南山二毛
南山二毛

MYNTEYE小觅双目摄像头深度版+VINS测试

小觅双目深度版性能分析

今年（18年）11月9号小觅智能科技的深度版双目相机上市，于是我在12月初花了2999软妹币购买了120度视角的相机。
其中我比较感兴趣的是 双目+惯导+结构光 的多传感器融合，这样跑单目,双目，RGBD,VIO都没问题。

关于深度计算

内置了一颗“深度计算芯片”，可以在设备端完成双目深度计算，通常双目深度计算还是很耗时间的，之前的标准版需要性能很强的计算平台才能实时获得深度图。双目的最大测量距离在20米。

关于IMU

内部采用博世的MBI088高性能惯性测量单元,由一个三轴16位加速度传感器和一个三轴16位陀螺仪组成。这款IMU可在温度波动环境下提供低噪音和低漂移特性。非常适合在高振动环境下使用。这一款IMU还是比较先进的。

关于IR红外

采用红外主动光技术，在黑暗的环境中通过投射出红外结构光到物体上，然后反射回到相机感光芯片中(双目的感光芯片的可识别波段包括红外,具体波段不清楚)。第二个作用是由于我们获取深度图是通过双目计算得到的，不像kinect通过TOF技术获取深度图，单独使用双目测距技术无法获取类似白墙的深度信息，小觅采用的红外主动光技术可以在白墙上投射一些云纹，这种人为的制造纹理的方法可以让双目通过匹配计算出白墙的深度信息。

其他特点

提供了可选择的帧率，分辨率大小等，RGB全彩色，相机支持双目同步曝光和全局曝光，还有一个测距功能。最高支持帧率为80fps,识别最远距离为20m，精度为mm到cm级别。

安装好相关的SDK，进行VIO测试。

VIO测试

修改相机配置

打开 MYNT-EYE-D-SDK/wrappers/ros/src/mynteye_wrapper_d/launch路径下的 mynteye.launch 文件

里面可以修改一些默认参数。
我

你可能感兴趣的:(视觉SLAM)

