当前位置: 首页 > news >正文

IMU姿态解算,从IMU数据中计算旋转、速度、位置,IMU测量的原理

0. 预备

a. IMU测量值解释
IMU在测量时,得到的角速度或者加速度均是相对于地心惯性系结果,并且将该结果表示到Body坐标系下,就形成了最终的IMU输出。

记作: ω i b b \omega_{ib}^b ωibb,表示body系相对于惯性系的角速度测量在body下的表示。

a b i b a_{bi}^b abib,表示body系相对于惯性系的加速度测量在body系下的表示。

b. IMU加速度计误差建模
a ~ i b b = a i b b + g b + b a + n a \tilde a_{ib}^b = a_{ib}^b + g^b + b^a + n^a a~ibb=aibb+gb+ba+na
其中: a ~ i b b \tilde a_{ib}^b a~ibb 表示的是IMU最终输出的测量值;

a i b b a_{ib}^b aibb 表示的是当前的加速度真值,去除了各种误差;

g b g^b gb重力加速度在body系下的表示;

b a b^a ba 加速度计的bias,它是一个恒定偏差,并且随时间缓慢变化;

n a n^a na加速度计的随机测量噪声,建模为0均值高斯噪声。

对于上式的加速度计建模,有时候也会建模到导航系下,多数情况下重力加速度是在导航系下有比较简洁的表示 [ 0 , 0 , g ] T [0, 0, g]^T [0,0,g]T,因此如果将加速度计的测量转到导航下就可以直接在导航系中简单的处理重力加速度。因此在实际使用时,有时也可以建模为如下形式:
a ~ i b b = R b w ( a i b w + g w ) + b a + n a \tilde a_{ib}^b = R_{bw} (a_{ib}^w + g^w) + b^a + n^a a~ibb=Rbw(aibw+gw)+ba+na
c. IMU陀螺仪误差建模
ω ~ i b b = ω i b b + b g + n g \tilde \omega_{ib}^b = \omega_{ib}^b + b^g + n^g ω~ibb=ωibb+bg+ng
其中: ω ~ i b b \tilde \omega_{ib}^b ω~ibb表示的是IMU最终输出的角速度测量值;

ω i b b \omega_{ib}^b ωibb表示的是当前的角速度真值,去除了各种误差;

b g b^g bg 陀螺仪的bias,并且随时间缓慢变化,短时间内可以认为是一个恒定偏差;

n g n^g ng 陀螺仪的随机测量噪声,建模为0均值高斯噪声。

d. 考虑地球自转时的各个角速度关系
ω i n n = ω i e n + ω e n n \omega_{in}^n = \omega_{ie}^n + \omega_{en}^n ωinn=ωien+ωenn
其中: ω i n n \omega_{in}^n ωinn 表示导航系相对于惯性系的角速度在导航下的表示

ω i e n \omega_{ie}^n ωien表示地球相对于惯性系的自转角速度在导航下的表示

ω e n n \omega_{en}^n ωenn 表示导航系相对于地球的角速度在导航下的表示

IMU测量的角速度是相对于惯性系i,而多数情况下进行导航姿态计算时是在导航系下的,也就是说如果直接使用IMU的角速度进行解算,就会把地球自转以及导航系变化带来的角速度都会引入到系统中,在高精度的IMU中这会带来误差,对于MEMS的IMU而言,可以忽略这一点。

对于 ω i e n \omega_{ie}^n ωien的计算如下
ω i e n = [ 0 ω i e cos ⁡ L ω i e sin ⁡ L ] \omega_{ie}^n = [0 \quad \omega_{ie} \cos L \ \quad \omega_{ie} \sin L] ωien=[0ωiecosL ωiesinL]
其中: ω i e \omega_{ie} ωie是地球的自转角速度,取 7.2921151467 × 1 0 − 5 r a d / s 7.2921151467 \times 10^{-5} rad/s 7.2921151467×105rad/s。参考《捷联惯导算法与组合导航原理》 P54

L L L是当前位置对应的地理纬度

对于 ω e n n \omega_{en}^n ωenn的计算如下
ω e n n = [ − v N R M + h v E R N + h v E R N + h tan ⁡ L ] \omega_{en}^n = [-\frac{v_N}{R_M + h} \quad \frac{v_E}{R_N + h} \quad \frac{v_E}{R_N+h}\tan L] ωenn=[RM+hvNRN+hvERN+hvEtanL]
其中: v E v_E vE, v N v_N vN是当前时刻载体在东北天坐标系下的速度分量

