当前位置: 首页 > news >正文

ORB-SLAM2 ----- LocalMapping::SearchInNeighbors()

文章目录

  • 一、函数意义
  • 二、函数讲解
  • 三、函数代码
  • 四、本函数使用的匹配方法ORBmatcher::Fuse()
    • 1. 函数讲解
    • 2. 函数代码
  • 四、总结

一、函数意义

本函数是用于地图点融合的函数,前面的函数生成了新的地图点,但这些地图点可能在前面的关键帧中已经生成过了,这时候就需要判断是否重复生成,如果重复生成就只保留最观测观测次数最多的那一个关键帧的地图点(地图点融合)。

二、函数讲解

想要融合地图点们就要找出那些关键帧,与当前关键帧有共视关系。本函数使用的方法是,找出与当前关键帧公式关系最好的10个关键帧(单目为20个)作为一级共视关键帧,然后找出一级共视关键帧共视关系最好的5个关键帧作为二级共视关键帧。接下来的融合将从一级和二级共视关键帧进行。本函数为了保证融合的完全性和正确性,采用了正反两次融合,第一次将当前关键帧的点投影到共视关键帧中,寻求匹配和融合。第二次将共视关键帧中的地图点投影到当前关键帧中,寻求匹配和融合。这两次特征匹配使用的方法都是,半径搜索法,相对于词袋匹配的方法,此方法是精匹配。

三、函数代码

// 检查并融合当前关键帧与相邻帧(两级相邻)重复的地图点
void LocalMapping::SearchInNeighbors()
{// Retrieve neighbor keyframes// 单目情况要20个邻接关键帧,双目或者RGBD则要10个int nn = 10;if(mbMonocular)nn=20;// 获取与该关键帧连接的前N个最强共视关键帧(已按权值排序)const vector<KeyFrame*> vpNeighKFs = mpCurrentKeyFrame->GetBestCovisibilityKeyFrames(nn);// 存储一级相邻关键帧及其二级相邻关键帧vector<KeyFrame*> vpTargetKFs;// 遍历这些共视的关键帧for(vector<KeyFrame*>::const_iterator vit=vpNeighKFs.begin(), vend=vpNeighKFs.end(); vit!=vend; vit++){// 获取关键帧的指针KeyFrame* pKFi = *vit;// 排除坏点和已经融合的点if(pKFi->isBad() || pKFi->mnFuseTargetForKF == mpCurrentKeyFrame->mnId)continue;// 获取一级相邻关键帧vpTargetKFs.push_back(pKFi);// 获取索引pKFi->mnFuseTargetForKF = mpCurrentKeyFrame->mnId;// Extend to some second neighbors// 以一级相邻关键帧的共视关系最好的5个相邻关键帧 作为二级相邻关键帧const vector<KeyFrame*> vpSecondNeighKFs = pKFi->GetBestCovisibilityKeyFrames(5);// 同样的操作,获取二级相邻关键帧for(vector<KeyFrame*>::const_iterator vit2=vpSecondNeighKFs.begin(), vend2=vpSecondNeighKFs.end(); vit2!=vend2; vit2++){KeyFrame* pKFi2 = *vit2;if(pKFi2->isBad() || pKFi2->mnFuseTargetForKF==mpCurrentKeyFrame->mnId || pKFi2->mnId==mpCurrentKeyFrame->mnId)continue;vpTargetKFs.push_back(pKFi2);}}// Search matches by projection from current KF in target KFs// 将当前帧的地图点分别投影到两级相邻关键帧,寻找匹配点对应的地图点进行融合,称为正向投影融合// 初始化特征匹配器ORBmatcher matcher;// 获取当前帧匹配的地图点vector<MapPoint*> vpMapPointMatches = mpCurrentKeyFrame->GetMapPointMatches();// 遍历一级和二级的相邻关键帧,融合地图点for(vector<KeyFrame*>::iterator vit=vpTargetKFs.begin(), vend=vpTargetKFs.end(); vit!=vend; vit++){// 获取关键帧的指针KeyFrame* pKFi = *vit;// 将地图点投影到关键帧中进行匹配和融合;融合策略如下// 1.如果地图点能匹配关键帧的特征点,并且该点有对应的地图点,那么选择观测数目多的替换两个地图点// 2.如果地图点能匹配关键帧的特征点,并且该点没有对应的地图点,那么为该点添加该投影地图点// 注意这个时候对地图点融合的操作是立即生效的 matcher.Fuse(pKFi,vpMapPointMatches);}// Search matches by projection from target KFs in current KF// 反向匹配vector<MapPoint*> vpFuseCandidates;vpFuseCandidates.reserve(vpTargetKFs.size()*vpMapPointMatches.size());// 遍历一级和二级的相邻关键帧,// 查找当前关键帧中的候选地图点,查看它们是否与相邻关键帧中已存在的地图点匹配。// 如果匹配,则将它们加入到待融合的候选列表 vpFuseCandidates 中for(vector<KeyFrame*>::iterator vitKF=vpTargetKFs.begin(), vendKF=vpTargetKFs.end(); vitKF!=vendKF; vitKF++){// 获取指针KeyFrame* pKFi = *vitKF;// 获取匹配的地图点vector<MapPoint*> vpMapPointsKFi = pKFi->GetMapPointMatches();// 遍历这些地图点for(vector<MapPoint*>::iterator vitMP=vpMapPointsKFi.begin(), vendMP=vpMapPointsKFi.end(); vitMP!=vendMP; vitMP++){   // 获取指针MapPoint* pMP = *vitMP;// 排除不合格的点if(!pMP)continue;if(pMP->isBad() || pMP->mnFuseCandidateForKF == mpCurrentKeyFrame->mnId)continue;// 获取索引pMP->mnFuseCandidateForKF = mpCurrentKeyFrame->mnId;// 将它们加入到待融合的候选列表 vpFuseCandidates 中vpFuseCandidates.push_back(pMP);}}// 进一步融合matcher.Fuse(mpCurrentKeyFrame,vpFuseCandidates);// Update points// 获取本关键帧的地图点vpMapPointMatches = mpCurrentKeyFrame->GetMapPointMatches();// 遍历这些地图点for(size_t i=0, iend=vpMapPointMatches.size(); i<iend; i++){MapPoint* pMP=vpMapPointMatches[i];if(pMP){if(!pMP->isBad()){// 计算该地图点最具代表性的描述子pMP->ComputeDistinctiveDescriptors();// 获取其深度和法向量pMP->UpdateNormalAndDepth();}}}// Update connections in covisibility graph// 更新连接关系mpCurrentKeyFrame->UpdateConnections();
}