  • 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）
  • 视觉slam十四讲学习笔记（六）视觉里程计 1 苦瓜汤补钙 视觉SLAM十四讲笔记机器学习ubuntu
    本文关注基于特征点方式的视觉里程计算法。将介绍什么是特征点，如何提取和匹配特征点，以及如何根据配对的特征点估计相机运动。目录前言一、特征点法1特征点2ORB特征FAST关键点BRIEF描述子3特征匹配二、实践：特征提取和匹配三、2D-2D:对极几何1对极约束2本质矩阵3单应矩阵四、实践：对极约束求解相机运动五、三角测量总结前言1.理解图像特征点的意义,并掌握在单幅图像中提取出特征点，及多幅图像中匹
  • 视觉SLAM十四讲学习笔记——第五讲 相机与图像 晒月光12138 视觉SLAM十四讲学习笔记自动驾驶计算机视觉人工智能
    这一讲主要内容就是了解摄像机的成像模型以及OpenCV的使用。1.四种坐标系坐标系基本描述世界坐标系因为摄像机和物体可以随便摆放在空间中的任何位置，所以我们必须用一个固定的坐标系来描述空间中任何物体的位置和摄像机的位置和朝向，这个基准坐标系我们称之为世界坐标系。在计算机视觉中，我们通常把世界坐标系定义为摄像机坐标系或者所观测的物体的中心。摄像机坐标系摄像机坐标系的原点是摄像机的光心，X、Y轴分别平
  • 视觉slam十四讲学习笔记（四）相机与图像 苦瓜汤补钙 视觉SLAM十四讲笔记相机机器学习
    理解理解针孔相机的模型、内参与径向畸变参数。理解一个空间点是如何投影到相机成像平面的。掌握OpenCV的图像存储与表达方式。学会基本的摄像头标定方法。目录前言一、相机模型1针孔相机模型2畸变单目相机的成像过程3双目相机模型4RGB-D相机模型二、图像计算机中图像的表示三、图像的存取与访问1安装OpenCV2存取与访问总结前言前面介绍了“机器人如何表示自身位姿”的问题，部分地解释了SLAM经典模型中
  • ORB-SLAM3运行自制数据集进行定位教程 极客范儿 ORB-SLAM━═━═━◥MR◤━═━═━IMUORB-SLAM3
    目前手上有一个特定的任务，做应急救援的视觉SLAM，目前公共数据集比较少，考虑自建数据集，从网络上爬虫火灾、地震的等手机录制的视屏，应用一些现有成熟ORB-SLAM3系统到这个数据集上看效果，然后根据效果得到一些模型改进思路。文章目录一、系统配置二、制作数据集1、脚本编写2、配置文件编写3、录制视频素材4、修改CMakeLists.txt5、编译运行一、系统配置系统版本ubuntu20.04Ope
  • 视觉SLAM十四讲学习笔记（二）三维空间刚体 苦瓜汤补钙 视觉SLAM十四讲笔记计算机视觉算法
    哔哩哔哩课程连接：视觉SLAM十四讲ch3_哔哩哔哩_bilibili目录一、旋转矩阵1点、向量、坐标系2坐标系间的欧氏变换3变换矩阵与齐次坐标二、实践：Eigen（1）运行报错记录与解决三、旋转向量和欧拉角1旋转向量2欧拉角四、四元数1四元数的定义2四元数的运算3用四元数表示旋转4四元数到旋转矩阵的转换五、实践：Eigen（2）useGeometryvisualizeGeometry总结前言问题
  • 视觉slam十四讲学习笔记（三）李群与李代数 苦瓜汤补钙 视觉SLAM十四讲笔记人工智能学习
    1.理解李群与李代数的概念，掌握SO(3),SE(3)与对应李代数的表示方式。2.理解BCH近似的意义。3.学会在李代数上的扰动模型。4.使用Sophus对李代数进行运算。目录前言一、李群李代数基础1群2李代数的引出3李代数的定义4李代数so(3)5李代数se(3)二、指数与对数映射1SO(3)上的指数映射2SE(3)上的指数映射三、李代数求导与扰动模型1BCH公式与近似形式2SO(3)李代数上的
  • 视觉SLAM十四讲学习笔记（一）初识SLAM 苦瓜汤补钙 计算机视觉人工智能
    目录前言一、传感器1传感器分类2相机二、经典视觉SLAM框架1视觉里程计2后端优化3回环检测4建图5SLAM系统三、SLAM问题的数学表述四、Ubuntu20.04配置SLAM十四讲前言SLAM:SimultaneousLocalizationandMapping同时定位与地图构建（建图）。搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环地的模型。同时储计自己的运动。视觉SLA
  • 【SLAM14讲编译依赖软件源码版本方面等问题汇总】 终问鼎 自动驾驶-SLAMc++自动驾驶buglinuxubuntu