R M , R N R_M,R_N RM,RN分别为子午圈主曲率半径和卯酉圈曲率半径 R N R_N RN,计算方法如下:参考《捷联惯导算法与组合导航原理》 P46和P48
R N = R e 1 − e 2 sin ⁡ 2 L R_N = \frac{R_e}{\sqrt{1 - e^2 \sin^2 L}} RN=1e2sin2L Re

R M = R e ( 1 − e 2 ) ( 1 − e 2 sin ⁡ 2 L ) 3 2 R_M = \frac{R_e(1-e^2)}{(1-e^2 \sin^2 L)^{\frac{3}{2}}} RM=(1e2sin2L)23Re(1e2)

L , h L,h L,h分别是当前位置对应的地理纬度和高度

注意:上面介绍了IMU的误差建模,但是后续的推导均未考虑误差

1. 姿态更新

参考《捷联惯导算法与组合导航原理》 P79

a.惯性系下的IMU姿态解算

C ˙ b i = C b i ∗ ( ω i b b × ) \dot C_b^i = C_b^i * (\omega_{ib}^b \times) C˙bi=Cbi(ωibb×)
上式是IMU的姿态的微分方程。如果要在惯性系下对上式进行解微分方程,即可得到IMU姿态计算结果。结果如下:

C b ( m ) i = C b ( m − 1 ) i C b ( m ) b ( m − 1 ) C_{b(m)}^{i} = C_{b(m-1)}^i C_{b(m)}^{b(m-1)} Cb(m)i=Cb(m1)iCb(m)b(m1)
其中: C b ( m ) i C_{b(m)}^{i} Cb(m)i 表示m时刻,b系到i的变换矩阵

C b ( m ) b ( m − 1 ) C_{b(m)}^{b(m-1)} Cb(m)b(m1) 表示由b系在m时刻到m-1时刻的变化矩阵,它就是有IMU的角速度测量计算而来。

需要格外的关注的是 C b ( m ) b ( m − 1 ) C_{b(m)}^{b(m-1)} Cb(m)b(m1)的计算,它是IMU姿态计算的关键,如果m-1时刻到m是IMU符合定轴转动,则由下式严格成立:

C b ( m ) b ( m − 1 ) = e ∫ t m − 1 t m ω i b b ( t ) d t C_{b(m)}^{b(m-1)} = e^{\int_{t_{m-1}}^{t_m} \omega_{ib}^b(t) dt} Cb(m)b(m1)=etm1tmωibb(t)dt
注意:上式是在定轴假设下才严格成立的,所谓定轴转动就是角速度的方向不发生变化,但是很显然这个假设在实际情况下不严格成立,但是幸运的是目前的IMU都是高频率的IMU它一次测量内很接近定轴转动。对于 e ∫ t m − 1 t m ω i b b ( t ) d t e^{\int_{t_{m-1}}{t_m} \omega_{ib}^b(t) dt} etm1tmωibb(t)dt的计算有多种方式,有欧拉积分,中值积分,矢量二子样算法,单子样+前一周期等算法。参考《捷联惯导算法与组合导航原理》 P28~P30。尽管解算方法很多,但是对于消费级的MEMS IMU使用中值积分就足够使用。

b.导航系下的IMU姿态解算

上面的过程是围绕着参考系为i系进行的,多数情况下我们在使用时都是用的导航系,下面就以东北线(ENU)导航系对IMU姿态解算进行推导介绍。导航下旋转矩阵对时间的微分方程如下:

C ˙ b n = C b n ∗ ( ω n b b × ) \dot C_b^n = C_b^n * (\omega_{nb}^b \times) C˙bn=Cbn(ωnbb×)
当考虑上地球转速以及导航系变化的角速度时, ω n b b = ω i b b − ω i n b \omega_{nb}^b = \omega_{ib}^b - \omega_{in}^b ωnbb=ωibbωinb,上式可以进一步列写为:

