- ORBSLAM3 运行流程 以rgbd_tum.cc函数为例进行分析
水理璇浮
ORBSLAM3数码相机
一、运行使用的是D435i相机自己录制的数据。运行命令:./Examples/RGB-D/rgbd_tum'/opt/vslam/ORB_SLAM3_detailed_comments-dense_map_new/Vocabulary/ORBvoc.txt''/opt/vslam/ORB_SLAM3_detailed_comments-dense_map_new/Examples/RGB-D/TU
- OpenVSLAM在Ubuntu16.04下编译安装
hhh0209
vslamlinux
最近开始学习VSLAM,理论知识大概了解了一下,想要学透还是需要下一番功夫的。为了领导的任务,先把OpenVSLAM装上,跑个demo看看。我平时用windows比较多,改成Linux还是得适应一下。参考资料主要有:1参考12参考23官方安装文档按着这些教程,基本能安装下来,中间也会有些小问题,记录如下:1,参考1里的依赖安装第10条我没有安装成功;2,我的OPENCV是3.4.0版本;3,安装y
- VSLAM中的特征点三角化
nice-wyh
算法
特征点三角化(Triangulation)是VSLAM中一个非常基础的问题,它是根据特征点在多个相机下的投影恢复出特征点的3D坐标。特征点在某个相机中被观测到,根据相机位姿和观测向量可以得到3D空间中的一条从相机中心出发的观测“射线”,多个相机位姿观测会产生多条观测射线,理想情况下这些观测射线相交于空间中一点,求所有观测射线的交点就是特征点在3D空间的位置,这就是三角化最朴素的思想。实际中由于噪声
- 导航与定位技术已成为移动机器人的核心技术之一
Fuweizn
移动机器人自动化生产线AGV智能搬运机器人自动化机器人工业自动化
随着移动机器人技术的不断发展和应用领域的扩大,导航与定位技术已成为移动机器人的核心技术之一。本文将介绍移动机器人导航与定位技术的发展现状、技术前沿和面临的挑战。一、导航与定位技术的发展现状移动机器人的导航与定位技术是实现自主移动的关键。目前,移动机器人的导航与定位技术主要包括基于GPS、SLAM、VSLAM等技术的方法。1、GPS导航技术:利用全球定位系统进行定位,精度高、覆盖范围广,但需要外部信
- vslam论文24:ESVIO: 基于事件相机的双目VIO(RAL 2023)
xsyaoxuexi
视觉SLAM论文阅读c++人工智能学习笔记
摘要异步输出低延迟事件流的事件相机为具有挑战性的情况下的状态估计提供了很大的机会。尽管近年来基于事件的视觉里程测量技术得到了广泛的研究,但大多数都是基于单目的,而对立体事件视觉的研究很少。在本文中,我们介绍了ESVIO,这是第一个基于事件的立体视觉惯性里程计,它利用了事件流、标准图像和惯性测量的互补优势。我们建议的pipeline包括ESIO(纯基于事件的)和ESVIO(带有图像辅助的事件),它们
- vslam论文25: 结构约束的RGB-D SLAM(ICRA 2021)
xsyaoxuexi
视觉SLAM论文阅读c++平面学习计算机视觉笔记
摘要本文提出了一种专门为结构化环境设计的RGB-DSLAM系统,旨在通过从周围提取的几何特征来提高跟踪和制图精度。除了点之外,结构化环境还提供了大量的几何特征,如线和平面,我们利用这些特征来设计SLAM系统的跟踪和映射组件。对于跟踪部分,我们基于曼哈顿世界(MW)的假设探索这些特征之间的几何关系。我们提出了一种基于点、线和面的解耦优化方法,以及在附加的姿态优化模块中使用曼哈顿关系。在建图部分,以较
- vslam论文10:PL-VINS:具有点和线特征的实时单目视觉惯性SLAM
xsyaoxuexi
视觉SLAM论文阅读笔记c++
摘要PL-VINS是基于最先进的基于点的VINS-mono,开发的一种基于点和线特征的实时、高效优化的单目VINS方法。我们观察到,目前的作品使用LSD算法提取线条特征;然而,LSD是为场景形状表示而设计的,而不是为姿态估计问题设计的,由于其高昂的计算成本,这成为了实时性能的瓶颈。在本文中,我们通过研究隐藏参数调整和长度抑制策略来改进LSD算法。改进后的LSD算法的运行速度至少是LSD的三倍。此外
- vslam论文15:DynaVINS: 一种动态环境下的视觉惯性SLAM(ICRA 2023)
