- LiDAR360 5.2.2:如梦令般的体验与感悟
VXHAruanjian888
航测软件信息可视化数据分析数据挖掘arcgis
初识LiDAR360忆昔年,初识LiDAR360,心中波澜起伏,恰如陆游笔下的江南春色,绚丽多姿。那时,我怀着满腔热情,踏入了这片未知的领域。LiDAR3605.2.2,如同一位睿智的导师,引领我在点云数据的海洋中遨游。功能强大,细节精致LiDAR3605.2.2的功能之强大,令人叹为观止。它不仅支持多种点云数据格式,还能进行高效的点云处理与分析。每当我使用它进行地形建模、植被分析或是城市三维建模
- 雷达mid360 和 Fast Lio
AugustInSopton
人工智能
1.实时激光里程计+建图(SLAM)FAST‑LIO(及FAST‑LIO2)通过融合LiDAR点云与IMU数据,提供高频(可达~100 Hz)的位姿估计(实时里程计)与增量建图功能https://github.com/SylarAnh/fast_lio_mid360https://github.com/SylarAnh/fast_lio_mid360支持Mid‑360这种全向固态LiDAR,默认r
- 主流 3D 感知技术对比-iTOF、dTOF、结构光、激光雷达
moonsims
数码相机
主流3D感知技术对比-iTOF、dTOF、结构光、激光雷达四类主流3D感知技术对比表对比维度iToF相机dToF相机固态LiDAR+可见光融合结构光相机测距原理连续调制光→相位差计算激光脉冲→飞行时间测距激光扫描点云+图像纹理融合投射编码光图案+视差三角测量代表设备IntelD435i,AzureKinectSTVL53L5CX,SonyIMX611L3CAM,RoboSenseM1+RGBRea
- matlab 渐进三角网(PTD)地面滤波(基础版)
点云侠
matlab点云工具箱matlab开发语言算法c++计算机视觉
目录一、算法原理1、PTD算法2、实现流程二、代码实现三、结果展示1、原始点云2、滤波结果代码是按照算法原理的复现,效率极低,只适合学习和理解算法。一、算法原理1、PTD算法 渐进三角网地面滤波算法(ProgressiveTINDensification,PTD)是一种广泛应用于机载LiDAR点云数据处理的滤波方法,旨在从复杂场景中精确分离地面点,以生成数字高程模型(DEM)。2、实现流程 P
- 多模态融合相机L3CAM
moonsims
人工智能
多模态融合相机L3CAML3CAM是Beamagine公司推出的多模态传感器融合技术,结合了激光雷达(LiDAR)和可见光摄像头,旨在为自动驾驶、工业机器人和其他需要精确环境感知的应用场景提供高效、安全的解决方案。L3CAM技术参数L3CAM结合了LiDAR和可见光摄像头,使其能够提供三维空间感知及图像级别的环境识别能力激光雷达部分(LiDAR)探测范围:大约200米(具体范围根据不同环境和反射面
- Open3D 进阶(31)渐进三角网(PTD)地面滤波
点云侠
点云进阶线性代数算法计算机视觉python
目录一、算法原理1、PTD算法2、实现流程二、代码实现三、参数指南四、结果展示。一、算法原理1、PTD算法 渐进三角网地面滤波算法(ProgressiveTINDensification,PTD)是一种广泛应用于机载LiDAR点云数据处理的滤波方法,旨在从复杂场景中精确分离地面点,以生成数字高程模型(DEM)。2、实现流程 PTD的核心思想是迭代加密三角网,逐步逼近真实地形:实现流程主要包括以
- 点云从入门到精通技术详解100篇-点云滤波算法及单木信息提取
格图素书
人工智能
目录知识储备点云滤波算法及单木信息提取点云条件滤波单木信息提取1.点云预处理2.点云密度计算3.密度阈值筛选4.骨架提取5.骨架细化优化方向前言国内外研究现状激光雷达研究现状点云数据的滤波算法研究现状单木分割应用现状LiDAR工作原理与点云数据的组成2.1LiDAR系统的内部结构2.1.1激光测距单元2.1.2光学机械扫描单元2.1.3惯性导航系统INS2.1.4动态差分GPS2.2定位原理2.3
- 革命性的检测:京瓷推出全球首款具有完美光学对准的摄像头-激光雷达融合传感器
moonsims
人工智能
