啥也不是的py人
啥也不是的py人

pybullet平面抓取算法介绍以及GGCNN网络结构（二）

目录

基于深度学习的平面抓取算法

二指机械手抓取模型

平面抓取：

平面抓取第一种模型

平面抓取第二种模型

平面抓取检测与神经网络结构

端到端

先采样后评估

平面抓取检测数据集

经典平面抓取算法

GGCNN

概述

网络结构 

数据集构建

数据集训练的评判标准

DEX-Ne t2.0

基于深度学习的平面抓取算法

二指机械手抓取模型

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第1张图片 标红字体为任务场景

 

平面抓取：

使机械抓手在x和y轴的转角设置为已知的定值（其实就是设置为初始值）

即roll和pitch为定值

那么剩下的就是获取抓取点的x,y值

以及沿着z轴方向的值

这样就是完整的抓取位姿

也是神经网络实际输出的值

平面抓取第一种模型

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第2张图片

x，y，z是获取的抓取点位姿

\phi表示沿着z轴的转角

w表示机械手张开的角度

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第3张图片

这个就是一个完整的抓取位姿图

 z可以直接输出（抓取高度）

ggcnn实际上输入深度图输出此抓取位姿图

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第4张图片

 dex-net

实际上就是固定抓取宽度w

对深度图采样很多x，y，z，\phi

然后把采样结果输入网络

 网络输出很多个采样结果的预测

选取置信度最高的作为输出结果

平面抓取第二种模型

 x，y是像素里的坐标

\theta表示旋转角

n表示张开宽度

m表示抓取位置的集合或者是夹爪尺寸

 但是第二种抓取模型有很多问题

所以现在一般先进的方法都不用了

平面抓取检测与神经网络结构

端到端

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第5张图片

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第6张图片代表对应抓取位置的成功率

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第7张图片代表对应位置的抓取宽度

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第8张图片代表对应位置的绕z轴旋转角度

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第9张图片

 其实这个跟Fast—RCNN很像

因为也是输出很多框

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第10张图片tx，ty。。。都是框的要素，坐标长宽，旋转角度

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第11张图片graspable+ungraspable=1

 因为是端到端的，所以其实只需要填入数据，贴上标签，得到结果

先采样后评估

这是Dex-net的方案

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第12张图片

 先输入rgbd图像

在图像上采样出多个抓取位姿以及与其对应的图像块

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第13张图片i，j分别是横纵坐标还有\phi角度

抓取宽度是定值

裁剪出以（i，j）为中心点，\phi为旋转角度 的图像块

把图像块和采样出来的抓取深度pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第14张图片

 作为网络输入

因为抓取深度是在cpu里运算的所以比较慢

平面抓取检测数据集

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第15张图片

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第16张图片

 在实验平台也就是白板上

用深度相机拍摄rgbd图像

然后通过rolabelimg（旋转图形框）等软件人工标注出抓取模型

但是人觉得机械臂可以抓起来但是其实不一定可以抓起来

而且由于人的主观性会漏掉抓取位置

cornell下载

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第17张图片clutter下载

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第18张图片

费时费力，效果不好 

 title：learning hand-eye coordination for robotic grasping with deep learning and large-scale data collection

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第19张图片

 

力螺旋理论及力封闭抓取的评价指标_DLUT_Hatim的博客-CSDN博客_力螺旋

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第20张图片

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第21张图片

 首先选取几十个物体

用相机构建完整的三维模型

然后人工标注每个物体的6D位姿

然后开始实验

相机捕捉到一张俯视图

再根据之前的物体建模生成很多3D姿态

再将对应方法生成到对应场景中

经典平面抓取算法

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第22张图片

GGCNN

这是一种端到端的方法来进行抓取

以深度图作为输入

输出一种像素级的抓取位姿

概述

根据抓取的任务来确定网络的设计

根据抓取位姿来对数据集进行相关的标注

方便后续训练

网络结构 

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第23张图片

 针对输入图像上的每一个像素点

以该像素点作为抓取点

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第24张图片输入是300*300

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第25张图片Q，W，\phi也是输出的300*300

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第26张图片

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第27张图片

 通过六个卷积

前三个卷积后面跟了池化来减小计算尺寸

后面三个是反卷积来增加尺寸

使得输出尺寸与输入尺寸相同

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第28张图片

Q实际上就是置信度

 sigmod输出成功概率Q（概率本来就是0-1）

0代表该像素点怎么抓都会失败

filter是一个高斯滤波

是输出更平滑

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第29张图片w是sigmod输出 乘上150

150是一个像素对应现实的长度 

但实际上现实中是有差别的

有很多瑕疵

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第30张图片

 不是通过回归的方式输出

因为如果输出

0-\pi

实际上对抓取来说0和\pi是完全一样的

但在训练中可能导致混乱

转换成三角函数值就能使0和\pi为一个值

避免了混乱

再通过简单的变换把旋转角输出成\pi/2-(-\pi/2)