C ˙ b n = C b n ∗ ( ω n b b × ) = C b n [ ( ω i b b − ω i n b ) × ] = C b n ( ω i b b × ) − ( ω i n n × ) C b n \dot C_b^n = C_b^n * (\omega_{nb}^b \times) = C_b^n[(\omega_{ib}^b - \omega_{in}^b)\times] = C_b^n(\omega_{ib}^b \times) - (\omega_{in}^n\times)C_b^n C˙bn=Cbn(ωnbb×)=Cbn[(ωibbωinb)×]=Cbn(ωibb×)(ωinn×)Cbn
对上式进行求微分方程,并进行离散化就可以得到导航系下的姿态更新方法。但是求解比较麻烦,可以采用矩阵链式法则进行求解:

C b ( m ) n ( m ) = C n ( m − 1 ) n ( m ) C i n ( m − 1 ) C b ( m − 1 ) i C b ( m ) b ( m − 1 ) = C n ( m − 1 ) n ( m ) C b ( m − 1 ) n ( m − 1 ) C b ( m ) b ( m − 1 ) C_{b(m)}^{n(m)} = C_{n(m-1)}^{n(m)}C_{i}^{n(m-1)}C_{b(m-1)}^i C_{b(m)}^{b(m-1)} = C_{n(m-1)}^{n(m)} C_{b(m-1)}^{n(m-1)} C_{b(m)}^{b(m-1)} Cb(m)n(m)=Cn(m1)n(m)Cin(m1)Cb(m1)iCb(m)b(m1)=Cn(m1)n(m)Cb(m1)n(m1)Cb(m)b(m1)
其中: C n ( m − 1 ) n ( m ) C_{n(m-1)}^{n(m)} Cn(m1)n(m) 表示m-1时刻到m时刻导航系发生的姿态变化,也相当于在m时刻对应的导航系下表示m-1时刻导航系的位姿,计算方法是使用 ω i n n = ω i e n + ω e n n \omega_{in}^n = \omega_{ie}^n + \omega_{en}^n ωinn=ωien+ωenn.

C b ( m − 1 ) n ( m − 1 ) C_{b(m-1)}^{n(m-1)} Cb(m1)n(m1) 表示m-1时刻IMU相对于导航系的姿态

C b ( m ) b ( m − 1 ) C_{b(m)}^{b(m-1)} Cb(m)b(m1) 表示m时刻到m-1时刻IMU发生的位姿变化,它来自于IMU角速度测量的积分。

c. 导航系简化版姿态计算

C b ( m ) n ( m ) = C n ( m − 1 ) n ( m ) C b ( m − 1 ) n ( m − 1 ) C b ( m ) b ( m − 1 ) C_{b(m)}^{n(m)} = C_{n(m-1)}^{n(m)} C_{b(m-1)}^{n(m-1)} C_{b(m)}^{b(m-1)} Cb(m)n(m)=Cn(m1)n(m)Cb(m1)n(m1)Cb(m)b(m1)
在MEMS IMU中上式可以忽略导航系的运动 C n ( m − 1 ) n ( m ) C_{n(m-1)}^{n(m)} Cn(m1)n(m),因为消费级普通IMU无法敏感到这一项,所以可以忽略。于是可以得到简化版的姿态解算:

C b ( m ) n ( m ) = C b ( m − 1 ) n ( m − 1 ) C b ( m ) b ( m − 1 ) C_{b(m)}^{n(m)} = C_{b(m-1)}^{n(m-1)} C_{b(m)}^{b(m-1)} Cb(m)n(m)=Cb(m1)n(m1)Cb(m)b(m1)
其中, C b ( m ) b ( m − 1 ) = e ∫ t m − 1 t m ω i b b ( t ) d t C_{b(m)}^{b(m-1)} = e^{\int_{t_{m-1}}^{t_m} \omega_{ib}^b(t) dt} Cb(m)b(m1)=etm1tmωibb(t)dt,对于它的求解与前述思路一样,可以采用欧拉积分,中值积分等求解 ∫ t m − 1 t m ω i b b ( t ) d t {\int_{t_{m-1}}^{t_m} \omega_{ib}^b(t) dt} tm1tmωibb(t)dt,然后使用罗德里格斯公式完成指数映射。

2. 速度更新

参考《捷联惯导算法与组合导航原理》 P81

a. 精确速度微分建模

v ˙ e n n = C b n f s f b − 2 ( w i e n + w e n n ) × v e n n + g n \dot v_{en}^n = C_b^n f_{sf}^b - 2(w_{ie}^n+w_{en}^n) \times v_{en}^n + g^n v˙enn=Cbnfsfb2(wien+wenn)×venn+gn
其中: f s f b f_{sf}^b fsfb 为加速度计测量的比力