革命性的检测:京瓷推出全球首款具有完美光学对准的摄像头-激光雷达融合传感器激光雷达(LIDAR)能够即时获取远距离、高精度的3D信息,从而能够在复杂环境和高速运动中以无与伦比的精度检测障碍物。它具有卓越的空间识别能力,能够根据激光束在广阔区域内反射回来的光的时间和角度,识别物体的距离及其大小。通常,激光雷达与摄像头配合使用,可以更准确地识别物体,但不同单元数据中的视差常常导致传感器之间校准延迟。京
- 【平面波导外腔激光器专题系列】用于光纤传感的低噪声PLC外腔窄线宽激光器
见合八方-专业国产SOA供应商
平面人工智能性能优化网络信息与通信科技
摘要高性价比的1550nmDWDM平面外腔(PLANEX)激光器是干涉测量、布里渊、LIDAR和其他光传感应用的最佳选择。其线宽,散粒噪声限制为>500kHz。不存在光纤激光器典型的RIN峰值,更适合声学和地震传感干涉测量。与基于FBG的激光器(ECL和光纤激光器)相比,PLANEX腔坚固耐用且本质稳定,激光器的可靠性已通过Telcordia认证,集成模块设计用于在恶劣的环境条件和振动下运行。PL
- 无人机数据处理系统设计与难点
云卓SKYDROID
无人机高科技人工智能科普云卓科技
一、系统设计要点1.数据采集层多源传感器集成支持RGB相机、多光谱/高光谱相机、LiDAR、热成像仪、RTK/PPK定位模块等。自适应采集策略动态调整飞行高度、航速、重叠率,适应地形与任务需求。元数据绑定时间戳、GPS位置、IMU姿态角、传感器参数同步存储。2.数据传输与存储边缘端预处理实时压缩:使用H.265或JPEG2000降低传输带宽。数据分块:将大文件拆分为时空分块。混合存储架构plain
- TopNet:基于Transformer的高效点云几何压缩网络模型详解
清风AI
深度学习算法详解及代码复现计算机视觉算法深度学习人工智能计算机视觉神经网络transformer卷积神经网络python
一、研究背景与挑战随着激光雷达(LiDAR)技术的普及,点云数据在自动驾驶、三维重建等领域得到广泛应用。然而,点云数据的无序性、稀疏性给存储和传输带来巨大挑战。传统的点云几何压缩(PCGC)方法难以平衡压缩率与精度,而深度学习方法逐渐成为主流。现有方法主要分为两类:CNN-based方法:通过3D卷积提取局部特征,但受限于固定感受野,难以捕捉长距离依赖。Transformer-based方法:利用
- 深度学习多模态融合_3D目标检测多模态融合综述
MAGIC 95
深度学习多模态融合
0前言本篇文章主要想对目前处于探索阶段的3D目标检测中多模态融合的方法做一个简单的综述,主要内容为对目前几篇几篇研究工作的总结和对这个研究方面的一些思考。在前面的一些文章中,笔者已经介绍到了多模态融合的含义是将多种传感器数据融合。在3D目标检测中,目前大都是将lidar和image信息做融合。在上一篇文章中,笔者介绍到了目前主要的几种融合方法,即early-fusion,deep-fusion和l
- PyTorch深度强化学习路径规划, SAC-Auto路径规划, Soft Actor-Critic算法, SAC-pytorch,激光雷达Lidar避障,激光雷达仿真模拟,Adaptive-SAC附
Matlab大师兄
pytorch算法人工智能
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。往期回顾关注个人主页:Matlab科研工作室个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。内容介绍在日益复杂的自主系统领域,路径规划作为核心功能,其重要性不言而喻。尤其在动态且不确定的环境中,如何为移动平台(如自动驾驶车辆、无人机或机器人)生成安全、高效且最优的路径,是一
- 激光雷达 + 视觉相机:高精度位姿测量方案详解
ScilogyHunter
航天器交会对接位姿测量
激光雷达+视觉相机:高精度位姿测量方案详解引言在航天器交会对接、自动驾驶、机器人导航等领域,位姿(位置+姿态)测量的精度和鲁棒性至关重要。单一的传感器(如激光雷达或视觉相机)往往难以满足复杂场景的需求,而激光雷达(Lidar)+视觉相机的融合方案凭借各自的优势互补,成为高精度位姿测量的主流方案。本文将详细解析该方案的核心特点、实现要点及关键技术,并结合实际应用案例进行说明。1.方案特点(1)优势互
- Python搞定自动驾驶实时数据分析,这套方案你值得拥有!
