沧海飞帆
沧海飞帆

我的ORB-SLAM2　RGBD-SLAM　turtlebot实验视频

ORB-SLAM2

src="https://v.youku.com/v_show/id_XMzg3Mjc5MTMyOA==.html?spm=a2hzp.8244740.0.0" allowfullscreen="" width="600" height="450">

RGBD-SLAM

src="https://v.youku.com/v_show/id_XMzg3Mjc4OTAyMA==.html?spm=a2h0k.11417342.soresults.dtitle" allowfullscreen="" width="600" height="450">

turtlebot2

src="https://v.youku.com/v_show/id_XMzg3Mjc5NjMwNA==.html?spm=a2hzp.8244740.0.0" allowfullscreen="" width="600" height="450">

你可能感兴趣的:(SLAM)

  • 【SLAM】SLAM技术详解：同步定位与地图构建 steamedobun 计算机视觉SLAM深度学习人工智能目标检测机器学习
    引言在机器人技术、自动驾驶、增强现实（AR）和无人机等前沿领域，SLAM（SimultaneousLocalizationandMapping）技术扮演着至关重要的角色。SLAM，即同时定位与地图构建，是一种通过传感器数据实时估计机器人或无人系统自身位置并构建环境地图的技术。本文将详细介绍SLAM技术的原理、应用场景、分类及其优缺点，并对SLAM技术的未来发展进行展望。SLAM技术概述定义与原理S
  • 自动驾驶（Automated Driving）系统组成和主要技术--以思维导图形式介绍 大连海事的亲外甥 自动驾驶人工智能机器学习
    一、自动驾驶概念介绍自动驾驶是指汽车依靠传感器、高精度地图和复杂的算法等，不需要驾驶员操作而自动完成驾驶的技术。二、自动驾驶系统组成和主要技术架构图思维导图形式绘制1、感知层传感器模块:包括摄像头、激光雷达、毫米波雷达和超声波雷达等，用于获取车辆周围环境的数据，如道路状况、其他车辆、行人和障碍物等。定位传感器模块:包括GNSS(全球导航卫星系统)、INS(惯性导航系统)和视觉SLAM等，用于确定车
  • Python软体中在AWS Lambda上部署Python应用：一站式部署指南 清水白石008 pythonPython题库pythonaws开发语言
    Python软体中在AWSLambda上部署Python应用：一站式部署指南AWSLambda是亚马逊提供的一个无服务器计算服务，允许开发者在无需管理服务器的情况下运行代码。它自动处理计算资源的配置和扩展，具有高度的可扩展性和灵活性。对于Python开发者来说，AWSLambda为我们提供了一个高效的方式来部署Python应用，尤其是对那些处理事件驱动任务、定时任务或者API服务的应用，Lambd
  • SLAM源码分析（八） wang_yq0728 1024程序员节slam
    [email protected]，ComputeH21函数，用DLT方法求解单应矩阵H。vP1：参考帧中归一化后的特征点；vP2：当前帧中归一化后的特征点；基本原理：|x'||h1h2h3||x||y'|=a|h4h5h6||y|简写:x'=aHx,a为一个尺度因子1||h7h8h9||1|使用DLT(directlineartranform)求解该模型x'=aHx--->(x
  • ORB-SLAM2源码逐行解析系列（二）：追踪线程 LDST_CSDN 计算机视觉人工智能自动驾驶
    1.Tracking类（1）Tracking类的定义///Examples/Monocular/include/Tracking.hclassTracking{public:/***@brief构造函数**@param[in]pSys系统实例*@param[in]pVoc字典指针*@param[in]pFrameDrawer帧绘制器*@param[in]pMapDrawer地图绘制器*@param