    "逆转鹈鹕”0.视觉SLAM十四讲1.ch3-------Eigen32.ch4-------Sophus2.ch5-------JoinMap3.ch63.1---ceres3.2---g2o4.ch7--视觉里程计5.--ch8associate.py6.--ch9project以下是本人在学习SLAM中遇到的全部问题汇总（主要是依赖和软件方面的）。0.视觉SLAM十四讲1.ch3------
  • 《视觉SLAM十四讲》第九讲前段实践中g2o实践代码报错解决方法 大二哈
    在《视觉SLAM十四讲》中针对于g2o初始化部分代码是无法执行的，在高博的Git上的代码也是无法编译的，会报错：error:nomatchingfunctionforcallto‘g2o::BlockSolver>::BlockSolver(g2o::BlockSolver>::LinearSolverType*&)’定位报错的代码段如下：typedefg2o::BlockSolver>Block
  • 计算机视觉中的Homography单应矩阵应用小结 CS_Zero SLAM计算机视觉CV计算机视觉slam几何学
    计算机视觉中的Homography（单应）矩阵应用小结Homography矩阵在StructurefromMotion(SfM)或三维重建、视觉SLAM的初始化过程有着重要应用，本文总结了单应矩阵出现场景与常见问题求解。文章目录计算机视觉中的Homography（单应）矩阵应用小结单应矩阵的推导单应矩阵的求解与分解位姿问题单应矩阵的推导一般地，单应模型出现的前提条件是空间点分布在同一个平面上，例外
  • 【视觉SLAM十四讲学习笔记】第六讲——状态估计问题 趴抖 视觉SLAM十四讲学习笔记笔记SLAM
    专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲——旋转向量和欧拉角【视觉SLAM十四讲学习笔记】第三讲——四元数【视觉SLAM十四讲学习笔记】第三讲——Eigen库【视觉SLAM十四讲学习笔记】第四讲——李群与李代数基础【视觉SLAM十四讲
  • 【视觉SLAM十四讲学习笔记】第六讲——非线性最小二乘 趴抖 视觉SLAM十四讲学习笔记笔记SLAM
    专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲——旋转向量和欧拉角【视觉SLAM十四讲学习笔记】第三讲——四元数【视觉SLAM十四讲学习笔记】第三讲——Eigen库【视觉SLAM十四讲学习笔记】第四讲——李群与李代数基础【视觉SLAM十四讲
  • INDEMIND双目惯性模组运行实时ORB-SLAM3教程 极客范儿 ORB-SLAM━═━═━◥MR◤━═━═━ORB-SLAM3INDEMINDROSubuntu20.04imu
    现在实验室视觉SLAM已经不够满足，所以需要多模态融合，正巧购入高翔博士推荐的INDEMIND双目惯性模组，根据官方例程在中使用ROS接入ORB-SLAM3，这回有SDK及ORB-SLAM3安装过程中的各种常见性问题解决方法及安装细节，与官网教程略有不同，列举所有默认安装的依赖，做以记录。文章目录实验环境一、SDK安装1、SDK下载及准备安装2、安装依赖3、然后使用git下载SDK4、准备安装SD
  • 科普类（双目视觉）——快速索引 JANGHIGH 科普类无人驾驶快速索引自动驾驶
    科普类（双目视觉）——快速索引科普类——双目视觉在无人驾驶汽车中的应用（一）科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）科普类——双目视觉在自动驾驶中存在的问题、挑战以及解决方案（三）科普类——双目视觉系统在无人驾驶汽车中的安装位置（四）科普类——基线的设计对于系统的性能的直接影响（五）科普类——百度Apollo使用的双目系统的硬件型号（六）科普类——进行基线设计、系统测试和优化的立体视
  • 科普类——双目视觉SLAM在无人驾驶汽车中的作用（二） JANGHIGH 科普类无人驾驶汽车人工智能
    科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）在无人驾驶汽车中，视觉SLAM（SimultaneousLocalizationandMapping，即同时定位与地图构建）是一种关键技术，它允许车辆在未知环境中进行自我定位和地图构建。双目视觉系统在视觉SLAM中的应用起到了以下作用：精确定位：双目视觉系统通过计算两幅图像之间的视差，可以提供精确的深度信息。这些信息有助于SLAM算法更准确地估
  • 【ORB-SLAM2源码梳理1】以单目mono_tum.cc为例，构建SLAM系统（含mono_tum.cc、System.cc关键代码解析） Jay_z在造梦 ORB-SLAM2c++slamorb