xsyaoxuexi
视觉SLAM论文阅读笔记c++学习
摘要视觉惯性里程计和SLAM算法广泛应用于服务机器人、无人机和自动驾驶汽车等领域。大多数SLAM算法都是基于假设地标是静态的。然而,在现实世界中,存在着各种各样的动态物体,它们降低了姿态估计的精度。此外,临时静态对象(在观察期间是静态的,但在视线之外时移动)会触发误报循环关闭。为了克服这些问题,我们提出了一种新的视觉惯性SLAM框架,称为DynaVINS,它对动态目标和临时静态目标都具有鲁棒性。在
- vslam论文23:VIP-SLAM: 一种高效、紧耦合的RGB-D视觉惯性平面SLAM(ICRA 2022)
xsyaoxuexi
视觉SLAM论文阅读平面人工智能算法笔记c++学习
摘要本文提出了一种融合RGB、Depth、IMU和结构化平面信息的紧密耦合SLAM系统。传统的基于稀疏点的SLAM系统总是保持大量的地图点来建模环境。大量的地图点给我们带来了很高的计算复杂度,使其难以部署在移动设备上。另一方面,平面是人造环境尤其是室内环境中常见的结构形式。我们通常可以使用少量的平面来表示一个大的场景。因此,本文的主要目的是降低基于稀疏点的SLAM的高复杂性。我们构建了一个轻量级的
- vslam论文8:EPLF-VINS: Real-Time Monocular Visual-InertialSLAM With Efficient Point-Line Flow Features
xsyaoxuexi
视觉SLAM论文阅读人工智能学习自动驾驶c++
(RAL2023)摘要本文介绍了一种利用点和线特征的高效视觉惯性同步定位和映射(SLAM)方法。目前,基于点的SLAM方法在弱纹理和运动模糊等场景下表现不佳。许多研究者注意到线特征在空间中的优异特性,并尝试开发基于线的SLAM系统。然而,线条提取和描述匹配过程的计算量巨大,难以保证整个SLAM系统的实时性,而错误的线条检测和匹配限制了SLAM系统性能的提高。本文通过短线融合、线特征均匀分布、自适应
- vulkan shader变换--Apple的学习笔记
applecai
关于图形变换,之前就做过专题学习过了。再快速复习下正交矩阵及矩阵变换的python实现--Apple的学习笔记其实主要的变换包括缩放,平移,旋转,衍射。另外二维图形主要都是按坐标旋转,三维图形都是按轴旋转的。关键点需要知道坐标系。然后代码工程显示的照片是相机视角的,所以还需要了解世界坐标/物体坐标/相机坐标/图像坐标的概念及转换。之前学习vslam的时候都学习过了。所以有了这些基础,我就直奔主题将
- 手撕 视觉slam14讲 ch13 代码 总结
全日制一起混
手撕VO篇视觉slam十四讲SLAMc++计算机视觉ubuntu
运行效果(Kitti00)4倍速一、代码GitHub-tzy0228/Easy-VO-SLAM:VSLAM-CH13工程代码注释版本二、编译过程踩坑视觉SLAM十四讲第二版ch13编译及运行问题_全日制一起混的博客-CSDN博客三、代码解读手撕视觉slam14讲ch13代码(1)工程框架与代码结构-CSDN博客手撕视觉slam14讲ch13代码(2)基本类的抽象_全日制一起混的博客-CSDN博客手
- 【VSLAM】ORB-SLAM3安装部署与运行
DevFrank
c++CV计算机视觉与音视频机器人rosslam
心口如一,犹不失为光明磊落丈夫之行也。——梁启超文章目录:smirk:1.ORB-SLAM3介绍:blush:2.代码安装部署1.安装ros与opencv2.安装Pangolin作为可视化和用户界面3.安装Eigen3一个开源线性库,可进行矩阵运算4.安装ORB-SLAM3:satisfied:3.案例运行1.运行数据集2.用真实相机usb_cam运行1.ORB-SLAM3介绍ORB-SLAM3是
- VSLAM(7):后端优化---滤波器方法和BA图优化
聪明的笨小子
视觉SLAM14讲python算法
在视觉里程计完成每次的位姿估计后,可以实时地得到一个短时间内的轨迹和地图点,但是由于估计本身具有误差,这个误差会一直保持并不断累加。所以可以构建一个尺度和规模更大的优化问题,来计算一段长时间内的最有轨迹和地图。一,后端优化综述SLAM问题可以由运动方程和观测方程描述,设从t=0到t=N这个时间段内,机器人经过了到的位姿点,观测到了这么多的特征点,那么有:视觉前段往往在某一时刻会观测很多的特征点,所