四、本函数使用的匹配方法ORBmatcher::Fuse()

1. 函数讲解

ORBmatcher::Fuse()函数是这个函数中调用的特征匹配的方法,本函数是一个有返回值的函数,返回值为匹配融合成功的地图点的个数。注意到函数中有两层for循环,这两个函数构成了函数的主题,第一层是遍历候选的地图点(这些地图点来源于主函数筛选出来的,准备融合的地图点),第二层是将地图点投影到别的帧,获取那个帧以该投影点为中心,以r为半径的圆内的点,找出这些点中最匹配的那个点,作为匹配成功的点,但如果最匹配的点也超出了阈值,就判定为该地图点匹配失败。匹配成功后筛选不合格的点,然后为最终融合成功的点增加观测。该函数的融合原则为如果地图点能匹配关键帧的特征点,并且该点有对应的地图点,那么选择观测数目多的替换两个地图点,如果地图点能匹配关键帧的特征点,并且该点没有对应的地图点,那么为该点添加该投影地图点。正反两次特征匹配使用的相同函数,只是函数的参数不同,即投影的方向不同。

2. 函数代码

/*** @brief 将地图点投影到关键帧中进行匹配和融合* @param[in] pKF           关键帧* @param[in] vpMapPoints   待投影的地图点* @param[in] th            搜索窗口的阈值,默认为3* @return int              更新地图点的数量*/ 
int ORBmatcher::Fuse(KeyFrame *pKF, const vector<MapPoint *> &vpMapPoints, const float th)
{// 获取相邻关键帧的旋转矩阵和平移矩阵cv::Mat Rcw = pKF->GetRotation();cv::Mat tcw = pKF->GetTranslation();// 获取相机内参const float &fx = pKF->fx;const float &fy = pKF->fy;const float &cx = pKF->cx;const float &cy = pKF->cy;const float &bf = pKF->mbf;// 获取相邻关键帧的相机中心(相机的世界坐标)cv::Mat Ow = pKF->GetCameraCenter();// 用于计数已成功融合的地图点数量int nFused=0;// 获取待融合的地图点的数量const int nMPs = vpMapPoints.size();// 遍历待融合的地图点for(int i=0; i<nMPs; i++){// 获取地图点指针MapPoint* pMP = vpMapPoints[i];// 排除不符合规定的点if(!pMP)continue;if(pMP->isBad() || pMP->IsInKeyFrame(pKF))continue;// 将地图点坐标从世界坐标系转到相机坐标系cv::Mat p3Dw = pMP->GetWorldPos();cv::Mat p3Dc = Rcw*p3Dw + tcw;// Depth must be positive// 排除深度为负的地图点if(p3Dc.at<float>(2)<0.0f)continue;// 计算图像坐标const float invz = 1/p3Dc.at<float>(2);const float x = p3Dc.at<float>(0)*invz;const float y = p3Dc.at<float>(1)*invz;const float u = fx*x+cx;const float v = fy*y+cy;// Point must be inside the image// 检查点是否在图像内if(!pKF->IsInImage(u,v))continue;// 计算右目坐标const float ur = u-bf*invz;//  获取地图点的最大和最小距离const float maxDistance = pMP->GetMaxDistanceInvariance();const float minDistance = pMP->GetMinDistanceInvariance();// 计算地图点与相机中心的距离cv::Mat PO = p3Dw-Ow;const float dist3D = cv::norm(PO);// Depth must be inside the scale pyramid of the image// 检查距离是否在有效范围内if(dist3D<minDistance || dist3D>maxDistance )continue;// Viewing angle must be less than 60 deg// 