    文章目录前言一、进入mono_tum.cc1.导入TUM数据集图片：LoadImages()2.构建SLAM系统：System3.系统构建结束，开启跟踪线程1）一帧帧地读取对应路径下的rgb图像：2）将图像帧传入Tracking线程，开始一系列操作（关键）：二、代码导图前言因为对于视觉SLAM而言，单目涉及初始化等步骤，相对于双目和RGBD较为复杂，故从单目学起。学习记录。一、进入mono_tum
  • 手把手带你死磕ORBSLAM3源代码(六十四) LocalMapping.cc LocalMapping Run 安城安 数据库服务器网络运维vimlinuxc语言
    目录一.前言二.代码2.1完整代码一.前言以下是对该方法功能的详细解释：mbFinished被设置为false，表示局部映射过程尚未完成。方法进入一个无限循环，这是因为在视觉SLAM中，局部映射是一个持续进行的过程，需要不断地处理新的关键帧和地图点。通过调用SetAcceptKeyFrames(false)方法，局部映射告诉追踪器（Tracker）它目前正在忙，不应该接受新的关键帧。这是为了确保局
  • 视觉SLAM十四讲|【四】误差Jacobian推导 影子鱼Alexios algorithm机器学习机器人
    视觉SLAM十四讲|【四】误差Jacobian推导预积分误差递推公式ω=12((ωbk+nkg−bkg)+(wbk+1+nk+1g−bk+1g))\omega=\frac{1}{2}((\omega_b^k+n_k^g-b_k^g)+(w_b^{k+1}+n_{k+1}^g-b_{k+1}^g))ω=21((ωbk+nkg−bkg)+(wbk+1+nk+1g−bk+1g))其中，wbkw_b^kw
  • 视觉SLAM十四讲|【六】基于特征匀速模型的重投影误差计算形式 影子鱼Alexios algorithm控制理论机器学习机器人人工智能
    视觉SLAM十四讲|【六】基于特征匀速模型的重投影误差计算形式基本推导方法无时间戳延迟时，残差计算流程：世界坐标系中的第lll个地图点变换到相机坐标系下为flw=[x,y,z]Tf_l^w=[x,y,z]^Tflw=[x,y,z]T变换到相机坐标系下为flci=RcbRwbiT(flw−pwbi)+pcbf_l^{c_i}=R_{cb}R_{wb_i}^T(f_l^w-p_{wb_i})+p_{c
  • 《SLAM十四讲》Ch7编译报错 Prejudices SLAMSLAM
    《SLAM十四讲》Ch7编译报错原因：视觉SLAM书上的程序使用的g2o版本比较旧了，使用的是c++11版本的g2o。而自己在编译g2o的时候编译的是最新版本的g2o，里面大量使用了c++14标准库的一些新特性，比如std::index_sequence等等。而书上的CMakeLists.txt默认使用的是c++11进行cmake编译，所以报错解决：CMakeLists.txt中更改如下：set(
  • openvslam------slam解读系列 xiechaoyi123 SLAM系列slamoptimization
    是什么:openvslam是日本先进工业科技研究（NationalInstituteofAdvancedIndustrialScienceandTechnology）所于2019年5月20日开源的视觉SLAM框架;github源码地址：https://github.com/xdspacelab/openvslam干什么的：先上图：通过不同类型的相机（单目，双目，RGBD，鱼眼或者全景相机）拍摄的序
  • ORB_SLAM3：IMU初始化过程梳理以及自己的理解 追风筝的人～TH ORB_SLAM3计算机视觉人工智能c++
    LocalMapping线程中IMU初始化:1、为什么要进行初始化？因为无法保证世界坐标系（单目初始化参考关键帧）的Z轴正好与重力方向平行，二者有角度，计算该角度的过程就是IMU初始化的过程。2、IMU初始化过程中不断优化尺度，在单目相机的视觉SLAM中，尺度指的是场景中真实物体的物理尺寸与它在相机图像中所对应的像素距离之间的比例关系。在视觉SLAM中，尺度是一个非常重要的概念，因为它决定了相机观
  • 第一个项目总结：双目测距（python代码转为c++代码，最终输出点云图，再转为ros点云图，再实现可视化） zerogin+ c++opencv开发语言
    目录1.双目成像原理2.双目测距python代码3.python代码转为c++代码(1)双目相机参数（2）立体校正（3）立体匹配4.opencv的点云图转为ros点云图1.双目成像原理摘自《视觉SLAM十四讲》2.双目测距python代码(46条消息)双目测距理论及其python实现_python双目测距_javastart的博客-CSDN博客具体过程为：双目标定-->立体校正（含消除畸变）-->