  • ORB-SLAM2源码学习：Initializer.cc⑨: Initializer::FindHomography找到最好的单应矩阵H PaLu-LvL 计算机视觉#ORB-SLAM2#初始化c++计算机视觉opencvubuntu人工智能矩阵学习
    前言该函数功能的实现依赖于之前学习的三个函数特征点的坐标归一化、计算单应矩阵H以及它的评分函数。ORB-SLAM2源码学习：Initializer.cc②:Initializer::Normalize坐标归一化-CSDN博客ORB-SLAM2源码学习：Initializer.cc③:Initializer::ComputeH21计算单应矩阵-CSDN博客ORB-SLAM2源码学习：Initiali
  • ORB-SLAM2源码学习：Initializer.cc(13): Initializer::ReconstructF用F矩阵恢复R，t及三维点 PaLu-LvL 计算机视觉#ORB-SLAM2#初始化c++计算机视觉人工智能ubuntu学习矩阵线性代数
    前言这部分函数的实现依赖于之前学习的的检查三角化结果的函数：ORB-SLAM2源码学习：Initializer.cc⑧:Initializer::CheckRT检验三角化结果-CSDN博客这里通过基础矩阵F来恢复位姿和三维点实际上是借助本质矩阵来进行的，相对于用单应矩阵H恢复位姿和三维点来说，它的解的结构较为简单其解的讨论形式也是比较简单的。1.函数声明boolInitializer::Recon
  • ORB-SLAM2源码学习：Initializer.cc(11): Initializer::ReconstructH用H矩阵恢复R, t和三维点 PaLu-LvL 计算机视觉#ORB-SLAM2#初始化c++计算机视觉ubuntu人工智能矩阵学习
    前言这个函数的实现依赖于之前学习的检验三角化结果的函数：ORB-SLAM2源码学习：Initializer.cc⑧:Initializer::CheckRT检验三角化结果-CSDN博客位姿可能有多组解，到底哪个才是真正的解呢？方法是实践出真知。根据相应的论文我们分两种情况分别恢复出不同的解，最后得到一个最好的。每种可能的解都需要重复计算一次，最终根据如下条件选择最佳的解：1.最优解成功三角化点数目
  • AWS微服务示例项目指南 缪玺彬
    AWS微服务示例项目指南aws-microservicesAWSServerlessEvent-drivenMicroserviceswithusingAWSLambda,AWSDynamoDB,AWSAPIGateway,AWSEventBridge,AWSSQS,AWSCDKstandsforCloudDevelopmentKitforIaC—InfrastructureasCodetoola
  • 点云从入门到精通技术详解100篇-基于卷积和注意力机制的3D点云特征提取 格图素书 3d
    目录知识储备点云获取技术分类一、图像衍生点云二、LiDAR三、RGB-D深度图像传感器基于3D激光slam的点云特征提取为什么要进行点云特征提取特征提取理论与代码编写点云特征提取主体类sample_and_groupfarthest_point_samplequery_ball_pointindex_points前言国内外研究现状卷积神经网络三维卷积神经网络稀疏卷积[21]基于3D点云数据的目标分
  • 学习笔记之——3DGS-SLAM系列代码解读 gwpscut 3DGaussianSplatting(3DGS)3DGS深度学习三维重建计算机视觉3d
    最近对一系列基于3DGaussianSplatting（3DGS）SLAM的工作的源码进行了测试与解读。为此写下本博客mark一下所有的源码解读以及对应的代码配置与测试记录~其中工作1~5的原理解读见博客：学习笔记之——3DGaussianSplatting及其在SLAM与自动驾驶上的应用调研_3dgaussiansplattingslam-CSDN博客文章浏览阅读5.3k次，点赞53次，收藏92