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第31张图片

 还有一种方法是分类

比如说把180度分类

分成18个类

每个类别10°

然后通过神经网络分类输出是属于哪一类

再将类别输出映射成实际的角度

所以根据网络结构

我们对数据集的标注就应该是

置信度Q，抓取宽度w，抓取角度\phi

标注数据集中，置信度Q其实就是标注了就是1，没标注就是0

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第32张图片

数据集构建

作者实际上借鉴了康奈尔数据集

康纳尔数据集实际上就是矩形框标注

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第33张图片

矩形框中心的1/3的点是位于物体上的

其余区域不是物体上的

 GGCNN的作者就以1/3标注的抓取框中的点作为抓取点

然后直接把矩形框的抓取角设置为GGCNN的抓取角

然后宽度取相同的值

综上就获得了像素级抓取点

就不是离散的矩形框了

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第34张图片

 与像素点对应的抓取位置，抓取宽度，抓取角度

在数据集中对抓取宽度除以150即可

这样后面神经网络会把150乘回来

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第35张图片

 深度的输入

因为康奈尔数据集都是深度图构成的

是实际相机采集的

在训练的时候通过opencv的算法进行补全

减去均值进行归一化

归一化方法_百度百科https://baike.baidu.com/item/%E5%BD%92%E4%B8%80%E5%8C%96%E6%96%B9%E6%B3%95/10089118

数据集训练的评判标准

数据集是有一个评判标准的

这里采用的是iou的评判标准

 pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第36张图片

 因为要输出和输入深度图同尺寸预测 的抓取图

在输出图中选择置信度最高的点

再选取对应这个点的抓取宽度和抓取旋转角度来得到抓取配置

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第37张图片

真实的取自康奈尔数据集

如果预测的抓取角度和真值抓取的差值在30°以内

并且预测的抓取配置构成的矩形框与真实的差距在25%以内

认为是正确的

注意框的宽度不是网络预测输出的

而是直接用的康奈尔数据集，这也是GGCNN的瑕疵之一

 后来也是出了GGCNN2

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第38张图片

 对反卷积层进行了改进

GGCNN方法简单但效果不太好

DEX-Ne t2.0

Dex-Net是先采样后评估的方法

这个方法知名度很高

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第39张图片

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第40张图片每一条线表示一个抓取位姿

线的端点就是两个夹爪的位置

夹爪的闭合方向就是沿线的方向

Dex-Net 1.0 是生成3D物体的6D抓取位姿

Dex-Net 2.0 实际上就是基于Dex-Net 1.0生成这物体的平面抓取位姿

再通过碰撞检测筛选掉碰撞

针对筛选后的位姿

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第41张图片

标注以位姿为中心的矩形框

把矩形框中的深度图像采点出来作为样本

所以样本量很大

因为对一个物体生成了很多平面抓取位姿

获取了很多图像框

把这些图像框作为图像块

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第42张图片

还有对应的抓取深度

 同时作为网络的输入

来预测给定抓取的置信度

方法的本质就是先采样再预测

所以它的速度很慢

采样过程需要耗费很长时间

Dex-Net 算是种先采样再预测做的最后的也是最好的一种方式了

这个方法精度很高

但是速度慢

并且只限于平面抓取

注：

因为数据集是基于仿真环境的，所以为了增加真实性，加了高斯噪声

pybullet平面抓取算法介绍以及GGCNN网络结构（二）_第43张图片

方法是先对原始的深度乘上一个系数

 来模拟实际深度值的可能的一个偏差

然后再加上\epsilon的一个高斯噪声

但实际上真实的深度相机获取的图像可能受光照相机参数等影响

所以高斯噪声不能很好的模拟

注：

所以如果能把仿真图象做得很好的话也是一个非常好的方向

你可能感兴趣的:(#,pybullet,平面)