  • SLAM中的二进制词袋生成过程和工作原理 深蓝学院 机器学习人工智能
    长期视觉SLAM(SimultaneousLocalizationandMapping)最重要的要求之一是鲁棒的位置识别。经过一段探索期后，当长时间未观测到的区域重新观测时，标准匹配算法失效。当它们被健壮地检测到时，回环检测提供正确的数据关联以获得一致的地图。用于环路检测的相同方法可用于机器人在轨迹丢失后的重新定位，例如由于突然运动，严重闭塞或运动模糊。词袋的基本技术包括从机器人在线收集的图像中建
  • 【视觉SLAM十四讲学习笔记】第五讲——相机模型 趴抖 视觉SLAM十四讲学习笔记笔记SLAM
    专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲——旋转向量和欧拉角【视觉SLAM十四讲学习笔记】第三讲——四元数【视觉SLAM十四讲学习笔记】第三讲——Eigen库【视觉SLAM十四讲学习笔记】第四讲——李群与李代数基础【视觉SLAM十四讲
  • 2023-01-04日志 独孤西
    今天学习了惯导的一节课与视觉SLAM视觉里程计的部分知识。惯性导航方面，主要学习了加速度计和陀螺的基本实现原理，了解了不同类型的惯性传感器，区分ISA、IMU、INS，知道了平台式与捷联式的区别，对惯导的精度等级分类也有了了解，并对惯导发展历史进行了学习。视觉里程计方面，主要学习了ORB特征点法的工作原理，了解了对极几何的原理，对视觉里程计的2D-2D估计过程有了更全面的了解。视觉SLAM的数学原
  • 视觉SLAM十四讲|【五】相机与IMU时间戳同步 影子鱼Alexios 机器人机器学习
    视觉SLAM十四讲|【五】相机与IMU时间戳同步相机成像方程Z[uv1]=[fx0cx0fycy001][XYZ]=KPZ\begin{bmatrix}u\\v\\1\end{bmatrix}=\begin{bmatrix}f_x&0&c_x\\0&f_y&c_y\\0&0&1\end{bmatrix}\begin{bmatrix}X\\Y\\Z\end{bmatrix}=KPZuv1=fx000
  • 视觉SALM与激光SLAM的区别 Jiqiang_z LOAM系列阅读笔记SLAM学习笔记机器学习人工智能深度学习
    前言：这里比较一下视觉SLAM和激光SLAM的区别，仅比较其在算法层面上的一些不同，这里拿视觉SLAM算法：ORB-SLAM系列和激光SLAM算法：LOAM系列对比。一：特征提取1.ORB-SLAM（视觉SLAM）ORB-SLAM算法采用ORB特征点，ORB特征点一般提取在角点上面，每一个ORB特征点具有以下信息：位置信息：该ORB特征点所在的图像像素坐标。描述子信息：用来描述该特征点的周围信息。
  • 视觉SLAM和激光SLAM适合的应用领域以及哪个更有前景 稻壳特筑 SLAMSLAM
    目录视觉SLAM的应用领域激光SLAM的应用领域视觉SLAM优势和局限性激光SLAM优势和局限性发展趋势和前景视觉SLAM的应用领域增强现实（AR）和虚拟现实（VR）：视觉SLAM能够提供丰富的视觉信息，有助于在现实世界中叠加虚拟图像，适用于AR眼镜和VR头显。消费电子产品：在智能手机、平板电脑等设备上，视觉SLAM可以用于室内导航、三维建模和交互游戏。机器人：小型或成本敏感的机器人，如家用清洁机
  • 桌面上有多个球在同时运动，怎么实现球之间不交叉，即碰撞？ 换个号韩国红果果 html小球碰撞
    稍微想了一下，然后解决了很多bug，最后终于把它实现了。其实原理很简单。在每改变一个小球的x y坐标后，遍历整个在dom树中的其他小球，看一下它们与当前小球的距离是否小于球半径的两倍？若小于说明下一次绘制该小球（设为a）前要把他的方向变为原来相反方向（与a要碰撞的小球设为b），即假如当前小球的距离小于球半径的两倍的话，马上改变当前小球方向。那么下一次绘制也是先绘制b，再绘制a，由于a的方向已经改变
  • 《高性能HTML5》读后整理的Web性能优化内容 白糖_ html5
    读后感         先说说《高性能HTML5》这本书的读后感吧，个人觉得这本书前两章跟书的标题完全搭不上关系，或者说只能算是讲解了“高性能”这三个字，HTML5完全不见踪影。个人觉得作者应该首先把HTML5的大菜拿出来讲一讲，再去分析性能优化的内容，这样才会有吸引力。因为只是在线试读，没有机会看后面的内容，所以不胡乱评价了。  
  • [JShop]Spring MVC的RequestContextHolder使用误区 dinguangx jeeshop商城系统jshop电商系统