- vslam论文14:Monocular Visual-Inertial Odometry with Planar Regularities(ICRA 2023)
xsyaoxuexi
视觉SLAM论文阅读c++学习笔记
摘要最先进的单目视觉惯性里程计(VIO)方法依赖于稀疏点特征,部分原因是它们的效率、鲁棒性和普遍性,而忽略了高级结构规律,如平面,这些在人造环境中很常见,可以用来进一步约束运动。一般来说,由于平面的存在空间很大,可以用相机观察平面很长一段时间,因此可以进行长期导航。所以,在本文中,我们设计了一种新颖的实时单目VIO系统,该系统在轻量级多状态约束卡尔曼滤波器(MSCKF)中由平面特征完全正则化。我们
- vslam论文21:基于点、面图的高效视觉惯性导航(ICRA 2023)
xsyaoxuexi
视觉SLAM论文阅读笔记学习c++平面
摘要相对于全局先验地图,精确和实时的全局姿态估计在许多应用中是必不可少的,例如微型飞行器和增强现实的物流。假设纯稀疏的三维点图可以提供环境的无结构表示,那么生成点平面先验图可以进一步建模环境拓扑并为精确定位提供全局约束。为了实现这一点,我们提出了一个基于滤波器的大规模视觉惯性里程计系统,称为PPM-VIO,它利用点平面图来纠正累积漂移。该系统利用语义信息检测稀疏点云的共面信息,通过几何约束、语义约
- vslam论文1:Range-Focused Fusion of Camera-IMU-UWB for Accurate and Drift-Reduced Localization(RAL2021)
xsyaoxuexi
视觉SLAM论文阅读数码相机
准确、低飘移定位的相机-IMU-UWB聚焦距离融合摘要:在这项工作中,我们提出了一种紧耦合的单目摄像机、6自由度IMU和单个未知UWB锚融合方案,以实现精确和减少漂移的定位。具体地说,该文章聚焦于将UWB传感器整合到现有的最先进的视觉惯性系统。为实现这一目标,之前的工作使用单个最近的UWB距离数据来更新滑动窗口中的机器人位置(“聚焦位置”),并展示了令人鼓舞的结果。然而,这些方法忽略了:1)UWB
- vslam论文4:Dynam-SLAM: An Accurate, Robust Stereo Visual-Inertial SLAM Method in Dynamic Environments
xsyaoxuexi
视觉SLAM论文阅读论文阅读人工智能自动驾驶c++目标检测
出版:TRO2022摘要大多数现有的基于视觉的SLAM系统及其变体仍然假设观测是绝对静态的,无法在动态环境中表现良好。在这里,我们介绍了Dynam-SLAM(Dynam),这是一种双目视觉惯性SLAM系统,能够在高动态环境中实现稳健、准确和连续的工作。我们的方法致力于将双目场景流与惯性测量单元(IMU)松耦合,用于动态特征检测,并将动态特征和静态特征与IMU测量紧耦合以进行非线性优化。首先,对测量
- vslam论文2:FEJ-VIRO: A Consistent First-Estimate Jacobian Visual-Inertial-Ranging Odometry( IROS-2022)
xsyaoxuexi
视觉SLAM论文阅读人工智能目标跟踪自动驾驶c++
FEJ-VIRO:一种一致的第一估计雅可比视觉-惯性-测距里程计一、摘要最近几年,VIO已经实现了很多显著的进步。然而,VIO方法在长期轨迹中会遭受定位飘移。在这篇文章中,我们提出FEJ-VIRO通过一致地将UWB测量值整合到VIO框架去减少VIO的定位飘移。考虑到UWB锚的原始位置通常无法获取,我们提出一种长短窗结构去初始化UWB锚的位置,和状态增广的协方差。初始化后,FEJ-VIRO同时估计U
- 德鲁周记06--VSLAM从入门到入坟
安德鲁JANKENPAN
德鲁周记SLAMslam
VSLAM入门介绍基础知识三维空间的刚体运动欧式变换四元数欧拉角李群与李代数线性拟合相机单目相机双目相机深度相机基本框架视觉里程计特征匹配ORB直接法对比后端优化EKFBA(BundleAdjustment)回环检测建图因为研究生的工程实践我选择了这个方向,这两周一直在学VSLAM,看完了高翔老师的视频和《视觉SLAM十四讲》,强烈推荐!!!入门必看,神书!!当然我第一遍自我感觉是肯定没看太懂的,