  • DPDK 技术详解：榨干网络性能的“瑞士军刀”
    你是否曾感觉，即使拥有顶级的服务器和万兆网卡，你的网络应用也总是“喂不饱”硬件，性能总差那么一口气？传统的网络处理方式，就像在高速公路上设置了太多的收费站和检查点，限制了数据包的“奔跑”速度。今天，我们要深入探讨一个能够打破这些瓶颈，让你的网络应用快到飞起的“黑科技”——DPDK(DataPlaneDevelopmentKit，数据平面开发套件)。这不仅仅是一个工具包，更是一种全新的网络处理哲学。
  • 深入了解 Kubernetes（k8s）：从概念到实践
    目录一、k8s核心概念二、k8s的优势三、k8s架构组件控制平面组件节点组件四、k8s+docker运行前后端分离项目的例子1.准备前端项目2.准备后端项目3.创建k8s部署配置文件4.部署应用到k8s集群在当今云计算和容器化技术飞速发展的时代，Kubernetes（简称k8s）已成为容器编排领域的事实标准。无论是互联网巨头、传统企业还是初创公司，都在广泛采用k8s来管理和部署容器化应用。本文将带
  • 人生不是与他人的比赛 Maggie心灵成长之旅
    请想象一下这种情形：虽然行进距离或速度各不相同，但大家都平等地走在一个平面上。所谓“追求优越性”是指自己不断朝前迈进，而不是比别人高出一等的意思。哲人：健全的自卑感不是来自与别人的比较，而是来自与“理想的自己”的比较。现在很多的教辅机构都喜欢打着“不要让孩子输在起跑线上”，这本身就是一个极具诱惑性的伪命题，也坑害了不少家庭。很多的父母经受不住蛊惑，让孩子在很小的时候便在各种兴趣班浸泡，这种高人一等
  • 数字人克隆中SyncTalk算法介绍与部署过程 优秘智能UMI 人工智能ubuntu
    SyncTalk算法介绍SyncTalk合成同步的头部说话视频，采用三平面哈希表示来保持主体身份。它可以生成同步的嘴唇动作、面部表情和稳定的头部姿势，并恢复头发细节以创建高分辨率视频。部署在Linux中部署该项目，在Ubuntu18.04、Pytorch1.12.1和CUDA11.3上测试。gitclonehttps://github.com/ZiqiaoPeng/SyncTalk.gitcdSy
  • 房地产线上推广渠道有哪些？ 八方互动传媒王公子
    需要特别更正下线上推广渠道绝对不单指网络传媒，这个说起来会有很多，我们平时所理解的线上推广渠道，除了网络传媒还有平面媒体、音像媒体、针对性媒体等等，讲起来会更多些，今天就只是针对题主所讲的线上推广媒体之网络媒体做些个人理解吧！房地产线上推广渠道之网络媒体网络媒体像大多数媒体一样分为大众媒体、渠道媒体或针对性媒体，另外随着网络的发展还有自媒体等形式，可以说网络媒体是随着科技和信息化发展成为当前最丰富
  • 线性代数（6）——向量空间 Irene_hong
    1、向量空间（VectorSpace）对于向量空间的维度：Example:=all2-dimrealvectors，如，，相当于一个x-y平面；=allvectorswith3components;=allcolumnvectorswithnrealcomponents;1.1子向量空间（Sub-spaceofVectorSpace）在乘法/加法运算下，子向量空间必须是封闭的，不能超出原向量空间；
  • Java:实现找到R2中两个向量夹角中较小的那个算法（附带源码） Katie。 Java算法完整教程java算法开发语言
    目录项目背景详细介绍项目需求详细介绍相关技术详细介绍实现思路详细介绍完整实现代码代码详细解读项目详细总结项目常见问题及解答扩展方向与性能优化1.项目背景详细介绍在计算机图形学、机器人导航、物理模拟和数据分析中，常需要计算二维平面（R2\mathbb{R}^2）中两个向量之间的夹角。夹角度量能帮助我们判断方向差异、进行路径规划、控制转向和计算投影等操作。具体场景包括：图形旋转与动画：根据两帧之间的方
  • 2、Kubernetes：架构、优势与部署方案解析 coffee Kubernetes架构优势
    Kubernetes：架构、优势与部署方案解析1.Kubernetes基础概念工作负载平面（WorkloadPlane）有时也被称为数据平面（DataPlane），但这种说法容易让人混淆，因为该平面承载的是应用程序而非数据。这里的“平面”可以理解为应用程序运行的“表面”。非生产集群可以使用单个主节点，而高可用集群则至少需要三个物理主节点来承载控制平面（ControlPlane）。工作节点的数量取决
  • Kubernetes 核心组件解析 算法小生Đ 精选实践kubernetes容器云原生
    Kubernetes（K8S）的组件组成可以分为控制平面组件（ControlPlaneComponents）和节点组件（NodeComponents），以及一些附加组件。以下是详细的组成说明：1.控制平面组件（ControlPlaneComponents）控制平面负责管理集群的状态，通常运行在主节点（MasterNode）上，包含以下核心组件：APIServer(kube-apiserver)集群
  • 4导入倾斜摄影_大疆消费级无人机快速倾斜摄影测量实践 weixin_39603823 4导入倾斜摄影