        在spring mvc中，为了随时都能取到当前请求的request对象，可以通过RequestContextHolder的静态方法getRequestAttributes()获取Request相关的变量，如request, response等。         在jshop中，对RequestContextHolder的
  • 算法之时间复杂度 周凡杨 java算法时间复杂度效率
          在 计算机科学 中， 算法 的时间复杂度是一个 函数 ，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的 字符串 的长度的函数。时间复杂度常用 大O符号 表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是 渐近 的，它考察当输入值大小趋近无穷时的情况。 这样用大写O()来体现算法时间复杂度的记法，
  • Java事务处理 g21121 java
    一、什么是Java事务 通常的观念认为，事务仅与数据库相关。 事务必须服从ISO/IEC所制定的ACID原则。ACID是原子性（atomicity）、一致性（consistency）、隔离性（isolation）和持久性（durability）的缩写。事务的原子性表示事务执行过程中的任何失败都将导致事务所做的任何修改失效。一致性表示当事务执行失败时，所有被该事务影响的数据都应该恢复到事务执行前的状
  • Linux awk命令详解 510888780 linux
    一.  AWK 说明   awk是一种编程语言，用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件，或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能，是linux/unix下的一个强大编程工具。它在命令行中使用，但更多是作为脚本来使用。    awk的处理文本和数据的方式：它逐行扫描文件，从第一行到
  • android permission 布衣凌宇 Permission
    <uses-permission android:name="android.permission.ACCESS_CHECKIN_PROPERTIES" ></uses-permission>允许读写访问"properties"表在checkin数据库中，改值可以修改上传 <uses-permission android:na
  • Oracle和谷歌Java Android官司将推迟 aijuans javaoracle
    北京时间 10 月 7 日，据国外媒体报道，Oracle 和谷歌之间一场等待已久的官司可能会推迟至 10 月 17 日以后进行，这场官司的内容是 Android 操作系统所谓的 Java 专利权之争。本案法官 William Alsup 称根据专利权专家 Florian Mueller 的预测，谷歌 Oracle 案很可能会被推迟。　　该案中的第二波辩护被安排在 10 月 17 日出庭，从目前看来
  • linux shell 常用命令 antlove linuxshellcommand
    grep [options] [regex] [files] /var/root # grep -n "o" * hello.c:1:/* This C source can be compiled with:
  • Java解析XML配置数据库连接(DOM技术连接 SAX技术连接) 百合不是茶 sax技术Java解析xml文档dom技术XML配置数据库连接
        XML配置数据库文件的连接其实是个很简单的问题,为什么到现在才写出来主要是昨天在网上看了别人写的,然后一直陷入其中,最后发现不能自拔 所以今天决定自己完成 ,,,,现将代码与思路贴出来供大家一起学习   XML配置数据库的连接主要技术点的博客; JDBC编程 : JDBC连接数据库 DOM解析XML:  DOM解析XML文件 SA
  • underscore.js 学习（二） bijian1013 JavaScriptunderscore
            Array Functions 所有数组函数对参数对象一样适用。1.first   _.first(array, [n])   别名: head, take       返回array的第一个元素，设置了参数n，就
  • plSql介绍 bijian1013 oracle数据库plsql