- 【VSLAM系列】三:Vins-Mono论文笔记
塞拉摩
视觉SLAM论文阅读数码相机人工智能
VINs-Mono论文1.VINS-Mono的特点:1.未知初始状态的鲁棒性初始化过程2.带imu-camera外参校准和imu校准的紧耦合,基于非线性优化的单目VIO系统3.在线重定位和四个自由度的全局姿态图优化。4.姿态图可以保存,加载,并和局部姿态图进行合并。2.传感器数据处理摄像头和imu数据融合方法:1.松耦合法,imu是独立于摄像头的模块,常使用EKF算法,imu数据此时用于状态传播,
- vSLAM中IMU预积分的作用--以惯性导航的角度分析
清风微升至
视觉SLAM数码相机
作为一个学过一点惯导的工程师,在初次接触视觉slam方向时,最感兴趣的就是IMU预积分了。但为什么要用这个预积分,在看了很多材料和书后,还是感觉模模糊糊,云里雾里。在接触了vSLAM的更多内容后,站在历史研究者的角度去分析,得到了一个更为清晰的作用分析。首先,需要明确IMU与相机这两种传感器的互补作用,这是为什么要用IMU的原因。直接贴出程博书中的内容,总结的比较全面了。总之,就是相机成像的缺点可
- Semantic Visual Simultaneous Localization andMapping: A Survey 语义视觉同步定位与映射研究综述 粗翻
尤齐
深度学习机器学习人工智能python算法
2021摘要视觉同步定位与映射(vSLAM)在计算机视觉和机器人领域取得了巨大进展,并已成功应用于自主机器人导航和AR/VR等许多领域。然而,vSLAM无法在动态和复杂的环境中实现良好的本地化。近年来,许多出版物报道,通过将语义信息与vSLAM相结合,语义vSLAM系统具有解决上述问题的能力。然而,还没有关于语义vSLAM的全面调查。为了填补这一空白,本文首先回顾了语义vSLAM的发展,明确强调了
- SLAM总览【自学备忘】
Yup_Boss
矩阵
SLAM一、VSLAM1、库1.1Sophus库1.1.1Sophus库安装1.1.2Sophus库函数一、VSLAM1、库1.1Sophus库Eigen库是一个开源的C++线性代数库,它提供了快速的有关矩阵的线性代数运算,还包括解方程等功能。但是Eigen库提供了集合模块,但没有提供李代数的支持。一个较好的李群和李代数的库是Sophus库,它很好的支持了SO(3),so(3),SE(3)和se(
- OpenVSLAM源码阅读
释怀°Believe
#视觉SLAM人工智能
⚡⚡⚡通过src下面的CMakeLists.txt开始构建项目add_subdirectory(stella_vslam)上面这句代码向CMake告知在当前项目中引入一个子目录,并在子目录中查找另一个CmakeLists.txt文件来构建项目在stella_vslam子目录中的CMakeLists.txt文件将描述如何构建stella_vslam子项目,可能包括源文件、编译选项、链接库等。主项目的
- 博客学习目录
Howe_xixi
学习
填坑专区,督促自己有系统的学习归纳。先把想学的挖个坑,一边填坑一边挖坑。怕什么真理无穷,进一步有一步的欢喜。目录【基础学科学习】【线性代数笔记】《3Blue1Brown》笔记【SLAM】【VSLAM笔记】《视觉SLAM十四讲》学习笔记Smoothly-VSLAM学习笔记【嵌入式开发】【鸿蒙开发笔记】OpenHarmony北向学习笔记【Linux系统】【编程语言学习】【C++笔记】【Python笔记
- 【VSLAM系列】四:Vins-Mono源码学习笔记
塞拉摩
视觉SLAM学习笔记opencv
VINS-Mono源码工程化技巧:滑动窗口的优化方式–>控制计算量同时实现优于滤波方法的里程计高效的去畸变操作–>实时性优于opencv且精度不会下降的去畸变不同实时性要求的处理方法–>后端实时性要求高于回环优点:套件价格、功耗、尺寸优势明显快速鲁棒的单目IMU初始化过程紧耦合的后端优化,在优化VIO位姿的同时还兼顾外参标定,零偏估计以及传感器延时估计回环检测功能,便于构建全局一致性更好的位姿和地
- 【深蓝学院】手写VIO第7章--VINS初始化和VIO系统--笔记
读书健身敲代码
笔记