  • 【MotionCap】DROID-SLAM 1 ：介绍及安装 等风来不如迎风去 AI入门与实战人工智能SLAHMRDROID-SLAM
    DROID-SLAM：DROID-SLAM:DeepVisualSLAMforMonocularDROID-SLAM：适用于单目、立体和RGB-D相机的深度视觉SLAMStereo,andRGB-DCamerashttps://arxiv.org/abs/2108.10869DROID-SLAM:DeepVisualSLAMforMonocular,Stereo,andRGB-DCamerasfi
  • VYOS容器运行Uptime Kuma监控 GTaylor Vyosvyos容器UptimeKuma监控系统无处不容器
    添加镜像addcontainerimagelouislam/uptime-kumasudomkdir/config/kumasudochmod777/config/kuma配置setcontainernameUptimeKumadescription'Uptime-Kuma'setcontainernameUptimeKumaimage'docker.io/louislam/uptime-kuma
  • 【ORB-SLAM2：九、BA优化】 KeyPan ORB-SLAM2人工智能计算机视觉机器学习深度学习算法
    BA（BundleAdjustment）是SLAM系统中优化位姿和地图点位置的重要技术。通过最小化图结构中的重投影误差，BA在提高地图精度和轨迹优化方面发挥了核心作用。本章将围绕BA优化展开，从图优化工具简介到优化函数分类，再到具体的局部BA和Sim3优化边的解析进行详细阐述。9.1图优化和g2o简介9.1.1图优化的基本概念图优化图优化将SLAM问题建模为一个图结构：节点（Vertices）：代
  • 【ORB-SLAM2：三、 地图初始化】 KeyPan ORB-SLAM2数码相机计算机视觉人工智能机器学习深度学习算法
    地图初始化是视觉SLAM系统的关键步骤之一，它是整个系统运行的起点。初始化的主要任务是从输入图像数据中构建一个初始地图，为后续的相机位姿估计和场景重建提供基础。无论是单目、双目还是RGB-D相机，地图初始化的结果直接决定了系统的鲁棒性和精度。3.1为什么需要地图初始化3.1.1地图初始化的重要性定义初始参考坐标系地图初始化为SLAM系统提供了一个全局参考坐标系，使后续的位姿估计和地图扩展能够在一致
  • ORB-SLAM2：四、 地图点、关键帧、图结构】 KeyPan ORB-SLAM2计算机视觉人工智能机器学习深度学习算法
    地图点、关键帧和图结构是ORB-SLAM系统的核心组成部分，它们共同构建了SLAM系统的空间表示与数据组织方式。本章将详细讨论这些模块及其在系统中的作用和实现方式。4.1地图点4.1.1什么是地图点地图点（MapPoint）是SLAM系统中用来表示环境中三维特征点的抽象概念。这些点是通过相机观测和三角测量得到的，是地图构建的基础。三维位置每个地图点存储其在世界坐标系中的三维坐标P(X,Y,Z)P(
  • 【视觉SLAM:六、视觉里程计Ⅰ：特征点法】 KeyPan 视觉SLAM计算机视觉人工智能机器学习数码相机算法深度学习
    视觉里程计（VisualOdometry,VO）是通过处理图像序列，估计摄像头在时间上的相对位姿变化的技术。它是视觉SLAM的重要组成部分之一，主要通过提取图像中的信息（如特征点或直接像素强度）来实现相机运动估计。以下从特征点法、2D-2D对极几何、三角测量、3D-2D的PnP方法、3D-3D的ICP方法介绍视觉里程计的核心内容。特征点法特征点法是视觉里程计的经典方法，通过提取图像中的显著特征点，
  • 通俗易懂 serverless 架构、微服务架构和云原生架构，并简单代码 Ai君臣 架构架构云原生serverless
    文章目录1serverless架构、微服务架构和云原生架构区别1.Serverless架构示例：AWSLambda+APIGateway2.微服务架构示例：Flask微服务3.云原生架构示例：Docker和Kubernetes2Kubernetes中管理多个副本和流量两个关键组件1.Deployment2.Service负载均衡流量管理1serverless架构、微服务架构和云原生架构区别别用代码