    /* * PL/SQL 程序设计学习笔记 * 学习plSql介绍.pdf * 时间：2010-10-05 */ --创建DEPT表 create table DEPT ( DEPTNO NUMBER(10), DNAME NVARCHAR2(255), LOC NVARCHAR2(255) ) delete dept; select
  • 【Nginx一】Nginx安装与总体介绍 bit1129 nginx
    启动、停止、重新加载Nginx nginx 启动Nginx服务器，不需要任何参数u nginx -s stop 快速(强制)关系Nginx服务器 nginx -s quit 优雅的关闭Nginx服务器 nginx -s reload 重新加载Nginx服务器的配置文件 nginx -s reopen 重新打开Nginx日志文件  
  • spring mvc开发中浏览器兼容的奇怪问题 bitray jqueryAjaxspringMVC浏览器上传文件
        最近个人开发一个小的OA项目,属于复习阶段.使用的技术主要是spring mvc作为前端框架,mybatis作为数据库持久化技术.前台使用jquery和一些jquery的插件.     在开发到中间阶段时候发现自己好像忽略了一个小问题,整个项目一直在firefox下测试,没有在IE下测试,不确定是否会出现兼容问题.由于jquer
  • Lua的io库函数列表 ronin47 lua io
    1、io表调用方式：使用io表，io.open将返回指定文件的描述，并且所有的操作将围绕这个文件描述 　　io表同样提供三种预定义的文件描述io.stdin,io.stdout,io.stderr 　　2、文件句柄直接调用方式,即使用file:XXX()函数方式进行操作,其中file为io.open()返回的文件句柄 　　多数I/O函数调用失败时返回nil加错误信息,有些函数成功时返回nil
  • java-26-左旋转字符串 bylijinnan java
    public class LeftRotateString { /** * Q 26 左旋转字符串 * 题目：定义字符串的左旋转操作：把字符串前面的若干个字符移动到字符串的尾部。 * 如把字符串abcdef左旋转2位得到字符串cdefab。 * 请实现字符串左旋转的函数。要求时间对长度为n的字符串操作的复杂度为O(n)，辅助内存为O(1)。 */ pu
  • 《vi中的替换艺术》-linux命令五分钟系列之十一 cfyme linux命令
    vi方面的内容不知道分类到哪里好，就放到《Linux命令五分钟系列》里吧！ 今天编程，关于栈的一个小例子，其间我需要把”S.”替换为”S->”(替换不包括双引号)。 其实这个不难，不过我觉得应该总结一下vi里的替换技术了，以备以后查阅。   1 所有替换方案都要在冒号“:”状态下书写。 2 如果想将abc替换为xyz，那么就这样 :s/abc/xyz/ 不过要特别
  • [轨道与计算]新的并行计算架构 comsci 并行计算
         我在进行流程引擎循环反馈试验的过程中，发现一个有趣的事情。。。如果我们在流程图的每个节点中嵌入一个双向循环代码段，而整个流程中又充满着很多并行路由，每个并行路由中又包含着一些并行节点，那么当整个流程图开始循环反馈过程的时候，这个流程图的运行过程是否变成一个并行计算的架构呢？      
  • 重复执行某段代码 dai_lm android
    用handler就可以了 private Handler handler = new Handler(); private Runnable runnable = new Runnable() { public void run() { update(); handler.postDelayed(this, 5000); } }; 开始计时 h
  • Java实现堆栈（list实现） datageek 数据结构——堆栈
    public interface IStack<T> { //元素出栈，并返回出栈元素 public T pop(); //元素入栈 public void push(T element); //获取栈顶元素 public T peek(); //判断栈是否为空 public boolean isEmpty
  • 四大备份MySql数据库方法及可能遇到的问题 dcj3sjt126com DBbackup
    一：通过备份王等软件进行备份前台进不去？ 用备份王等软件进行备份是大多老站长的选择，这种方法方便快捷，只要上传备份软件到空间一步步操作就可以，但是许多刚接触备份王软件的客用户来说还原后会出现一个问题：因为新老空间数据库用户名和密码不统一，网站文件打包过来后因没有修改连接文件，还原数据库是好了，可是前台会提示数据库连接错误，网站从而出现打不开的情况。 解决方法：学会修改网站配置文件，大多是由co