获取地图点的法向量cv::Mat Pn = pMP->GetNormal();// 检查视角条件if(PO.dot(Pn)<0.5*dist3D)continue;// 预测金字塔层级并查找特征点int nPredictedLevel = pMP->PredictScale(dist3D,pKF);// Search in a radius// 设置搜索半径const float radius = th*pKF->mvScaleFactors[nPredictedLevel];// 获取以该特征点为中心,以radius为半径搜索获取特征点const vector<size_t> vIndices = pKF->GetFeaturesInArea(u,v,radius);// 没有获取到点就返回if(vIndices.empty())continue;// Match to the most similar keypoint in the radius// 获取描述子const cv::Mat dMP = pMP->GetDescriptor();// 初始化最佳距离和索引int bestDist = 256;int bestIdx = -1;// 遍历这些点for(vector<size_t>::const_iterator vit=vIndices.begin(), vend=vIndices.end(); vit!=vend; vit++){// 获取指针const size_t idx = *vit;// 获取去畸变后的坐标const cv::KeyPoint &kp = pKF->mvKeysUn[idx];// 获取当前金字塔层级const int &kpLevel= kp.octave;// 该点层级大于预测层级或小于两个层级,就返回if(kpLevel<nPredictedLevel-1 || kpLevel>nPredictedLevel)continue;// 索引大于零则获取误差,误差超过阈值就返回if(pKF->mvuRight[idx]>=0){// Check reprojection error in stereoconst float &kpx = kp.pt.x;const float &kpy = kp.pt.y;const float &kpr = pKF->mvuRight[idx];const float ex = u-kpx;const float ey = v-kpy;const float er = ur-kpr;const float e2 = ex*ex+ey*ey+er*er;if(e2*pKF->mvInvLevelSigma2[kpLevel]>7.8)continue;}else{const float &kpx = kp.pt.x;const float &kpy = kp.pt.y;const float ex = u-kpx;const float ey = v-kpy;const float e2 = ex*ex+ey*ey;// 第一个点的尺度为5.99if(e2*pKF->mvInvLevelSigma2[kpLevel]>5.99)continue;}// 获取该点的描述子const cv::Mat &dKF = pKF->mDescriptors.row(idx);// 获取该地图点与本关键帧最佳描述子之间的距离const int dist = DescriptorDistance(dMP,dKF);// 更新最佳距离if(dist<bestDist){bestDist = dist;bestIdx = idx;}}// If there is already a MapPoint replace otherwise add new measurement// 判断最佳距离是否在阈值内if(bestDist<=TH_LOW){// 获取拥有最佳匹配距离的地图点的指针MapPoint* pMPinKF = pKF->GetMapPoint(bestIdx);// 排除不合格的点if(pMPinKF){if(!pMPinKF->isBad()){// 获取观测数量更多的那个点,作为融合后的地图点if(pMPinKF->Observations()>pMP->Observations())pMP->Replace(pMPinKF);elsepMPinKF->Replace(pMP);}}// 如果不存在地图点,则将新的观察数据添加到地图点和关键帧中else{pMP->AddObservation(pKF,bestIdx);pKF->AddMapPoint(pMP,bestIdx);}// 增加成功融合计数 nFusednFused++;}}return nFused;
}