    摘要：分别用RTK两种测量模式测定像控点，用大疆消费级无人机Phantom４PRO开展倾斜摄影测量，最后进行成果检验。结果表明：RTK电台模式(不做坐标校正，精度低)、RTK－CORS网络模式测定像控点都能建立倾斜三维成果；像控点相对坐标差较小，但实测坐标差、图面坐标差较大。RTK－CORS测量像控点的航测成果平面精度为０．０３６ｍ，高程精度为０．１３５ｍ；４种明显地物实测距离偏差都在２cm内。低
  • 【数学二】一元函数微分学- 利用导数的概念、定理、几何含义求解 WEL测试 数学二学习考研数学二导数
    考试要求1、理解导数和微分的概念，理解导数与微分的关系，理解导数的几何意义，会求平面曲线的切线方程和法线方程，了解导数的物理意义，会用导数描述一些物理量,理解函数的可导性与连续性之间的关系.2、掌握导数的四则运算法则和复合函数的求导法则，掌握基本初等函数的导数公式.了解微分的四则运算法则和一阶微分形式的不变性，会求函数的微分.3、了解高阶导数的概念，会求简单函数的高阶导数.4、会求分段函数的导数，
  • 基于点云边界提取与B样条拟合的二维轮廓重建的思路与原理 迅卓科技 C++PCL点云处理实战专栏c++PCL点云
    该程序通过点云投影、凹包边界提取、逆时针排序和B样条曲线拟合四步流程，将三维点云转化为光滑的二维参数化边界曲线并可视化输出。效果图1.系统整体原理基于点云边界提取与B样条曲线拟合的系统，通过以下流程实现：点云预处理（投影+边界提取）边界点排序（逆时针）B样条曲线拟合结果可视化1.1点云预处理1.1.1点云投影功能：将三维点云投影到XY平面实现：创建z=0平面模型系数使用PProject函数执行投影
  • 平面设计悲观论 平面嘟嘟
    平面设计悲观论我觉得部分答者对国内目前的一个设计大环境太悲观了，且对平面设计这个职业充满戾气。平面设计作为涵盖设计内容最全面的一个职位，它是你做好其他分枝设计的重要基础，万变不离其宗。很多人对平面设计的一个认知还停留在比如做宣传单啊、折页啊、展架啊、名片啊等等。这些也是最常接触到的，所以这样认为也无可厚非。但是，如果你作为一名设计师或者即将成为一名设计师，也这样认为那劝你转行，因为真的没前途。有一
  • 【硬件-笔试面试题】硬件/电子工程师，笔试面试题-25，（知识点：各类电容知识大全⭐！！！去耦电容，滤波电容，耦合电容，自举电容，储能电容，谐振电容，旁路电容，定时电容） 月阳羊 硬件笔试面试硬件基础面试职场和发展嵌入式硬件笔记
    目录1、题目2、解答1.滤除高频噪声，抑制电源波动2.减少电源与地平面的阻抗，降低EMI3.为器件提供瞬态电流，减轻电源负载压力4.隔离不同电路模块，防止噪声相互干扰总结3、相关知识点一、滤波电容（FilterCapacitor）⭐⭐⭐作用：（滤除交流纹波，滤除一定频率噪声）应用场景（电源稳压电路，整流电路）二、去耦电容（DecouplingCapacitor）⭐⭐⭐作用：（滤除高频噪声，稳定电源
  • 机器学习-SVM支持向量机
    支持向量机是一类监督学习算法，实现二分类，其决策边界是对学习样本求解的最大边距超平面。课程代码：importnumpyasnpmy_seed=2017np.random.seed(my_seed)importrandomrandom.seed(my_seed)importmatplotlibimportmatplotlib.pyplotaspltmatplotlib.rcParams['font.
  • 曲面点云填充加切片 迅卓科技 C++PCL点云处理实战专栏c++开发语言PCL点云
    该点云处理系统通过平面检测、坐标系对齐、分层切片和着色可视化四步实现三维物体分析：首先使用RANSAC算法检测点云中的最大平面作为基准面；然后计算旋转矩阵将基准面对齐至XOY平面；接着沿法线方向等距移动点云生成平行切片；最后通过球形搜索提取切片点云并随机着色保存，实现物体在三维空间中的分层可视化分析。系统结合了几何变换（罗德里格斯旋转）、邻域搜索（KD树球形查询）和颜色映射等关键技术，为工业检测、
  • 带娃在家做什么可以挣钱快？带娃在家做什么可以挣钱多 柚子导师
    带娃在家做什么可以挣钱快？带娃在家做什么可以挣钱多在家带娃的同时想要赚取收入，确实是一项需要时间和精力管理的能力。下面是一些可以在家带娃同时挣钱的建议：1.网络兼职：-在线教育和辅导：如果你有教学背景或专业知识，可以在网上为学生提供辅导。-远程办公：很多企业提供远程工作机会，如文案写作、平面设计、编程、数据录入等。-在线翻译：如果你精通一门或几门外语，可以提供在线翻译服务。至于我为何用这款氧券ap
  • 扫描线学习笔记 Bree_2012 学习笔记学习笔记算法
    矩形面积并给定平面直角坐标系中nnn个四边均平行于坐标轴的矩形，求它们的面积并（即面积重叠的部分只计算一次）通常1≤n≤1e51\leqn\leq1e51≤n≤1e5暴力可以先求出每个矩形的面积求和，再枚举任意两个矩形的并，在答案中减去。枚举矩形是O(n2)O(n^2)O(n2)的，无法胜任。代码很简单，就不放了正解（为了方便起见，我们参照数组，把左上角记为(1,1)(1,1)(1,1)，第xxx
  • 【音视频学习】五、深入解析视频技术中的像素格式：颜色空间、位深度、存储布局 知无涯啊 音视频学习