  • github做webhooks：[1]钩子触发是否成功测试 dcj3sjt126com githubgitwebhook
    转自: http://jingyan.baidu.com/article/5d6edee228c88899ebdeec47.html github和svn一样有钩子的功能，而且更加强大。例如我做的是最常见的push操作触发的钩子操作，则每次更新之后的钩子操作记录都会在github的控制板可以看到！ 工具/原料 github 方法/步骤
  • ">的作用" target="_blank">JSP中的作用 蕃薯耀
    JSP中<base href="<%=basePath%>">的作用 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
  • linux下SAMBA服务安装与配置 hanqunfeng linux
    局域网使用的文件共享服务。 一.安装包： rpm -qa | grep samba samba-3.6.9-151.el6.x86_64 samba-common-3.6.9-151.el6.x86_64 samba-winbind-3.6.9-151.el6.x86_64 samba-client-3.6.9-151.el6.x86_64 samba-winbind-clients
  • guava cache IXHONG cache
    缓存，在我们日常开发中是必不可少的一种解决性能问题的方法。简单的说，cache 就是为了提升系统性能而开辟的一块内存空间。 　　缓存的主要作用是暂时在内存中保存业务系统的数据处理结果，并且等待下次访问使用。在日常开发的很多场合，由于受限于硬盘IO的性能或者我们自身业务系统的数据处理和获取可能非常费时，当我们发现我们的系统这个数据请求量很大的时候，频繁的IO和频繁的逻辑处理会导致硬盘和CPU资源的
  • Query的开始--全局变量,noconflict和兼容各种js的初始化方法 kvhur JavaScriptjquerycss
    这个是整个jQuery代码的开始，里面包含了对不同环境的js进行的处理，例如普通环境，Nodejs，和requiredJs的处理方法。 还有jQuery生成$, jQuery全局变量的代码和noConflict代码详解  完整资源： http://www.gbtags.com/gb/share/5640.htm jQuery 源码：   (
  • 美国人的福利和中国人的储蓄 nannan408
       今天看了篇文章，震动很大，说的是美国的福利。    美国医院的无偿入院真的是个好措施。小小的改善，对于社会是大大的信心。小孩，税费等，政府不收反补，真的体现了人文主义。    美国这么高的社会保障会不会使人变懒？答案是否定的。正因为政府解决了后顾之忧，人们才得以倾尽精力去做一些有创造力，更造福社会的事情，这竟成了美国社会思想、人
  • N阶行列式计算(JAVA) qiuwanchi N阶行列式计算
    package gaodai; import java.util.List; /** * N阶行列式计算 * @author 邱万迟 * */ public class DeterminantCalculation { public DeterminantCalculation(List<List<Double>> determina
  • C语言算法之打渔晒网问题 qiufeihu c算法
    如果一个渔夫从2011年1月1日开始每三天打一次渔，两天晒一次网，编程实现当输入2011年1月1日以后任意一天，输出该渔夫是在打渔还是在晒网。 代码如下：   #include <stdio.h> int leap(int a) /*自定义函数leap()用来指定输入的年份是否为闰年*/ { if((a%4 == 0 && a%100 != 0
  • XML中DOCTYPE字段的解析 wyzuomumu xml
    DTD声明始终以!DOCTYPE开头,空一格后跟着文档根元素的名称,如果是内部DTD,则再空一格出现[],在中括号中是文档类型定义的内容. 而对于外部DTD,则又分为私有DTD与公共DTD,私有DTD使用SYSTEM表示,接着是外部DTD的URL. 而公共DTD则使用PUBLIC,接着是DTD公共名称,接着是DTD的URL.   私有DTD <!DOCTYPErootSYST
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他