四、总结

本函数是为创早的新地图点服务的函数,目的是减少重复的地图点数量,同时优化地图点的坐标(选择观测最多的那个帧对应的地图点保留,本身就是一种优化),我们可以看到,进入到局部见图线程以后,不再使用普通真,而全部使用关键帧,这是因为关键帧是经过筛选的,相对一一般的帧更好,而且这样做的好处还有减少计算量,只用关键帧,可以大大减少匹配次数和难度,在优化时作用更加明显,显著提高效。

相关文章:

ORB-SLAM2 ----- LocalMapping::SearchInNeighbors()

文章目录 一、函数意义二、函数讲解三、函数代码四、本函数使用的匹配方法ORBmatcher::Fuse()1. 函数讲解2. 函数代码 四、总结 一、函数意义 本函数是用于地图点融合的函数&#xff0c;前面的函数生成了新的地图点&#xff0c;但这些地图点可能在前面的关键帧中已经生成过了&a…...

游戏引擎学习第27天

仓库:https://gitee.com/mrxiao_com/2d_game 欢迎 项目的开始是从零开始构建一款完整的游戏&#xff0c;完全不依赖任何库或引擎。这样做有两个主要原因&#xff1a;首先&#xff0c;因为这非常有趣&#xff1b;其次&#xff0c;因为它非常具有教育意义。了解游戏开发的低层次…...

【超全总结】深度学习分割模型的损失函数类别及应用场景

《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】 项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…...

基于HTML和CSS的校园网页设计与实现

摘要 随着计算机、互联网与通信技术的进步&#xff0c;Internet在人们的学习、工作和生活中的地位也变得越来越高&#xff0c;校园网站已经成为学校与学生&#xff0c;学生与学生之间交流沟通的重要平台&#xff0c;对同学了解学校内发生的各种事情起到了重要的作用。学校网站…...

深度学习基础02_损失函数BP算法(上)

目录 一、损失函数 1、线性回归损失函数 1.MAE损失 2.MSE损失 3.SmoothL1Loss 2、多分类损失函数--CrossEntropyLoss 3、二分类损失函数--BCELoss 4、总结 二、BP算法 1、前向传播 1.输入层(Input Layer)到隐藏层(Hidden Layer) 2.隐藏层(Hidden Layer)到输出层(Ou…...

Flutter:列表分页,上拉加载下拉刷新,在GetBuilder模板使用方式

GetBuilder模板使用方式参考上一节 本篇主要代码记录如何使用上拉加载下拉刷新&#xff0c; 接口请求和商品组件的代码不包括在内 pubspec.yaml装包 cupertino_icons: ^1.0.8# 分页 上拉加载&#xff0c;下拉刷新pull_to_refresh_flutter3: 2.0.2商品列表&#xff1a;controlle…...

使用eclipse构建SpringBoot项目

我这里用eclipse2018版本做演示&#xff0c;大家有需要的可以下载Eclipse Downloads | The Eclipse Foundation 1.打开eclipse&#xff0c;选择存放代码的位置 2.选择 file >> new >> project >> 选择springboot文件下的 spring starter project 2.这里选择N…...