Echo_Wish
Python!实战!python自动驾驶数据分析
Python搞定自动驾驶实时数据分析,这套方案你值得拥有!今天咱们聊聊如何用Python构建一个自动驾驶实时数据分析系统,这不仅是技术活儿,更是保证车辆安全与性能的中枢神经。整个系统如何设计?如何实时处理和分析多源数据?还有关键的代码示例给你,帮你理清思路,看到整个技术栈的全貌。一、为什么自动驾驶离不开实时数据分析?自动驾驶汽车配备了成百上千个传感器,比如:摄像头捕获环境图像激光雷达(LiDAR)
- 最新Lidar激光点云数据处理及可视化软件汇总
刘一哥GIS
《点云处理与建模应用》arcgis刘一哥点云pix4d点云分类
《点云数据处理与应用专栏》介绍:讲述目前最先进点云数据采集手段(三维激光扫描仪、无人机倾斜摄影测量、激光雷达Lidar等)、点云数据后处理软件(CloudCompare、Pix4D、Lidar360、PCL库、Globalmapper等)的实验操作教程,适用于在校学生、老师及三维建模从业者。严重声明:本文由CSDN博主[刘一哥GIS]原创,原文地址:https://geostorm.blog.cs
- 【平面波导外腔激光器专题系列】用于光纤传感的低噪声PLC外腔窄线宽激光器
见合八方
信息与通信网络
----翻译自MazinAlalusi等人的文章摘要高性价比的1550nmDWDM平面外腔(PLANEX)激光器是干涉测量、布里渊、LIDAR和其他光传感应用的最佳选择。其线宽,散粒噪声限制为>500kHz。不存在光纤激光器典型的RIN峰值,更适合声学和地震传感干涉测量。与基于FBG的激光器(ECL和光纤激光器)相比,PLANEX腔坚固耐用且本质稳定,激光器的可靠性已通过Telcordia认证,集
- 常用表示三维点云数据的文本格式——obj、ply、xyz...
hunjinYang
三维点云建模计算机视觉
1.xyz文件.xyz文件格式是一种常用于表示三维点云数据的简单文本格式,通常用于存储3D坐标(x,y,z)信息。它在领域如地理信息系统(GIS)、计算机图形学、3D扫描、激光雷达(LiDAR)等领域非常常见,尤其适合表示点云或散列的3D数据集。.xyz文件格式非常简单,只存储每个点的坐标信息,因此不具备颜色、法线或其他属性的描述。1.1格式结构.xyz文件通常是纯文本文件,每一行表示一个三维点的
- ADAS感知系统硬件和解决方案供应商国外厂家介绍
A阿司匹林
ADAS自动驾驶人工智能自动驾驶机器学习
随着智能驾驶技术的不断进步,自动驾驶与高级驾驶辅助系统(ADAS)已经成为现代汽车发展的关键趋势。为了实现对周围环境的精准感知,ADAS系统依赖于各类硬件传感器,包括摄像头、雷达、激光雷达(LiDAR)、超声波传感器等。此外,ADAS的核心功能还依赖于多传感器数据融合、感知算法与高效的计算平台。因此,ADAS硬件与解决方案的供应商在整个智能驾驶生态系统中扮演着重要的角色。本文将深入探讨主要ADAS
- 华为Cangjie编程技术深度解析(续篇1)
conkl
探索未来开发范式华为cangjie
华为Cangjie编程技术深度解析(续篇)第六章分布式运行时深度剖析6.1设备虚拟化引擎Cangjie设备抽象层(DAL)原理//设备能力声明式描述@DeviceProfile(id="AGV-0023",capabilities={mobility:{speed:1.5m/s,payload:50kg},sensors:[lidar,thermal]},constraints=@PowerPol
- 无人机精准降落与避障模块技术解析
云卓SKYDROID
无人机人工智能科普航电系统云卓科技避障降落模块
一、运行方式1.多模态感知融合模块通过多传感器协同工作,实时采集下方环境数据:视觉摄像头:捕捉地面特征或预设标记(如二维码、AR标签)实现厘米级定位。超声波/ToF(飞行时间)传感器**:短距离(0.1~5米)障碍物探测,抗光照干扰。激光雷达(LiDAR):高精度地形建模,适用于无标记场景。IMU(惯性测量单元):补偿无人机动态晃动,确保数据稳定性。2.避障与降落的动态切换避障模式:无人机悬停或飞
- Python在自动驾驶数据清洗中的应用
Echo_Wish
Python!实战!python自动驾驶开发语言
Python在自动驾驶数据清洗中的应用在自动驾驶领域,数据是算法的燃料。高质量的数据意味着更精准的模型,更稳定的驾驶体验。然而,原始数据通常充满噪声、缺失值、不一致格式,甚至有异常点,这些都会严重影响自动驾驶系统的可靠性。因此,数据清洗是一道绕不开的关卡。一、自动驾驶数据的特点自动驾驶涉及多种传感器数据,例如:LiDAR点云数据(三维空间信息)摄像头图像数据(视觉感知)IMU惯性传感器数据(车辆动
- ubuntu18.04上编译R3live
Herres