− 2 ( w i e n + w e n n ) × v e n n - 2(w_{ie}^n+w_{en}^n) \times v_{en}^n 2(wien+wenn)×venn 为有害加速度

g n g^n gn 为重力加速度

以上便是对导航系下载体速度的精确微分建模,对其积分即可得到速度的解算,具体过程比较复杂,参考《捷联惯导算法与组合导航原理》 P82。

在IMU加速度误差的建模中使用的是加速度一词,这里使用的是比力,实际上可以认为它们是同样的意义。

b. 简化版速度微分建模

在MEMS IMU中,有害加速度这一项可以忽略,并忽略一些类似划桨误差等,可以得到简化版的速度更新方程:

v ˙ e n n = C b n f s f b + g n \dot v_{en}^n = C_b^n f_{sf}^b + g^n v˙enn=Cbnfsfb+gn
上式求积分之后改写成递推的形式为:

v m n ( m ) = v m − 1 n ( m − 1 ) + Δ v s f ( m ) n v_{m}^{n(m)} = v_{m-1}^{n(m-1)} + \Delta v_{sf(m)}^n vmn(m)=vm1n(m1)+Δvsf(m)n
其中: v m − 1 n ( m − 1 ) v_{m-1}^{n(m-1)} vm1n(m1)为m-1时刻载体速度在导航下的表示。

Δ v s f ( m ) n = ∫ m − 1 m ( C b n f s f b + g n ) d t \Delta v_{sf(m)}^n = \int_{m-1}^m (C_b^n f_{sf}^b + g^n)dt Δvsf(m)n=m1m(Cbnfsfb+gn)dt
上式的求解可以采用欧拉积分,中值积分等完成。

3. 位置更新

对于位置的更新,在参考《捷联惯导算法与组合导航原理》 P87 中采用的是经纬高来表示位置。而实际使用中多以导航系原点来表示位置,因此此处不总结介绍经纬高的方式。将直接在导航系下进行解算。

p ˙ n ( m ) = v n ( m ) \dot p^{n(m)} = v^{n(m)} p˙n(m)=vn(m)
对上式进行欧拉积分,即可得到递推方程:

p n ( m ) = p n ( m − 1 ) + ∫ m − 1 m v n ( t ) d t p^{n(m)} = p^{n(m-1)} + \int_{m-1}^m v^{n}(t)dt pn(m)=pn(m1)+m1mvn(t)dt
同样的方式,可以采用欧拉积分,中值积分等对 ∫ m − 1 m v n ( t ) d t \int_{m-1}^m v^{n}(t)dt m1mvn(t)dt进行求解。

例如,使用中值积分,并假设m-1到m时刻速度为线性变化,则有如下式:

p n ( m ) = p n ( m − 1 ) + v n ( m − 1 ) ∗ Δ t + 1 2 ( f s f n ( m − 1 ) + g n ) Δ t 2 p^{n(m)} = p^{n(m-1)} + v^{n(m-1)}*\Delta t + \frac{1}{2} (f_{sf}^{n(m-1)} +g^n) \Delta t^2 pn(m)=pn(m1)+vn(m1)Δt+21(fsfn(m1)+gn)Δt2
注意:IMU的姿态解算过程比较复杂,在建模时可以做的非常精确,这会导致模型非常复杂,实际当中使用时,普通的MEMS IMU无需做复杂的建模,不需要考虑地球转速,导航系的运动,速度划桨误差等等。当我们有了IMU初始时刻的姿态、速度、位置之后,就可以使用上述的递推方式计算出后续的姿态变化。但是对于低精度的IMU这个递推的过程维持不了多久就会发散。

相关文章:

IMU姿态解算,从IMU数据中计算旋转、速度、位置,IMU测量的原理

0. 预备 a. IMU测量值解释 IMU在测量时,得到的角速度或者加速度均是相对于地心惯性系结果,并且将该结果表示到Body坐标系下,就形成了最终的IMU输出。 记作: ω i b b \omega_{ib}^b ωibb​,表示body系相对于惯性系的…...