  • 【视觉惯性SLAM：十五、ORB-SLAM3中的IMU预积分】 KeyPan 视觉惯性SLAM计算机视觉视觉检测
    15.1视觉惯性紧耦合15.1.1视觉惯性紧耦合的重要性视觉惯性紧耦合（Visual-InertialTightCoupling）在ORB-SLAM3中的作用不可替代，是实现高鲁棒性和高精度定位的核心技术。单一的视觉SLAM主要依赖于图像特征进行定位和建图，这种方法虽然能够在许多环境中获得良好的效果，但其鲁棒性容易受到动态变化、光照条件恶化以及环境特征稀缺等因素的限制。例如，昏暗场景或快速运动可能
  • VSLAM技术实现机器人在不同场景下的精准导航、避障 向阳而生|X 自主导航python计算机视觉
    链接：https://developer.orbbec.com.cn/forum_plate_module_details.html?id=998
  • 视觉SLAM学习打卡【8-1】-视觉里程计·直接法 肝帝永垂不朽 #SLAM计算机视觉opencvc++
    本节直接法与上节特征点法，为视觉里程计估计位姿的两大主流方法。而在引出直接法前，先介绍光流法（二者均对灰度值I做文章）。至此，前端VO总算结束了。学下来一个感受就是前几章的数学基础很重要，尤其是构建最小二乘的非线性优化（BA），几乎每种方法都有其一席之地。视觉SLAM学习打卡【8-1】-视觉里程计·直接法一、光流法（1）前提（实际中较难满足）（2）理论推导（3）附：超定方程求解二、直接法（1）理论
  • 从零开始搭二维激光SLAM --- 序章 李太白lx 从零开始搭二维激光SLAMSLAM
    为什么要做这个开源项目1我的SLAM接触史1.1硕士阶段从17年3月开始接触SLAM，到现在已经3年了。虽然时间很长，但并不是所有时间都在单纯的搞SLAM。17年3月，研一下学期的时候选的课题题目，基于SLAM的室内移动机器人导航技术研究。之前并没有接触过SLAM，ROS等等。就连c++都是16年研一上学期的时候学的（大一学过以后没再接触过）。从17年3月开始学ROS，开始了解SLAM，还看了概率
  • 导致格式错误的 Lambda 代理响应的原因以及如何修复它 zqhdz米时空 汇编
    当人们尝试使用AWSAPIGateway和AWSLambda构建无服务器应用程序时，经常出现的一个问题是_由于配置错误而执行失败：Lambda代理响应格式错误。_没有什么比通用错误消息更糟糕的了，它们不会告诉您解决问题所需的任何内容，对吧？AWS并不是以其错误消息设计而闻名，如果甚至可以这样称呼它的话，更不用说为您提供解决问题的方法了。那么如何修复这个Lambda错误以及是什么原因造成的呢？花椒壳
  • ROS yaml参数文件的使用 Sun Shiteng ROS
    举个例子，若在params.yaml文件中定义如下参数LidarImageFusion:points_src:"/hilbert_h/deskew/cloud_info"image_src:"/usb_cam0/image_raw"camera_info_src:"/home/hdj/fusion_slam/Color_SLAM_ws/src/hilbert_h/config/firefly_8s
  • xwiki html和css,MediaWiki vs. XWiki Ake阿科 多语言信息技术编程数据库操作系统
    140Afar,Abkhazian,Afrikaans,Amharic,Arabic,Assamese,Aymara,Azerbaijani,Bashkir,Byelorussian,Bulgarian,Bihari,Bislama,Bengali;Bangla,Tibetan,Breton,Catalan,Corsican,Czech,Welsh,Danish,German,Bhutani,Gr
  • 2021-07-07 潇洒二爷