Linux系统存储挂载与管理:从基础到高级

标题&#xff1a;Linux系统存储挂载与管理&#xff1a;从基础到高级 摘要 在Linux系统中&#xff0c;合理的存储管理和分配对于系统的性能、稳定性和资源利用至关重要。本文将详细介绍存储挂载的基本概念、如何进行存储分配和管理&#xff0c;并解释系统盘的作用。通过这些内…...

Flutter 权限申请

这篇文章是基于permission_handler 10.2.0版本写的 前言 在App开发过程中我们经常要用到各种权限&#xff0c;我是用的是permission_handler包来实现权限控制的。 pub地址&#xff1a;https://pub.dev/packages/permission_handler permission_handler 权限列表 变量 Androi…...

Linux之信号的产生,保存,捕捉

Linux之信号的产生&#xff0c;保存&#xff0c;捕捉处理 一.信号的概念1.1概念1.2分类 二.信号的产生2.1通过键盘产生的信号2.2系统调用接口产生的信号2.3硬件异常产生的信号2.4软件条件产生的信号 三.信号的保存四.信号的捕捉五.信号的其他杂碎知识5.1可重入函数5.2volatile关…...

基于AutoEncode自编码器的端到端无线通信系统matlab误码率仿真

目录 1.算法仿真效果 2.算法涉及理论知识概要 3.MATLAB核心程序 4.完整算法代码文件获得 1.算法仿真效果 matlab2022a仿真结果如下&#xff08;完整代码运行后无水印&#xff09;&#xff1a; 仿真操作步骤可参考程序配套的操作视频。 2.算法涉及理论知识概要 自编码器是…...

泛化调用 :在没有接口的情况下进行RPC调用

什么是泛化调用&#xff1f; 在RPC调用的过程中&#xff0c;调用端向服务端发起请求&#xff0c;首先要通过动态代理&#xff0c;动态代理可以屏蔽RPC处理流程&#xff0c;使得发起远程调用就像调用本地一样。 RPC调用本质&#xff1a;调用端向服务端发送一条请求消息&#x…...

2025年人工智能,自动化与机械工程国际学术会议(AIAME2025)

早鸟通道开启&#xff1a; 2025年人工智能&#xff0c;自动化与机械工程国际学术会议&#xff08;AIAME2025&#xff09; 2025 International Conference on Artificial Intelligence, Automation, and Mechanical Engineering 【重要日期】 早鸟征稿截止日期&#xff1a;…...

docker compose 快速搭建Nacos单节点测试环境(mysql 版)

〓 参考&#xff1a; https://nacos.io/docs/latest/quickstart/quick-start-docker/?sourcewuyi https://github.com/nacos-group/nacos-docker https://nacos.io/docs/latest/manual/admin/deployment/deployment-standalone/?sourcewuyi https://nacos.io/docs/latest/man…...

数字3D虚拟展厅成熟运用于旅游业

在数字空间展览会与VR3D虚拟企业展厅设计的兴起中&#xff0c;我们迎来了互联网、物联网与3D技术融合的大时代。这些企业虚拟展厅主要依托互联网作为传播媒介&#xff0c;利用图片、文字和Flash动画等形式&#xff0c;生动展现企业的核心产品。作为一种新型的网络信息技术展厅&…...

模数转换芯片AD9215

AD9215 是 Analog Devices 公司推出的一款高性能、低功耗、单通道 10 位模数转换器(ADC)。它具有采样速率高达 65 MSPS 或 105 MSPS(不同型号),并广泛应用于通信、成像和仪器仪表等领域。 AD9215 的关键特性 分辨率: 10 位,适合高精度应用。采样速率: 两种型号: AD921…...

MongoDB注入攻击测试与防御技术深度解析

MongoDB注入攻击测试与防御技术深度解析 随着NoSQL数据库的兴起&#xff0c;MongoDB作为其中的佼佼者&#xff0c;因其灵活的数据模型和强大的查询能力&#xff0c;受到了众多开发者的青睐。然而&#xff0c;与任何技术一样&#xff0c;MongoDB也面临着安全威胁&#xff0c;其…...

总结贴:Servlet过滤器、MVC拦截器

一:Servlet过滤器 1.1解析 Filter 即为过滤&#xff0c;用于请求到达Servlet之前(Request),以及再Servlet方法执行完之后返回客户端进行后处理(HttpServletResponse)。简单说就是对请求进行预处理&#xff0c;对响应进行后处理 在请求到达Servlet之前,可以经过多个Filt…...