【Qt-17】Qt调用matlab生成的dll库

matlab生成dll库 1、matlab示例代码 function BDCube(x,y)[x,y,z] cylinder(x,y);t1 hgtransform;s1 surf(3*x,3*y,4*z,Parent,t1);grid onview(3)shading interp end 2、matlab环境配置 首先检查自己的mcc编译器是否可用,输出以下命令: &#x…...

css经典面试题(二)

文章目录 1、清除浮动2、opacity: 0、visibility: hidden、display: none 的区别3、css画一个三角形4、常见的主流浏览器前缀5、重绘与重排的区别?6、如何优化图片7、CSS3 中 transition 和 animation 的属性分别有哪些8、居中为什么要使用 transform(为…...

jira搜索search issue条目rest实用脚本

官方文档链接地址: The Jira Cloud platform REST API 实用json请求脚本如下: {"fields": ["summary","status"],"jql": "project abc AND summary ~ 【%s】【coverity】 AND componentCoverity"…...

《C++ primer plus》精炼(OOP部分)——对象和类(5)

“学习是照亮心灵的火炬,它永不熄灭,永不止息。” 文章目录 类的自动和强制类型转换原始类型转换为自定义类型将自定义类型转换为原始类型 类的自动和强制类型转换 原始类型转换为自定义类型 可以用一个参数的构造函数来实现,例如&#xff…...

钉钉旧版服务端SDK支持异步方法的升级改造

最近项目中需要对接钉钉,有些钉钉 API 的访问需要使用旧版服务端 SDK 才能搞定,但是这个 SDK 使用的还是 .NET Framework 2.0 框架,不能跨平台部署,也不支持 async\await 的异步操作方法,Nuget 上也有其它用户改造的 .…...

【C语言】【数据存储】用%d打印char类型数据,猜结果是啥

题目代码如下&#xff1a; #include <stdio.h> int main() {char a -1;signed char b-1;unsigned char c-1;printf("a%d,b%d,c%d",a,b,c);return 0; }解题关键&#xff1a; 1.二进制存储&#xff1a;原码&#xff0c;反码&#xff0c;补码 互换 2.截断 3.整型…...

算法——双指针

1658. 将 x 减到 0 的最小操作数 - 力扣&#xff08;LeetCode&#xff09; 这道题的重点是&#xff0c;如何用最小的操作数&#xff0c;来使其x变为0——也可以看作是用最少的数据个数&#xff0c;来求和得到x。 ——但是我们可以知道&#xff0c;由于数据是从两端向中间取的…...

【PowerQuery】Excel的PowerQuery按需刷新

将数据通过PowerQuery 导入进来后,这里将进行数据分组运算,最终的数据计算结果将保存在Excel 表格中,图为销售统计结果。 在Excel中,如果我们希望进行销售统计的手动更新可以使用几种不同的方法来进行刷新: 刷新单一数据连接如果仅仅需要刷新单一数据连接的话我们可以通过…...

Django REST Farmowork初探

1.简介 Django REST framework &#xff08;简称&#xff1a;DRF&#xff09;是一个强大而灵活的 Web API 工具。 遵循RESTFullAPI风格&#xff0c;功能完善&#xff0c;可快速开发API平台。 官网文档&#xff1a;https://www.django-rest-framework.org 2. framwork的安装 …...

【flink进阶】-- Flink kubernetes operator 版本升级

目录 1、检查当前 flink kubernetes operator 版本 2、停止生产上正在运行的 flink job 3、升级 CRD...

Linux Ubuntu20.04深度学习环境快速配置命令记录

一、驱动安装 1、更新系统包 sudo apt-get updatesudo apt-get upgrade 2、安装显卡驱动 使用apt方式安装驱动&#xff0c;多数情况不容易成功&#xff0c; 使用一下方法更佳&#xff1a; 1.查看合适显卡的驱动版本 ubuntu-drivers devices NVIDIA GeForce 驱动程序 - …...

信息安全三级真题一

目录 一、单选题 二、填空题 三、综合题 一、单选题 二、填空题 三、综合题 知法懂法&#xff0c;请各位网络安全从业者遵守《网络安全法》、《个人信息保护法》 业%$务*$&联&#系 XHU3ZjUxXHU3ZWRjXHU4ZmQwXHU3ZWY0XHU2ZTE3XHU5MDBmXHU1NmUyXHU5NjFmXHUyMDBiXHU2M…...