    一辆特斯拉“花格子S型”小车，突然起火，电子技术的车门也失灵TeslaModelSPlaidbrokeintofirewithfailureofelctronicdoors一辆“花格子牌”（ModelSPlaid）特斯拉轿车，在6月29日这天，车主正在路上行驶，突然烈焰腾飞，他的代理律师说，他被短时间困在车内，因为几个电动门都打不开。事情在几天前发生于费城外，这名男子拿到这款特斯拉之后，号称是世界
  • 力扣刷题记录（一）剑指Offer（第二版） 乘凉~ 求职过程记录leetcode链表算法
    1、本栏用来记录社招找工作过程中的内容，包括基础知识学习以及面试问题的记录等，以便于后续个人回顾学习；暂时只有2023年3月份，第一次社招找工作的过程；2、个人经历：研究生期间课题是SLAM在无人机上的应用，有接触SLAM、Linux、ROS、C/C++、DJIOSDK等；3、参加工作后（2021-2023年）岗位是嵌入式软件开发，主要是服务器开发，Linux、C/C++、网络编程、docker容
  • 论文笔记—NDT-Transformer: Large-Scale 3D Point Cloud Localization using the Normal Distribution Transfor 入门打工人 笔记slam定位算法
    论文笔记—NDT-Transformer:Large-Scale3DPointCloudLocalizationusingtheNormalDistributionTransformRepresentation文章摘要~~~~~~~在GPS挑战的环境中，自动驾驶对基于3D点云的地点识别有很高的要求，并且是基于激光雷达的SLAM系统的重要组成部分（即闭环检测）。本文提出了一种名为NDT-Transf
  • 深度学习特征提取魔改版太强了！发文香饽饽！ 深度之眼 深度学习干货人工智能干货人工智能深度学习机器学习论文特征提取
    要说CV领域经久不衰的研究热点，特征提取可以占一席，毕竟SLAM、三维重建等重要应用的底层都离不开它。再加上近几年深度学习兴起，用深度学习做特征提取逐渐成了主流，比传统算法无论是性能、准确性还是效率都更胜一筹。目前比较常见的深度学习特征提取方法有基于transformer、基于CNN、基于LSTM以及基于GAN，都发展的比较成熟。但为了追求更快速、准确、鲁棒的特征点提取，研究者们开始致力于改进深度
  • 视觉SLAM十四讲学习笔记——第十讲 后端优化（2） 晒月光12138 视觉SLAM十四讲学习笔记slamubuntu
    上文提到考虑全局的后端优化计算量非常大，因此在计算增量方程时，借助H矩阵的稀疏性加速运算。但是随着时间的推移，累积的相机位姿和路标数量还是会导致计算量过大，以上一节的示例代码数据为例：16张图像，共提取到22106个特征点，这些特征点共出现了83718次。对于一个20Hz更新速度，上述的数据量甚至还不到1s的内容，因此在求解大规模定位建图问题时，一定要控制BA的规模。这里主要有两种解决思路：（1）
  • JVM StackMapTable 属性的作用及理解 lijingyao8206 jvm字节码Class文件StackMapTable
            在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率，在字节码规范中添加了Stack Map Table属性，以下简称栈图，其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
  • 回调函数调用方法 百合不是茶 java
    最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下   代码很简单:           MainDemo  :调用方法  得到方法的返回结果        
  • [时间机器]制造时间机器需要一些材料 comsci 制造
          根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质     和材料...       甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......      