0.内容1.VIO回顾整个视觉前端pipeline回顾:两帧图像,可提取特征点,特征匹配(描述子暴力匹配或者光流)已知特征点匹配关系,利用几何约束计算relativepose([R|t]),translation只有方向,没有尺度使用三角化获得3维坐标,即可完成vslam系统的初始化有了3D特征点,后续可根据特征跟踪,使用PnP求解CameraPose,无需再使用几何约束IMU的加速度要和世界系的
- 【Smoothly-VSLAM】-3 描述状态不简单:三维空间刚体运动
Howe_xixi
机器人计算机视觉
所有内容请看:博客学习目录_Howe_xixi的博客-CSDN博客https://blog.csdn.net/weixin_44362628/article/details/126020573?spm=1001.2014.3001.5502参考链接:3.描述状态不简单:三维空间刚体运动(yuque.com)参考链接0.《视觉SLAM十四讲》1.旋转的左乘与右乘2.如何通俗地解释欧拉角?之后为何要引
- VSLAM视觉里程计总结
Yangy_Jiaojiao
计算机视觉人工智能opencv
相机模型是理解视觉里程计之前的基础。视觉里程计(VIO)主要分为特征法和直接法。如果说特征点法关注的是像素的位置差,那么,直接法关注的则是像素的颜色差。特征点法通常会把图像抽象成特征点的集合,然后去缩小特征点之间的重投影误差;而直接法则通过warpfunction直接计算像素点在另一张图像上的颜色差,这样就省去了特征提取的步骤。特征点:关键点(位姿)+描述子(向量)直接法:根据像素的亮度信息估计相
- scala的option和some
矮蛋蛋
编程scala
原文地址:
http://blog.sina.com.cn/s/blog_68af3f090100qkt8.html
对于学习 Scala 的 Java™ 开发人员来说,对象是一个比较自然、简单的入口点。在 本系列 前几期文章中,我介绍了 Scala 中一些面向对象的编程方法,这些方法实际上与 Java 编程的区别不是很大。我还向您展示了 Scala 如何重新应用传统的面向对象概念,找到其缺点
- NullPointerException
Cb123456
androidBaseAdapter
java.lang.NullPointerException: Attempt to invoke virtual method 'int android.view.View.getImportantForAccessibility()' on a null object reference
出现以上异常.然后就在baidu上
- PHP使用文件和目录
天子之骄
php文件和目录读取和写入php验证文件php锁定文件
PHP使用文件和目录
1.使用include()包含文件
(1):使用include()从一个被包含文档返回一个值
(2):在控制结构中使用include()
include_once()函数需要一个包含文件的路径,此外,第一次调用它的情况和include()一样,如果在脚本执行中再次对同一个文件调用,那么这个文件不会再次包含。
在php.ini文件中设置
- SQL SELECT DISTINCT 语句
何必如此
sql
SELECT DISTINCT 语句用于返回唯一不同的值。
SQL SELECT DISTINCT 语句
在表中,一个列可能会包含多个重复值,有时您也许希望仅仅列出不同(distinct)的值。
DISTINCT 关键词用于返回唯一不同的值。
SQL SELECT DISTINCT 语法
SELECT DISTINCT column_name,column_name
F
- java冒泡排序
3213213333332132
java冒泡排序
package com.algorithm;
/**
* @Description 冒泡
* @author FuJianyong
* 2015-1-22上午09:58:39
*/
public class MaoPao {
public static void main(String[] args) {
int[] mao = {17,50,26,18,9,10
- struts2.18 +json,struts2-json-plugin-2.1.8.1.jar配置及问题!