计算机视觉ubuntu
前言R3live是香港大学Mars实验室提出的一种实时的、激光雷达-惯性-视觉融合的SLAM系统,这篇博客主要记录本人配置R3live环境、编译、运行的过程。R3liveGithub页面:GitHub-hku-mars/r3live:ARobust,Real-time,RGB-colored,LiDAR-Inertial-Visualtightly-coupledstateEstimationan
- 跑通华科开源激光雷达-视觉-惯性SLAM:SR-LIVO
半熟芝士味
LIVOSLAMSLAMROSslamubuntu
跑通华科开源激光雷达-视觉-惯性SLAM:SR-LIVO1.介绍SR-LIVO(LiDAR-Inertial-VisualOdometryandMappingSystemwithSweepReconstruction)是基于R3Live框架设计的。我们采用扫描重建方法将重建的扫描与图像时间戳对齐。这使得LIO模块能够准确地确定所有成像时刻的状态,从而提高姿态精度和处理效率。在SR-LIVO中,ES
- 数字孪生市场格局生变:中国2025年规模214亿,工业制造领域占比超40%
常州北格数字孪生
数字孪生技术瓶颈数据治理安全漏洞区块链
一、技术深度解析:数字孪生的核心技术栈与演进1.从镜像到自治:数字孪生技术架构跃迁三维重建突破:LiDAR点云精度达±2cm,无人机测深刷新频率5Hz,支撑杭州城市大脑内涝预警模型提前6小时预测。AI算法融合:LSTM时序预测误差率<3%,强化学习使西门子工厂能源流模拟优化能耗下降18%。边缘计算赋能:特斯拉虚拟电厂响应速度达秒级,5G+边缘AI实现设备故障预警响应时间缩短。2.开发者必知:数字孪
- 基于ROS2机器人建图工具包Gmapping
研创通之逍遥峰
机器人自动驾驶人工智能
在ROS2中使用Gmapping进行2DSLAM(即时定位与地图构建)的完整指南如下:1.Gmapping简介Gmapping是经典的基于粒子滤波的2DSLAM算法,依赖:激光雷达(LiDAR)数据机器人里程计(Odometry)适用于低计算资源的场景ROS2现状:官方gmapping仅支持ROS1,但可通过ROS1Bridge或替代方案(如Cartographer)在ROS2中使用。2.ROS2
- 【自动驾驶仿真在做什么——初学者总结(陆续补充)】
路有瑶台
智能驾驶学习自动驾驶自动驾驶仿真
文章目录基础概念自动驾驶级别再稍提一下ODD是什么?车载网络架构、模块和协议CAN(面试必问)2.2.2CAN总线的组成自动驾驶仿真分类软件在环仿真硬件仿真仿真究竟难在哪?关于lidar和radar区别一些名词解释最近也是学习自动驾驶仿真相关知识,习惯去总结一下,方便自己回顾和总结,主要包括了自动驾驶框架和一些关于仿真方面的简单介绍,给想了解车企自动驾驶岗位的同学做一个初步普及,有写的不对的地方欢
- SLAM(同步定位与建图)技术的步骤解析
具身小站
人工智能技术人工智能算法SLAM定位导航后端优化回环检测点云匹配
SLAM算法框架分为传感器采集数据,前端匹配,后端非线性优化,回环检测以及建图等。对于不同的SLAM算法,对基本框架进行取舍和更改,大体结构没有任何变化,步骤展开如下:1.传感器数据采集现代SLAM系统已突破单一传感器的局限,形成多模态感知融合体系。激光雷达(LiDAR)通过905nm/1550nm波长激光束实现毫米级测距精度,视觉传感器从单目相机发展到双目立体视觉系统,IMU(惯性测量单元)能实
- 抽象工厂模式及其在自动驾驶中的应用举例(c++代码实现)
zhaoyqcsdn
设计模式c++笔记设计模式经验分享
模式定义抽象工厂模式(AbstractFactoryPattern)是一种创建型设计模式,用于封装一组具有共同主题的独立对象创建过程。该模式通过提供统一接口创建相关对象家族,而无需指定具体实现类,特别适合需要保证系统组件兼容性的自动驾驶硬件平台适配场景。自动驾驶应用场景在自动驾驶硬件集成中常见的应用场景:多传感器套件适配:兼容不同厂商的LiDAR+Camera+Radar组合硬件平台移植:适配不同
- 无人机避障与目标识别技术分析!
云卓SKYDROID
无人机人工智能科普高科技云卓科技激光避障
一、无人机避障技术1.技术实现方式传感器融合:视觉传感(RGB/双目/红外相机):基于SLAM(同步定位与地图构建)实现环境建模,但依赖光照条件。激光雷达(LiDAR):高精度点云建模,但成本高、功耗大,小型无人机难以集成。超声波雷达:短距离(5-10米)低成本避障,但易受环境噪声干扰。毫米波雷达:穿透性强(雨雾环境适用),但分辨率低于激光雷达。算法核心:路径规划:A、RRT(快速扩展随机树)等算
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/