RK3568-tftp更新设备树和内核nfs挂载文件系统

1. 注意:需要设备树和内核按以下修改才能支持tftp和nfs。 1.1 修改设备树: diff --git a/arch/arm64/boot/dts/rockchip/OK3568-C-linux.dts b/arch/arm64/boot/dts/rockchip/OK3568-C-linux.dts index 178b4d831..34cb57ffd 100644 --- a/arch/arm64/boot/dts/rockchip/OK…...

FIR滤波器简述及FPGA仿真验证

数字滤波器的设计&#xff0c;本项目做的数字滤波器准确来说是FIR滤波器。 FIR滤波器&#xff08;有限冲激响应滤波器&#xff09;&#xff0c;与另一种基本类型的数字滤波器——IIR滤波器&#xff08;无限冲击响应滤波器&#xff09;相对应&#xff0c;其实就是将所输入的信号…...

高速信号处理板资料保存:383-基于kintex UltraScale XCKU060的双路QSFP+光纤PCIe 卡设计原理图

基于kintex UltraScale XCKU060的双路QSFP光纤PCIe 卡 一、板卡概述 本板卡系我司自主研发&#xff0c;基于Xilinx UltraScale Kintex系列FPGA XCKU060-FFVA1156-2-I架构&#xff0c;支持PCIE Gen3 x8模式的高速信号处理板卡&#xff0c;搭配两路40G QSFP接口&#xf…...

QT:使用分组框、单选按钮、普通按钮、标签、行编辑器、垂直分布、水平分布做一个小项目

widget.h #ifndef WIDGET_H #define WIDGET_H#include <QWidget> #include <QRadioButton> //单选按钮 #include <QGroupBox> //分组框 #include <QHBoxLayout> //水平布局 #include <QVBoxLayout> //垂直布局 #include <QPushButton>…...

封装微信小程序隐私信息授权

隐私 代码 html &#xff08;modal 组件再后面封装有提供&#xff09; <modal isShow"{{show}}"><view class"privacy-auth-dialog"><view class"title">温馨提示</view><view class"content"><vi…...

【C#】FileInfo类 对文件进行操作

提示&#xff1a;使用FileInfo类时&#xff0c;要引用System.IO命名空间。 using System.IO; FileInfo类 生成文件删除文件移动文件复制文件获取文件名判断文件是否存在属性列表其它常用方法 生成文件 Create()&#xff1a;在指定路径上创建文件。 FileInfo myFile new FileIn…...

python中的字符串也是可迭代对象吗?

python中的字符串也是可迭代对象吗&#xff1f; ━━━━━━━━━━━━━━━━━━━━━━   是的&#xff0c;Python中的字符串是可迭代对象。这意味着你可以像处理列表或元组那样处理字符串。例如&#xff0c;你可以使用for循环遍历字符串中的每个字符&#xff0c;或…...

C++ 图像线特征提取【HoughLinesP算法】

目录 一、函数介绍二、实现步骤三、代码示例一、函数介绍 HoughLinesP:是一种基于Hough变换的直线检测算法。它可以识别图像中的直线,并返回它们的端点坐标。其函数接口如下: cv::HoughLinesP(   InputArray src,   // 输入图像,必须 8-bit 的灰度图像   OutputArray…...

Stable Diffusion WebUI内存不够爆CUDA Out of memory怎么办?

在我们运行SD的时候,我们经常会爆CUDA Out of memory。 我们应该怎么办呢? 这是因为我们的显存或者内存不够了。 如果你是用cpu来跑图的则表示内存不够,这个时候就需要换个大点的内存了。 如果你是用gpu来跑图的就说明你显存不够用咯,这时候咋办呢? 下面我将一一述说…...

模板学堂|数据可视化仪表板大屏设计流程梳理

DataEase开源数据可视化分析平台于2022年6月正式发布模板市场&#xff08;https&#xff1a;//dataease.io/templates/&#xff09;。模板市场旨在为DataEase用户提供专业、美观、拿来即用的仪表板模板&#xff0c;方便用户根据自身的业务需求和使用场景选择对应的仪表板模板&a…...

基于Xml方式Bean的配置-Bean的延时加载

SpringBean的配置详解 Bean的延时加载 当lazy-init设置为true时为延时加载&#xff0c;也就是当Spring容器创建的时候&#xff0c;不会立即创建Bean实例&#xff0c;等待用到时再创建Bean实例并储存到单例池中&#xff0c;后续使用该Bean时直接从单例池中获取即可&#xff0c;…...

python之pyQt5实例:Matplotlib的应用

1、显示逻辑 1.1MatplotlibWidget.py import sys import random import matplotlibmatplotlib.use("Qt5Agg") from PyQt5 import QtCore from PyQt5.QtWidgets import QApplication, QMainWindow, QVBoxLayout, QSizePolicy, QWidget from numpy import arange, si…...