7454103
DAOspringAjaxjsonqq
struts2.18 出来有段时间了! (貌似是 稳定版)
闲时研究下下! 貌似 sruts2 搭配 json 做 ajax 很吃香!
实践了下下! 不当之处请绕过! 呵呵
网上一大堆 struts2+json 不过大多的json 插件 都是 jsonplugin.34.jar
strut
- struts2 数据标签说明
darkranger
jspbeanstrutsservletScheme
数据标签主要用于提供各种数据访问相关的功能,包括显示一个Action里的属性,以及生成国际化输出等功能
数据标签主要包括:
action :该标签用于在JSP页面中直接调用一个Action,通过指定executeResult参数,还可将该Action的处理结果包含到本页面来。
bean :该标签用于创建一个javabean实例。如果指定了id属性,则可以将创建的javabean实例放入Sta
- 链表.简单的链表节点构建
aijuans
编程技巧
/*编程环境WIN-TC*/ #include "stdio.h" #include "conio.h"
#define NODE(name, key_word, help) \ Node name[1]={{NULL, NULL, NULL, key_word, help}}
typedef struct node { &nbs
- tomcat下jndi的三种配置方式
avords
tomcat
jndi(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。命名服务将名称和对象联系起来,使得我们可以用名称
访问对象。目录服务是一种命名服务,在这种服务里,对象不但有名称,还有属性。
tomcat配置
- 关于敏捷的一些想法
houxinyou
敏捷
从网上看到这样一句话:“敏捷开发的最重要目标就是:满足用户多变的需求,说白了就是最大程度的让客户满意。”
感觉表达的不太清楚。
感觉容易被人误解的地方主要在“用户多变的需求”上。
第一种多变,实际上就是没有从根本上了解了用户的需求。用户的需求实际是稳定的,只是比较多,也比较混乱,用户一般只能了解自己的那一小部分,所以没有用户能清楚的表达出整体需求。而由于各种条件的,用户表达自己那一部分时也有
- 富养还是穷养,决定孩子的一生
bijian1013
教育人生
是什么决定孩子未来物质能否丰盛?为什么说寒门很难出贵子,三代才能出贵族?真的是父母必须有钱,才能大概率保证孩子未来富有吗?-----作者:@李雪爱与自由
事实并非由物质决定,而是由心灵决定。一朋友富有而且修养气质很好,兄弟姐妹也都如此。她的童年时代,物质上大家都很贫乏,但妈妈总是保持生活中的美感,时不时给孩子们带回一些美好小玩意,从来不对孩子传递生活艰辛、金钱来之不易、要懂得珍惜
- oracle 日期时间格式转化
征客丶
oracle
oracle 系统时间有 SYSDATE 与 SYSTIMESTAMP;
SYSDATE:不支持毫秒,取的是系统时间;
SYSTIMESTAMP:支持毫秒,日期,时间是给时区转换的,秒和毫秒是取的系统的。
日期转字符窜:
一、不取毫秒:
TO_CHAR(SYSDATE, 'YYYY-MM-DD HH24:MI:SS')
简要说明,
YYYY 年
MM 月
- 【Scala六】分析Spark源代码总结的Scala语法四
bit1129
scala
1. apply语法
FileShuffleBlockManager中定义的类ShuffleFileGroup,定义:
private class ShuffleFileGroup(val shuffleId: Int, val fileId: Int, val files: Array[File]) {
...