    文章目录引言1.像素格式基础1.1定义1.2核心要素1.3为什么需要多种像素格式？2.RGB家族：直观但低效2.1常见RGB格式2.2局限性3.YUV家族：视频编码的基石3.1色度下采样对比4.YUV的三种存储方式4.1方式一：平面格式（PlanarYUV420P）4.2方式二：半平面格式（Semi-PlanarYUV420SP）4.3方式三：打包格式（PackedYUV）4.3三种存储方式对比5
  • 【音视频学习】四、深入解析视频技术中的YUV数据存储方式：从原理到实践
    文章目录引言1.YUV基础：为什么它比RGB更适合视频？1.1YUV与RGB的核心区别1.2YUV色度下采样简介2.YUV的三大存储方式方式一：平面格式（Planar）方式二：半平面格式（Semi-Planar）方式三：打包格式（PackedYUV）三种存储方式对比：3.如何选择合适的YUV格式？4.总结引言在数字视频的世界里，YUV是一种比RGB更高效的颜色表示方法，尤其在视频编码、传输和存储中
  • 践行|福利|7年2555个案例之2 阿程_b3cd
    昨日福利：如果你也想有个这样的字体，请往下看我是谁？我是一名设计师，也是一名互联网运营（更像产品经理）。设计上：专业技能可以，会做logo会做字，做的了吉祥物做的了表情，做的了平面也做的了3D。做的了动画写的了代码（血泪）。我来干嘛？我来给大家送福利的---就是这么任性，就是这么直接从今天开始，以后每天发文，为留言区的一名读者做个字（1-3个字以内）。这个字嘛，可以作为你们自己的品牌标识，可以作为
  • 中国飞美国最近的距离，原来不是横跨太平洋 她在丛中笑
    如果你听到有两个国家分别位于东经180度和西经180度，是不是觉得隔着好远啊。这恰好是两个不同方向嘛。但其实再稍微想想，这两个国家在地球上是竟是位于同一条经线呢。对，这两线是完全重合的。那为什么我们会有这种错觉呢，因为我们平时看到的都是平面地图，所以仍旧停留在平面思维，而地球是球形的，需要用到空间立体思维。再比如，从美国到中国，哪条航线最近呢。你肯定第一反应是当然是横跨太平洋嘛。初中时，数学老师就
  • 2022-09-19 计算机系列培训
    学习UI可以从事的工作如今优秀的UI设计师越来越多，不同的设计师掌握的技能不同从事的工作当然也不尽相同。从更加直观的角度来讲：不同层级的人年薪收入也有极大差别。只有掌握高端的技术就能享受更高水平的薪资。学习ui设计可以从事什么工作？UI设计的学习内容很丰富，能从事的工作是和你的学习程度有一定的关系，且在学完后能够做的工作也是比较广泛。1、视觉设计师：工作内容是实现平面设计、企业形象设计、卡通形象创
  • 样机素材在手，逼格马上有！ 卢小森
    样机素材是一款设计行业的场景展示素材，是将自己的设计作品应用到一个实物效果图中进行展示，让自己的设计作品看起来更加形象逼真。样机素材主要应用于UI界面展示、手机app页面、电子设备、包装设计、vi展示、服装设计、场景展示、平面设计等场景展示中。样机素材有什么作用呢？其实样机素材就像是图片的归属一样，把图片完美的结合起来。使用样机素材可以让我们的图片更有场景感，更有真实感。ppt中使用这样的素材，马
  • 三维Nb纳米SQUID：量子计算噪声克星 百态老人 量子计算
    以下基于资料对三维Nb纳米SQUID在量子计算机环境屏蔽中的应用潜力进行系统性分析，涵盖技术原理、性能优势、环境兼容性及未应用原因，并给出未来集成路径建议：一、三维Nb纳米SQUID的技术突破与噪声抑制机制超低磁通噪声的核心设计三维Nb纳米SQUID通过增厚超导环层（相比传统平面结构）降低环路电感，同时优化纳米桥结的电流-相位非线性特性，使磁通调制深度达45.9%（远高于平面结构的4-5%）。高调
  • 解析几何纲目：椭圆大题：2010年文数全国卷题20 易水樵
    椭圆：2010年文科数学全国卷题2020.（本小题满分12分）设分别是椭圆，的左、右焦点，过的直线与相交于两点，且成等差数列.（1）求;（2）若直线的斜率为，求的值.【解答问题1】因为成等差数列，所以而根据椭圆的定义可知：椭圆的长半轴【解答问题2：极坐标方法】若以为原点，则椭圆的极坐标方程为：若记点所对应的极角为,则∴.【提炼与提高】什么是椭圆？平面上到两个定点的距离等于定值的点的集合，就是椭圆。
  • 25岁从零开始学习平面设计，会不会太晚？ 93091cdf8ebb
    很多新手小白想学平面设计，但是苦于不知从何处入门、怎么样去学。究竟怎样系统学习平面设计？今天就来谈谈平面设计系统学习的方法。更多学习设计内容关注V公众号广告设计之站了解平面设计平面设计是以“视觉”作为沟通和表现的方式，通过文字、图片等媒介有机结合，借此表达视觉上的讯息。平面设计的分类有很多，如：名片设计、标志设计、字体设计、VI视觉形象设计等等。所以设计师要掌握字体排印、视觉艺术、版面、电脑软件等
  • OpenCV-光流估计
    文章目录一、光流估计介绍1.光流估计的基本概念2.光流估计的原理3.光流估计的前提4.OpenCV中的光流估计算法5.参数设置与调整二、代码实现三、注意事项OpenCV中的光流估计是计算机视觉领域中的一项重要技术，它通过分析图像序列中像素点的运动，来估计物体的运动信息。以下是对OpenCV中光流估计的详细解析：一、光流估计介绍1.光流估计的基本概念光流是空间运动物体在观测成像平面上的像素运动的“瞬
  • 【加解密与C】Rot系列(四)Rot8000 阿捏利 加解密与Cc语言Rot8000