鸿蒙开发-在ArkTS中制作音乐播放器

音频播放功能实现 导入音频播放相关模块 首先需要从ohos.multimedia.audio模块中导入必要的类和接口用于音频播放。例如&#xff1a; import audio from ohos.multimedia.audio;创建音频播放器实例并设置播放源 可以通过audio.createAudioPlayer()方法创建一个音频播放器实…...

mapstruct DTO转换使用

定义一个基础接口 package com.example.mapstruct;import org.mapstruct.Named;import java.time.LocalDate; import java.time.LocalDateTime; import java.time.ZoneId; import java.time.ZonedDateTime; import java.util.Date; import java.util.List;/*** Author zmn Dat…...

C++内存对齐

一、内存对齐的定义 内存对齐是一种计算机内存管理策略。在这种策略下&#xff0c;数据存储的内存地址必须是数据类型大小&#xff08;或者是某个特定对齐模数&#xff09;的整数倍。 例如&#xff0c;在一个 32 位系统中&#xff0c;如果一个int类型&#xff08;通常占用 4 …...

关于node全栈项目打包发布linux项目问题总集

1.用pm2部署nest 说明&#xff1a;如果一开始将nest直接打包放到linux服务器上用pm2执行则会报错&#xff0c;这是因为tsconfig.build.tsbuildinfo文件的路径以及相关依赖问题。 报错会为&#xff1a;什么东西找不到.... 所以建议以下为步骤一步一步配置 将整个nest添加压缩包直…...

40 基于单片机的温湿度检测判断系统

目录 一、主要功能 二、硬件资源 三、程序编程 四、实现现象 一、主要功能 基于STC89C52单片机&#xff0c;采用dht11温湿度传感器检测温湿度&#xff0c; 通过lcd1602显示屏各个参数&#xff0c;四个按键分别可以增加温湿度的阈值&#xff0c; 如果超过阈值&#xff0c;则…...

Vue 原理详解

Vue 原理详解 Vue.js 是一个渐进式框架&#xff0c;它通过数据驱动视图更新和响应式编程使得前端开发变得更加简单高效。在 Vue 的内部实现中&#xff0c;编译过程和响应式机制是两个至关重要的组成部分。本文将详细介绍 Vue.js 的编译器、响应式系统和运行时的工作原理&#…...

w064基于springboot的高校学科竞赛平台

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以查看文章末尾⬇️联系方式获取&#xff0c;记得注明来意哦~&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0…...

vue实现弹窗输入验证码

实现思路&#xff1a;前端输入完账号和密码&#xff0c;点击登录按钮的时候&#xff0c;弹出一个输入验证码的窗口&#xff0c;后端把验证码图片通过base64的字符传给前端&#xff0c;前端把字符当成图片展示出来。输入完验证码&#xff0c;点击确认进行登录&#xff0c;把验证…...

maven,java相关调试等

maven 增加调试信息的命令&#xff1a; mvn clean compile -Xmvn -X clean installmvn -e exec:execmodule jdk.compiler does not “opens com.sun.tools.java c.processing” 报错是因为用了JDK17&#xff0c;而老版本的1.18.4不支持。将lombok升级到1.18.32问题解决。 报错…...

ARP欺骗-断网攻击

ARP协议 arp协议(地址解析) &#xff0c;在局域网中传输的是帧&#xff0c;帧里面有目标主机的MAC地址&#xff0c;其中一台电脑和另一台电脑需要知道对面的ip地址所对应的MAC地址 ARP欺骗的原理 把自己的MAC地址伪造成网段来欺骗其他用户 实验环境 kali:192.168.21.128 win…...

鬼谷子的捭阖之道

捭&#xff08;bai&#xff09;是打开&#xff0c;开口说的意思&#xff0c;代表阴阳中的阳面 阖&#xff08;he&#xff09;是关闭&#xff0c;是闭嘴、观察&#xff0c;代表阴阳中的阴面 捭阖就是通过话术来试探对方的实情&#xff0c;用谋略让对方信服&#xff0c;从而推动…...

mysql之找回忘记的root密码

mysql之找回忘记的root密码 1.方法1&#xff0c;init-file重置密码2.方法2&#xff0c;–skip-grant-tables重置密码 1.方法1&#xff0c;init-file重置密码 使用init-file参数来对密码进行重新设置 1.停止mysql服务进程 首先将mysql的服务停用掉&#xff1b; 输入命令&#x…...

