API。当客户端与服务端通过SOAP进行通信时,客户端可以调用服务端上特定的方法,而不需要关心该服务是如何实现的,或者是运行在什么类型的服务器上。 SOAP协议的特点主要包括: 1. **平台无关性**:SOAP基于XML,XML是一种跨平台的标准化数据格式,因此SOAP能够跨越不同的操作系统和编程语言平台进行通信。 2. **HTTP协议绑定**:虽然SOAP协议本身独立于传输协议,但是它通常与HTTP协议绑定,这使得SOAP能够利用HTTP的普及性和无需额外配置的优势。 3. **消息模型**:SOAP消息是交换信息的载体,遵循严格的结构,包含三个主要部分:信封(Envelope)、标题(Header)和正文(Body)。信封是消息的外壳,定义了消息的开始和结束;标题可以包含各种可选属性,如安全性信息;正文则是实际的消息内容。 4. **错误处理**:SOAP提供了详细的错误处理机制,可以通过错误码和错误信息来描述消息处理过程中的错误情况。 5. **安全性和事务支持**:SOAP协议可以集成各种安全性标准,如WS-Security,以确保消息传输过程中的安全性和完整性。同时,SOAP消息可以包含事务信息,以便于服务端处理事务性的业务逻辑。 在描述中提到的“所有库包”,这可能意味着包含了SOAP协议的实现、相关工具集或库等。由于信息不足,这里的“库包”具体指的是什么并不清楚,但可以理解为与SOAP相关的软件开发工具包(SDK)或框架,它们使得开发者可以更加方便地创建SOAP消息,处理SOAP请求和响应,以及实现Web服务。 至于“压缩包子文件的文件名称列表”中只有一个单词“soap”,这可能表明实际文件内容仅有一个与SOAP相关的文件,或者是一个压缩包文件的名称为“soap”。由于缺乏更详尽的文件列表,无法进一步分析其可能的内容。 综上所述,SOAP作为一种实现Web服务的技术标准,通过HTTP和XML实现系统间的通信。它支持跨平台、跨语言的服务调用,并具备强大的安全性和错误处理机制。在具体应用中,开发者可能需要用到与之相关的库包或工具集来开发和部署Web服务。
recommend-type

编程语言选择指南:为不同项目量身定制的编程语言策略

# 摘要 选择合适的编程语言对于软件项目的成功至关重要。本文首先探讨了编程语言选择的重要性,并对不同分类和特点的编程语言进行了详尽分析,重点介绍了静态与动态类型、解释型与编译型、面向对象与函数式编程语言的区别和应用场景。接着,文章根据项目需求详细讨论了如何选择适合的编程语言,包括功能需求、性能考量、开发效率和团队技能等关键因素。通过实践案例分析,本文进一步探讨了不同
recommend-type

手写vue2的插件vue-router

<think>我们正在手写一个简化版的vue-router插件,用于Vue2。主要步骤:1.定义一个类VueRouter,包含路由映射、当前路由状态等。2.实现install方法,用于Vue.use()安装插件,在install方法中:-混入beforeCreate生命周期钩子,在组件创建时初始化router。-全局注册router-view和router-link组件。3.实现路由映射:将路由配置转换为路径与组件的映射表。4.监听hashchange事件(或者使用history模式,这里以hash模式为例)来响应路由变化。5.实现router-view组件,根据当前路由渲染对应组件。6.实现
recommend-type

《软件工程:实践者的方法》第6版课件解析

根据提供的文件信息,我们可以推断出以下知识点: 1. 课程名称:“SOFTWARE ENGINEERING A practitioner's approach 6e”,表明这是关于软件工程的课程教材,第6版,针对实践者的教学方法。 2. 版本信息:由于标题中明确指出是第6版(6e),我们知道这是一系列教科书或课件的最新版本,这意味着内容已经根据最新的软件工程理论和实践进行了更新和改进。 3. 课程类型:课程是针对“practitioner”,即实践者的,这表明教材旨在教授学生如何将理论知识应用于实际工作中,注重解决实际问题和案例学习,可能包含大量的项目管理、需求分析、系统设计和测试等方面的内容。 4. 适用范围:文件描述中提到了“仅供校园内使用”,说明这个教材是专为教育机构内部学习而设计的,可能含有某些版权保护的内容,不允许未经授权的外部使用。 5. 标签:“SOFTWARE ENGINEERING A practitioner's approach 6e 软件工程”提供了关于这门课程的直接标签信息。标签不仅重复了课程名称,还强化了这是关于软件工程的知识。软件工程作为一门学科,涉及软件开发的整个生命周期,从需求收集、设计、编码、测试到维护和退役,因此课程内容可能涵盖了这些方面。 6. 文件命名:压缩包文件名“SftEng”是“SOFTWARE ENGINEERING”的缩写,表明该压缩包包含的是软件工程相关的教材或资料。 7. 关键知识点:根据标题和描述,我们可以推测课件中可能包含的知识点有: - 软件工程基础理论:包括软件工程的定义、目标、原则和软件开发生命周期的模型。 - 需求分析:学习如何获取、分析、记录和管理软件需求。 - 系统设计:涉及软件架构设计、数据库设计、界面设计等,以及如何将需求转化为设计文档。 - 实现与编码:包括编程语言的选择、代码编写规范、版本控制等。 - 测试:软件测试的原则、方法和测试用例的设计。 - 项目管理:时间管理、团队协作、风险管理、成本估算等与软件项目成功相关的管理活动。 - 质量保证:软件质量模型、质量度量和质量控制措施。 - 维护和演化:软件部署后如何进行持续维护、升级和系统退役。 - 软件工程的新兴领域:包括敏捷开发方法、DevOps、用户体验设计等现代软件开发趋势。 8. 版权和使用限制:由于是专供校园内使用的教材,课件可能包含版权声明和使用限制,要求用户在没有授权的情况下不得对外传播和用于商业用途。 综上所述,这门课程的课件是为校园内的学生和教职员工设计的,关于软件工程的全面教育材料,覆盖了理论知识和实践技巧,并且在版权方面有所限制。由于是最新版的教材,它很可能包含了最新的软件工程技术和方法论。
recommend-type

QUARTUS II 13.0全攻略:新手到专家的10个必备技能

# 摘要 本文旨在详细介绍QUARTUS II 13.0软件的使用,包括其安装、FPGA基础、项目设置、设计流程、高级功能应用