def apply(bucketId
- Erlang中有意思的bug
bookjovi
erlang
代码中常有一些很搞笑的bug,如下面的一行代码被调用两次(Erlang beam)
commit f667e4a47b07b07ed035073b94d699ff5fe0ba9b
Author: Jovi Zhang <
[email protected]>
Date: Fri Dec 2 16:19:22 2011 +0100
erts:
- 移位打印10进制数转16进制-2008-08-18
ljy325
java基础
/**
* Description 移位打印10进制的16进制形式
* Creation Date 15-08-2008 9:00
* @author 卢俊宇
* @version 1.0
*
*/
public class PrintHex {
// 备选字符
static final char di
- 读《研磨设计模式》-代码笔记-组合模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.List;
abstract class Component {
public abstract void printStruct(Str
- 利用cmd命令将.class文件打包成jar
chenyu19891124
cmdjar
cmd命令打jar是如下实现:
在运行里输入cmd,利用cmd命令进入到本地的工作盘符。(如我的是D盘下的文件有此路径 D:\workspace\prpall\WEB-INF\classes)
现在是想把D:\workspace\prpall\WEB-INF\classes路径下所有的文件打包成prpall.jar。然后继续如下操作:
cd D: 回车
cd workspace/prpal
- [原创]JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
comsci
eclipse设计模式算法工作swing
JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
&nb
- SecureCRT右键粘贴的设置
daizj
secureCRT右键粘贴
一般都习惯鼠标右键自动粘贴的功能,对于SecureCRT6.7.5 ,这个功能也已经是默认配置了。
老版本的SecureCRT其实也有这个功能,只是不是默认设置,很多人不知道罢了。
菜单:
Options->Global Options ...->Terminal
右边有个Mouse的选项块。
Copy on Select
Paste on Right/Middle
- Linux 软链接和硬链接
dongwei_6688
linux
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link)。默认情况下,ln命令产生硬链接。
【硬连接】硬连接指通过索引节点来进行连接。在Linux的文件系统中,保存在磁盘分区中的文件不管是什么类型都给它分配一个编号,称为索引节点号(Inode Index)。在Linux中,多个文件名指向同一索引节点是存在的。一般这种连
- DIV底部自适应
dcj3sjt126com
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- Centos6.5使用yum安装mysql——快速上手必备
dcj3sjt126com
mysql
第1步、yum安装mysql
[root@stonex ~]# yum -y install mysql-server
安装结果:
Installed:
mysql-server.x86_64 0:5.1.73-3.el6_5 &nb
- 如何调试JDK源码
frank1234
jdk
相信各位小伙伴们跟我一样,想通过JDK源码来学习Java,比如collections包,java.util.concurrent包。
可惜的是sun提供的jdk并不能查看运行中的局部变量,需要重新编译一下rt.jar。
下面是编译jdk的具体步骤:
1.把C:\java\jdk1.6.0_26\sr
- Maximal Rectangle
hcx2013
max
Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing all ones and return its area.
public class Solution {
public int maximalRectangle(char[][] matrix)
- Spring MVC测试框架详解——服务端测试
jinnianshilongnian
spring mvc test
随着RESTful Web Service的流行,测试对外的Service是否满足期望也变的必要的。从Spring 3.2开始Spring了Spring Web测试框架,如果版本低于3.2,请使用spring-test-mvc项目(合并到spring3.2中了)。
Spring MVC测试框架提供了对服务器端和客户端(基于RestTemplate的客户端)提供了支持。
&nbs
- Linux64位操作系统(CentOS6.6)上如何编译hadoop2.4.0
liyong0802
hadoop
一、准备编译软件
1.在官网下载jdk1.7、maven3.2.1、ant1.9.4,解压设置好环境变量就可以用。
环境变量设置如下:
(1)执行vim /etc/profile
(2)在文件尾部加入:
export JAVA_HOME=/home/spark/jdk1.7
export MAVEN_HOME=/ho
- StatusBar 字体白色
pangyulei
status
[[UIApplication sharedApplication] setStatusBarStyle:UIStatusBarStyleLightContent];
/*you'll also need to set UIViewControllerBasedStatusBarAppearance to NO in the plist file if you use this method
- 如何分析Java虚拟机死锁
sesame
javathreadoracle虚拟机jdbc
英文资料:
Thread Dump and Concurrency Locks
Thread dumps are very useful for diagnosing synchronization related problems such as deadlocks on object monitors. Ctrl-\ on Solaris/Linux or Ctrl-B
- 位运算简介及实用技巧(一):基础篇
tw_wangzhengquan
位运算
http://www.matrix67.com/blog/archives/263
去年年底写的关于位运算的日志是这个Blog里少数大受欢迎的文章之一,很多人都希望我能不断完善那篇文章。后来我看到了不少其它的资料,学习到了更多关于位运算的知识,有了重新整理位运算技巧的想法。从今天起我就开始写这一系列位运算讲解文章,与其说是原来那篇文章的follow-up,不如说是一个r
- jsearch的索引文件结构
yangshangchuan
搜索引擎jsearch全文检索信息检索word分词
jsearch是一个高性能的全文检索工具包,基于倒排索引,基于java8,类似于lucene,但更轻量级。
jsearch的索引文件结构定义如下:
1、一个词的索引由=分割的三部分组成: 第一部分是词 第二部分是这个词在多少