IDEA中Maven相关使用

一、Maven 的配置文件与本地仓库 Maven 是一种基于配置的工具&#xff0c;主要通过 配置文件 和 本地仓库 管理项目构建与依赖。 1. Maven 配置文件的层级 Maven 的配置文件分为两个层级&#xff1a;全局配置 和 用户配置。 &#xff08;1&#xff09;全局配置 位置&#…...

C语言基础数据类型

C语言------基础数据类型 思考、实践、总结、交流&#xff0c;八字真言是学习任何一门知识的内功&#xff0c;尤其是在很方便用鸡皮提的时代中&#xff0c;独立思考是很重要的。 一个 C 语言工程由多个.c(源码文件) .h&#xff08;头文件&#xff09;组成。.c 文件是实现逻辑的…...

excel中字符数字转换为数值类型:NUMBERVALUE()函数

excel中字符数字转换为数值类型&#xff1a;NUMBERVALUE()函数 例子&#xff1a; 假如这个文档被设置为文档类型&#xff1a;可以通过这个函数进行转换 有时候这个函数不起作用&#xff1a;可以试试对目标列的第一个字符数字进行设置单元单元格-设置为数值型 然后对第一个字…...

【LeetCode刷题之路】283:移动零的普通解法与优化解法(含动图演示)

LeetCode刷题记录 &#x1f310; 我的博客主页&#xff1a;iiiiiankor&#x1f3af; 如果你觉得我的内容对你有帮助&#xff0c;不妨点个赞&#x1f44d;、留个评论✍&#xff0c;或者收藏⭐&#xff0c;让我们一起进步&#xff01;&#x1f4dd; 专栏系列&#xff1a;LeetCode…...

AtomicIntegerFieldUpdater能否降低内存

1. 代码如下&#xff1a; import java.util.LinkedList; import java.util.List; import java.util.concurrent.atomic.AtomicInteger;public class AtomicIntegerTest {final AtomicInteger startPosition new AtomicInteger(0);final AtomicInteger wrotePosition new Atom…...

一个实用的 Maven localRepository 工具

目录 1 现状2 当前解决3 更好的解决3.1 下载 Maven localRepository 工具包3.2 上传本地 localRepository 包3.3 清理 localRepository 中指定后缀的文件 1 现状 在使用 Maven 时&#xff0c;我们可能会经常与本地仓库和私服仓库打交道。 例如对于本地仓库&#xff0c;因为某…...

【算法day4】链表:应用拓展与快慢指针

题目引用 两两交换链表节点删除链表的倒数第n个节点链表相交环形链表 1.两两交换链表节点 给你一个链表&#xff0c;两两交换其中相邻的节点&#xff0c;并返回交换后链表的头节点。你必须在不修改节点内部的值的情况下完成本题&#xff08;即&#xff0c;只能进行节点交换&am…...

拉格朗日乘子法和罚函数法

求目标函数 f ( x , y ) x 2 y 2 f(x, y) x^2 y^2 f(x,y)x2y2 的极值 约束条件为&#xff1a; g ( x , y ) x y − 1 0 g(x, y) x y - 1 0 g(x,y)xy−10 直接求解 消去变量由约束条件 x y − 1 0 x y - 1 0 xy−10&#xff0c;可得 y 1 − x y 1 - x y1−…...

关于创建新登录用户使用SQL Server验证登录时报错全过程解决方法(错误: 18456,不包含网络连接,此教程为本地单机连接)

想必大家在创建新登录用户时会遇到一些问题例如: 但是账号密码都已经反复确认过没错了 之前我在很多博文看到的解决方法都不能正确解决这个问题&#xff0c;接下来我就来解决下这个问题 1.首先创建一个新的登录用户 下面配置是这样子的&#xff1a; 登录名test login 密码12…...