    Rot8000简介Rot8000是一种基于Unicode字符集的旋转加密算法，类似于经典的Rot13，但扩展到了更大的字符范围（通常是Unicode的基本多语言平面，即U+0000到U+FFFF）。Rot13仅适用于26个拉丁字母，而Rot8000通过覆盖更多字符（如中文、符号等），增强了加密的灵活性和趣味性。Rot8000加密原理Rot8000的核心思想是将每个Unicode字符的码点值加上0x
  • [学习] 笛卡尔坐标系的任意移动与旋转详解 极客不孤独 学习算法信号处理
    笛卡尔坐标系的任意移动与旋转详解文章目录笛卡尔坐标系的任意移动与旋转详解**1.笛卡尔坐标系基础****2.坐标变换原理****2.1平移变换****2.2旋转变换****3.组合变换**Python仿真与动态展示**动画说明**：**关键数学原理**：1.笛卡尔坐标系基础笛卡尔坐标系用(x,y)(x,y)(x,y)表示平面内任意点的位置，原点为(0,0)(0,0)(0,0)。几何图形可视为点的集
  • PHP，安卓，UI，java，linux视频教程合集 cocos2d-x小菜 javaUIPHPandroidlinux
    ╔-----------------------------------╗┆                           
  • 各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 bozch .net.net mvc
    在.net mvc5中，在执行某一操作的时候，出现了如下错误：       各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 经查询当前的操作与错误内容无关，经过对错误信息的排查发现，事故出现在数据库迁移上。 回想过去： 在迁移之前已经对数据库进行了添加字段操作，再次进行迁移插入XXX字段的时候，就会提示如上错误。  &
  • Java 对象大小的计算 e200702084 java
                              Java对象的大小 如何计算一个对象的大小呢？    
  • Mybatis Spring 171815164 mybatis
    ApplicationContext ac = new ClassPathXmlApplicationContext("applicationContext.xml"); CustomerService userService = (CustomerService) ac.getBean("customerService"); Customer cust
  • JVM 不稳定参数 g21121 jvm
            -XX 参数被称为不稳定参数，之所以这么叫是因为此类参数的设置很容易引起JVM 性能上的差异，使JVM 存在极大的不稳定性。当然这是在非合理设置的前提下，如果此类参数设置合理讲大大提高JVM 的性能及稳定性。        可以说“不稳定参数”
  • 用户自动登录网站 永夜-极光 用户
    1.目标:实现用户登录后,再次登录就自动登录,无需用户名和密码 2.思路:将用户的信息保存为cookie            每次用户访问网站,通过filter拦截所有请求,在filter中读取所有的cookie,如果找到了保存登录信息的cookie,那么在cookie中读取登录信息,然后直接
  • centos7 安装后失去win7的引导记录 程序员是怎么炼成的 操作系统
    1.使用root身份(必须)打开 /boot/grub2/grub.cfg 2.找到 ### BEGIN /etc/grub.d/30_os-prober ###   在后面添加    menuentry "Windows 7 (loader) (on /dev/sda1)" { 
  • Oracle 10g 官方中文安装帮助文档以及Oracle官方中文教程文档下载 aijuans oracle
    Oracle 10g 官方中文安装帮助文档下载：http://download.csdn.net/tag/Oracle%E4%B8%AD%E6%96%87API%EF%BC%8COracle%E4%B8%AD%E6%96%87%E6%96%87%E6%A1%A3%EF%BC%8Coracle%E5%AD%A6%E4%B9%A0%E6%96%87%E6%A1%A3 Oracle 10g 官方中文教程
  • JavaEE开源快速开发平台G4Studio_V3.2发布了 無為子 AOPoraclemysqljavaeeG4Studio
      我非常高兴地宣布,今天我们最新的JavaEE开源快速开发平台G4Studio_V3.2版本已经正式发布。大家可以通过如下地址下载。   访问G4Studio网站 http://www.g4it.org   G4Studio_V3.2版本变更日志 功能新增 (1).新增了系统右下角滑出提示窗口功能。 (2).新增了文件资源的Zip压缩和解压缩
  • Oracle常用的单行函数应用技巧总结 百合不是茶 日期函数转换函数(核心)数字函数通用函数(核心)字符函数