  • 开口埋怨不如闭口做事 邓集海 邓集海 做人 做事 工作
    “开口埋怨，不如闭口做事。”不是名人名言，而是一个普通父亲对儿子的训导。但是，因为这句训导，这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子，叫张明正。 　　 　　张明正出身贫寒，读书时成绩差，常挨老师批评。高中毕业，张明正连普通大学的分数线都没上。高考成绩出来后，平时开口怨这怨那的张明正，不从自身找原因，而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。 　　 　　
  • jQuery插件开发全解析，类级别与对象级别开发 IT独行者 jquery开发插件　函数
    jQuery插件的开发包括两种： 一种是类级别的插件开发，即给 jQuery添加新的全局函数，相当于给 jQuery类本身添加方法。 jQuery的全局函数就是属于 jQuery命名空间的函数，另一种是对象级别的插件开发，即给 jQuery对象添加方法。下面就两种函数的开发做详细的说明。   1 、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
  • Rome解析Rss 413277409 Rome解析Rss
    import java.net.URL;  import java.util.List;    import org.junit.Test;    import com.sun.syndication.feed.synd.SyndCategory;  import com.sun.syndication.feed.synd.S
  • RSA加密解密 无量 加密解密rsa
    RSA加密解密代码 代码有待整理 package com.tongbanjie.commons.util; import java.security.Key; import java.security.KeyFactory; import java.security.KeyPair; import java.security.KeyPairGenerat
  • linux 软件安装遇到的问题 aichenglong linux遇到的问题ftp
    1 ftp配置中遇到的问题    500 OOPS: cannot change directory   出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了   修改方法:1 修改/etc/selinux/config 中SELINUX=disabled    2 source /etc
  • 面试心得 alafqq 面试
    最近面试了好几家公司。记录下； 支付宝，面试我的人胖胖的，看着人挺好的；博彦外包的职位，面试失败； 阿里金融，面试官人也挺和善，只不过我让他吐血了。。。 由于印象比较深，记录下； 1，自我介绍 2，说下八种基本类型；（算上string。楼主才答了3种，哈哈，string其实不是基本类型，是引用类型） 3，什么是包装类，包装类的优点； 4，平时看过什么书？NND，什么书都没看过。。照样
  • java的多态性探讨 百合不是茶 java
    java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况 //package 1; class A{ public void test(){ System.out.println("A"); } } class D extends A{ public void test(){ S
  • 网络编程基础篇之JavaScript-学习笔记 bijian1013 JavaScript
    1.documentWrite <html> <head> <script language="JavaScript"> document.write("这是电脑网络学校"); document.close(); </script> </h
  • 探索JUnit4扩展：深入Rule bijian1013 JUnitRule单元测试
            本文将进一步探究Rule的应用，展示如何使用Rule来替代@BeforeClass，@AfterClass，@Before和@After的功能。         在上一篇中提到，可以使用Rule替代现有的大部分Runner扩展，而且也不提倡对Runner中的withBefores()，withAfte
  • [CSS]CSS浮动十五条规则 bit1129 css
    这些浮动规则，主要是参考CSS权威指南关于浮动规则的总结，然后添加一些简单的例子以验证和理解这些规则。   1. 所有的页面元素都可以浮动 2. 一个元素浮动后，会成为块级元素，比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动，会向最近的块级父元素的左上角移动，直到浮动元素的左外边界碰到块级父元素的左内边界；如果这个块级父元素已经有浮动元素停靠了
  • 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景 bit1129 partition
    0.Kafka服务器配置 3个broker 1个topic，6个partition，副本因子是2 2个consumer，每个consumer三个线程并发读取   1. Producer package kafka.examples.multibrokers.producers; import java.util.Properties; import java.util.
  • zabbix_agentd.conf配置文件详解 ronin47 zabbix 配置文件
    Aliaskey的别名，例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1]， 或者ttlsa的用户ID。你可以使用key：vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1]，也可以使用ttlsa.userid。备注: 别名不能重复，但是可以有多个
  • java--19.用矩阵求Fibonacci数列的第N项 bylijinnan fibonacci
    参考了网上的思路，写了个Java版的： public class Fibonacci { final static int[] A={1,1,1,0}; public static void main(String[] args) { int n=7; for(int i=0;i<=n;i++){ int f=fibonac
  • Netty源码学习-LengthFieldBasedFrameDecoder bylijinnan javanetty