前端通用Axios 请求拦截配置

前端通用Axios 请求拦截配置 配置 目录在request或者plugins都可以&#xff0c;看自己习惯 文件名ReqAxios.js/ReqAxios.ts import axios from "axios"; //消息提示 import { message } from "ant-design-vue"; import Vue from vueconst reqAxios ax…...

docker搭建socks5代理

准备工作 VPS安全组/策略放行相应端口如启用了防火墙&#xff0c;放行相应端口 实际操作 我们选用“历史悠久”的Dante socks5 代理服务器&#xff0c;轻量、稳定。Github也有对dante进行进一步精简的镜像&#xff0c;更为适宜。github项目地址如下&#xff1a; https://gi…...

抓包之wireshark基础用法介绍

写在前面 wireshark作为最优秀的抓包工具&#xff0c;有必要详细的看下其基本用法&#xff0c;所以本文就一起来做这件事吧&#xff01; 1&#xff1a;初步介绍 打开wireshark首先会进入如下的界面&#xff1a; 想要开始抓包&#xff0c;需要进行如下操作&#xff1a; 接着…...

JVM的生命周期

目录 引言1. 虚拟机的启动1.1 引导类加载器1.2 初始化步骤 2. 虚拟机的执行2.1 主要任务2.2 运行时数据区2.3 垃圾收集2.3.1 标记-清除算法2.3.2 复制算法2.3.3 标记-整理算法2.3.4 分代收集 3. 虚拟机的退出3.1 正常退出3.2 异常退出3.3 其他退出方式3.4 关闭钩子 4. 结论 引言…...

【第三讲】Spring Boot 3.4.0 新特性详解:增强的配置属性支持

Spring Boot 3.4.0 版本在配置属性的支持上进行了显著增强&#xff0c;使得开发者能够更灵活地管理和使用应用程序的配置。新的特性包括对配置属性的改进、类型安全增强、以及对环境变量的更好支持。这些改进旨在提升开发效率和代码可读性&#xff0c;同时简化配置过程。本文将…...

搭建环境-PHP简介及环境搭建教程

搭建环境-PHP简介及环境搭建教程 前言 在现代Web开发中,PHP是一种广泛使用的服务器端脚本语言,它以简洁、高效和跨平台的特性受到开发者的青睐。无论是小型网站还是大型企业应用,PHP都能提供强大的支持。本文将为您详细介绍PHP的基本概念、特点,以及如何搭建PHP开发环境。…...

linux模拟HID USB设备及wireshark USB抓包配置

文章目录 1. 内核配置2. 设备配置附 wireshark USB抓包配置 linux下模拟USB HID设备的简单记录&#xff0c;其他USB设备类似。 1. 内核配置 内核启用USB Gadget&#xff0c;使用fs配置usb device信息。 Device Drivers ---> [*] USB support ---><*> USB …...

微前端架构 qiankun

背景&#xff1a;随着业务功能的扩展&#xff0c;原有开发模式已无法满足需求。上线后出现问题时&#xff0c;排查过程变得异常复杂&#xff0c;新开发人员也难以迅速理解现有代码。同时&#xff0c;系统间界面风格和交互差异较大&#xff0c;导致跨系统办理业务时工作量增加。…...

RAT:融合RAG和CoT的高效多步推理任务策略

今天分享的是由北京大学、加州大学洛杉矶分校和北京通用人工智能研究院合作发表的一篇文章 论文题目:RAT: Retrieval Augmented Thoughts Elicit Context-Aware Reasoning in Long-Horizon Generation 论文链接:https://arxiv.org/pdf/2403.05313 代码地址:https://githu…...

C++之虚基类

虚基类&#xff08;Virtual Base Class&#xff09;是 C 中的一个特性&#xff0c;用于解决菱形继承问题&#xff0c;避免因为多重继承而导致的重复继承和冗余问题。 菱形继承问题 假设有如下的类结构&#xff1a; 一个基类 Base。两个类 Derived1 和 Derived2 继承自 Base。…...

大小写转换

描述 将下面的字符串中的大小写进行转换。 输入描述 输入一行仅包含字母的字符串(字符串长度 ≤100)。 输出描述 将其中的大写转换为小写&#xff0c;小写转换为大写。 abcD ABCd #include<iostream> #include<string> using namespace std; int main() { …...