    单行函数;   字符函数,数字函数,日期函数,转换函数(核心),通用函数(核心) 一:字符函数: .UPPER(字符串) 将字符串转为大写 .LOWER (字符串) 将字符串转为小写 .INITCAP(字符串) 将首字母大写 .LENGTH (字符串) 字符串的长度 .REPLACE(字符串,'A','_') 将字符串字符A转换成_
  • Mockito异常测试实例 bijian1013 java单元测试mockito
    Mockito异常测试实例： package com.bijian.study; import static org.mockito.Mockito.mock; import static org.mockito.Mockito.when; import org.junit.Assert; import org.junit.Test; import org.mockito.
  • GA与量子恒道统计 Bill_chen JavaScript浏览器百度Google防火墙
    前一阵子，统计**网址时，Google Analytics（GA） 和量子恒道统计（也称量子统计），数据有较大的偏差，仔细找相关资料研究了下，总结如下：   为何GA和量子网站统计（量子统计前身为雅虎统计）结果不同？ 首先：没有一种网站统计工具能保证百分之百的准确出现该问题可能有以下几个原因：（1）不同的统计分析系统的算法机制不同；（2）统计代码放置的位置和前后
  • 【Linux命令三】Top命令 bit1129 linux命令
    Linux的Top命令类似于Windows的任务管理器，可以查看当前系统的运行情况，包括CPU、内存的使用情况等。如下是一个Top命令的执行结果：     top - 21:22:04 up 1 day, 23:49, 1 user, load average: 1.10, 1.66, 1.99 Tasks: 202 total, 4 running, 198 sl
  • spring四种依赖注入方式 白糖_ spring
      平常的java开发中，程序员在某个类中需要依赖其它类的方法，则通常是new一个依赖类再调用类实例的方法，这种开发存在的问题是new的类实例不好统一管理，spring提出了依赖注入的思想，即依赖类不由程序员实例化，而是通过spring容器帮我们new指定实例并且将实例注入到需要该对象的类中。依赖注入的另一种说法是“控制反转”，通俗的理解是：平常我们new一个实例，这个实例的控制权是我
  • angular.injector boyitech AngularJSAngularJS API
    angular.injector   描述: 创建一个injector对象, 调用injector对象的方法可以获得angular的service, 或者用来做依赖注入.   使用方法: angular.injector(modules, [strictDi])   参数详解: Param Type Details mod
  • java-同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待 bylijinnan Integer
    public class PC { /** * 题目：生产者-消费者。 * 同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待。 */ private static final Integer[] val=new Integer[10]; private static
  • 使用Struts2.2.1配置 Chen.H apachespringWebxmlstruts
    Struts2.2.1 需要如下 jar包: commons-fileupload-1.2.1.jar commons-io-1.3.2.jar commons-logging-1.0.4.jar freemarker-2.3.16.jar javassist-3.7.ga.jar ognl-3.0.jar spring.jar struts2-core-2.2.1.jar struts2-sp
  • [职业与教育]青春之歌 comsci 教育
           每个人都有自己的青春之歌............但是我要说的却不是青春...        大家如果在自己的职业生涯没有给自己以后创业留一点点机会,仅仅凭学历和人脉关系,是难以在竞争激烈的市场中生存下去的....   &nbs
  • oracle连接(join)中使用using关键字 daizj JOINoraclesqlusing
    在oracle连接(join)中使用using关键字 34. View the Exhibit and examine the structure of the ORDERS and ORDER_ITEMS tables. Evaluate the following SQL statement: SELECT oi.order_id, product_id, order_date FRO
  • NIO示例 daysinsun nio
    NIO服务端代码： public class NIOServer { private Selector selector; public void startServer(int port) throws IOException { ServerSocketChannel serverChannel = ServerSocketChannel.open(