    先看看LengthFieldBasedFrameDecoder的官方API http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html API举例说明了LengthFieldBasedFrameDecoder的解析机制，如下： 实
  • AES加密解密 chicony 加密解密
    AES加解密算法，使用Base64做转码以及辅助加密： package com.wintv.common; import javax.crypto.Cipher; import javax.crypto.spec.IvParameterSpec; import javax.crypto.spec.SecretKeySpec; import sun.misc.BASE64Decod
  • 文件编码格式转换 ctrain 编码格式
    package com.test; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStream; import java.io.OutputStream;
  • mysql 在linux客户端插入数据中文乱码 daizj mysql中文乱码
    1、查看系统客户端，数据库，连接层的编码  查看方法： http://daizj.iteye.com/blog/2174993 进入mysql，通过如下命令查看数据库编码方式： mysql>  show variables like 'character_set_%'; +--------------------------+------
  • 好代码是廉价的代码 dcj3sjt126com 程序员读书
      长久以来我一直主张：好代码是廉价的代码。 当我跟做开发的同事说出这话时，他们的第一反应是一种惊愕，然后是将近一个星期的嘲笑，把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时，才收敛一点。 当最初的惊愕消退后，他们会用一些这样的话来反驳： “好代码不廉价，好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。” 我只
  • Android网络请求库——android-async-http dcj3sjt126com android
    在iOS开发中有大名鼎鼎的ASIHttpRequest库，用来处理网络请求操作，今天要介绍的是一个在Android上同样强大的网络请求库android-async-http，目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库，网络处理均基于Android的非UI线程，通
  • ORACLE 复习笔记之SQL语句的优化 eksliang SQL优化Oracle sql语句优化SQL语句的优化
    转载请出自出处：http://eksliang.iteye.com/blog/2097999   SQL语句的优化总结如下   sql语句的优化可以按照如下六个步骤进行： 合理使用索引 避免或者简化排序 消除对大表的扫描 避免复杂的通配符匹配 调整子查询的性能 EXISTS和IN运算符 下面我就按照上面这六个步骤分别进行总结：
  • 浅析：Android 嵌套滑动机制（NestedScrolling） gg163 android移动开发滑动机制嵌套
    谷歌在发布安卓 Lollipop版本之后，为了更好的用户体验，Google为Android的滑动机制提供了NestedScrolling特性 NestedScrolling的特性可以体现在哪里呢？<!--[if !supportLineBreakNewLine]--><!--[endif]--> 比如你使用了Toolbar，下面一个ScrollView，向上滚
  • 使用hovertree菜单作为后台导航 hvt JavaScriptjquery.nethovertreeasp.net
      hovertree是一个jquery菜单插件，官方网址：http://keleyi.com/jq/hovertree/ ，可以登录该网址体验效果。 0.1.3版本：http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm hovertree插件包含文件： http://keleyi.com/jq/hovertree/css
  • SVG 教程 （二）矩形 天梯梦 svg
    SVG <rect> SVG Shapes SVG有一些预定义的形状元素，可被开发者使用和操作： 矩形 <rect> 圆形 <circle> 椭圆 <ellipse> 线 <line> 折线 <polyline> 多边形 <polygon> 路径 <path>
  • 一个简单的队列 luyulong java数据结构队列
    public class MyQueue { private long[] arr; private int front; private int end; // 有效数据的大小 private int elements; public MyQueue() { arr = new long[10]; elements = 0; front
  • 基础数据结构和算法九：Binary Search Tree sunwinner Algorithm
      A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
  • 项目出现的一些问题和体会 Steven-Walker DAOWebservlet
         第一篇博客不知道要写点什么，就先来点近阶段的感悟吧。     这几天学了servlet和数据库等知识，就参照老方的视频写了一个简单的增删改查的，完成了最简单的一些功能，使用了三层架构。 dao层完成的是对数据库具体的功能实现，service层调用了dao层的实现方法，具体对servlet提供支持。  &
  • 高手问答：Java老A带你全面提升Java单兵作战能力！ ITeye管理员 java
    本期特邀《Java特种兵》作者：谢宇，CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答，欢迎网友积极提问，与专家一起讨论! 作者简介： 淘宝网资深Java工程师，CSDN超人气博主，人称“胖哥”。 CSDN博客地址： http://blog.csdn.net/xieyuooo 作者在进入大学前是一个不折不扣的计算机白痴，曾经被人笑话过不懂鼠标是什么，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他