  • C语言学习homework1 dcj3sjt126com chomework
    0、 课堂练习做完 1、使用sizeof计算出你所知道的所有的类型占用的空间。 int x; sizeof(x);   sizeof(int);   # include <stdio.h> int main(void) { int x1; char x2; double x3; float x4; printf(&quo
  • select in order by , mysql排序 dcj3sjt126com mysql
    If i select like this: SELECT id FROM users WHERE id IN(3,4,8,1); This by default will select users in this order 1,3,4,8, I would like to select them in the same order that i put IN() values so:
  • 页面校验-新建项目 fanxiaolong 页面校验
    $(document).ready( function() { var flag = true; $('#changeform').submit(function() { var projectScValNull = true; var s =""; var parent_id = $("#parent_id").v
  • Ehcache（02）——ehcache.xml简介 234390216 ehcacheehcache.xml简介
    ehcache.xml简介          ehcache.xml文件是用来定义Ehcache的配置信息的，更准确的来说它是定义CacheManager的配置信息的。根据之前我们在《Ehcache简介》一文中对CacheManager的介绍我们知道一切Ehcache的应用都是从CacheManager开始的。在不指定配置信
  • junit 4.11中三个新功能 jackyrong java
    junit 4.11中两个新增的功能，首先是注解中可以参数化，比如 import static org.junit.Assert.assertEquals; import java.util.Arrays; import org.junit.Test; import org.junit.runner.RunWith; import org.junit.runn
  • 国外程序员爱用苹果Mac电脑的10大理由 php教程分享 windowsPHPunixMicrosoftperl
    Mac 在国外很受欢迎，尤其是在 设计/web开发/IT 人员圈子里。普通用户喜欢 Mac 可以理解，毕竟 Mac 设计美观，简单好用，没有病毒。那么为什么专业人士也对 Mac 情有独钟呢？从个人使用经验来看我想有下面几个原因： 1、Mac OS X 是基于 Unix 的 这一点太重要了，尤其是对开发人员，至少对于我来说很重要，这意味着Unix 下一堆好用的工具都可以随手捡到。如果你是个 wi
  • 位运算、异或的实际应用 wenjinglian 位运算
    一． 位操作基础，用一张表描述位操作符的应用规则并详细解释。       二． 常用位操作小技巧，有判断奇偶、交换两数、变换符号、求绝对值。       三． 位操作与空间压缩，针对筛素数进行空间压缩。    &n
  • weblogic部署项目出现的一些问题（持续补充中……） Everyday都不同 weblogic部署失败
    好吧，weblogic的问题确实……   问题一： org.springframework.beans.factory.BeanDefinitionStoreException: Failed to read candidate component class: URL [zip:E:/weblogic/user_projects/domains/base_domain/serve
  • tomcat7性能调优（01） toknowme tomcat7
        Tomcat优化： 1、最大连接数最大线程等设置 <Connector port="8082" protocol="HTTP/1.1"                useBodyEncodingForURI="t
  • PO VO DAO DTO BO TO概念与区别 xp9802 javaDAO设计模式bean领域模型
    O/R Mapping 是 Object Relational Mapping（对象关系映射）的缩写。通俗点讲，就是将对象与关系数据库绑定，用对象来表示关系数据。在O/R Mapping的世界里，有两个基本的也是重要的东东需要了解，即VO，PO。 它们的关系应该是相互独立的，一个VO可以只是PO的部分，也可以是多个PO构成，同样也可以等同于一个PO（指的是他们的属性）。这样，PO独立出来，数据持
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他