智囊AI-基于 ChatGPT 的 AI 工具产品 你的私人AI助手

智囊AI是一款基于 ChatGPT 的 AI 工具产品&#xff0c;主打免费、智能、方便&#xff0c;可以在此雇佣各种各样的免费智囊进行对话、自己创造和分享智囊、共享有趣有用的对话等。不过使用需要注册登录&#xff0c;可以使用自己的openai key或者使用网站提供的api key&#xff0…...

nginx配置vue前端代理

背景&#xff1a;做一个前后端分离的项目&#xff0c;我这里是vue3 view ts创建的前端项目&#xff0c;在前端配置跨域请求。 一、开发阶段 在vue.config.js中配置devserver的proxy进行代理请求配置&#xff0c;然后将所有请求改为/api开头的即可。但是这样配置只在开发阶段…...

【C语言】【数据存储】用%u打印char类型?用char存128?

1.题目一&#xff1a; #include <stdio.h> int main() {char a -128;printf("%u\n",a);return 0; }%u 是打印无符号整型 解题逻辑&#xff1a; 1. 原反补互换&#xff0c;截断 -128 原码&#xff1a;10000000…10000000 补码&#xff1a;11111111…10000000…...

git-git命令汇总

1.git 存储永久凭据 git config --global credential.helper store 2.git 查询分支或标签的引用 git show-ref 【标签名|分支名】 3.git 搜索关键分支和tag git tag -l *branch* --sortcommitterdate 4.git 删除标签 git tag -d v1.32 删除标签v1.32&#xff0c;参数d…...

自定义实现简易版ArrayList

文章目录 1.了解什么是顺序表2.实现哪些功能3.初始化ArrayList4.实现功能接口遍历顺序表判断顺序表是否已满添加元素指定下标添加元素自定义下标不合法异常判断顺序表是否为空查找指定元素是否存在查找指定元素返回下标获取指定下标的元素顺序表为空异常修改指定下标元素的值删…...

公司销售网站怎么做/长沙网站推广seo

版权声明&#xff1a;本文为博主原创文章&#xff0c;遵循 CC 4.0 BY-SA 版权协议&#xff0c;转载请附上原文出处链接和本声明。 本文链接&#xff1a;https://blog.csdn.net/wo541075754/article/details/81734770 在互联网中的每一刻&#xff0c;你可能都在享受着Base64带来…...

怎样自创网站/哪个搜索引擎最好用

innerText&#xff0c;outerText&#xff0c;innerHTML&#xff0c;outerHTML 这次我们要使用另一些对象属性对来实现动态改变文本&#xff0c;它们就是&#xff1a;innerText&#xff0c;outerText&#xff0c;innerHTML&#xff0c;outerHTML&#xff0c;千万要注意它们的大…...

wordpress评论不显示头像/网络营销核心要素

1.7 Linux Control groups Linux Cgroups的全称是Linux Control Groups,是Linux内核的一个功能.最早是由Google的工程师(主要是Paul Menage和Rohit Seth)在2006年发起,最早的名称为进程容器(process containers)。在2007年时,因为在Linux内核中,容器(container)这个名…...

网站联系我们模板/青岛做网站推广

java虚拟机默认的编码是unicode指的是内存中的编码是unicode&#xff0c;而进行io&#xff08;包括网络和硬盘&#xff09;传输时另外编码&#xff0c;通过 System.getProperty("file.encoding")查看&#xff0c;通常&#xff0c;默认为ansi&#xff0c;不过通过ecli…...

济南网站建设.com/百度seo教程视频

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation1.背景信息2.介绍3.方法3.1 点集RnR^{n}Rn的属性3.2 PointNet结构3.3 理论分析4.实验4.1应用4.2结构设计分析4.3 可视化PointNet4.4 时间和空间复杂度分析读后感1.背景信息 第一篇处理无序点云的…...

想做一个自己设计公司的网站怎么做的/排名优化关键词

在Excel和Word文档中录入信息时&#xff0c;要说F1-F12的快捷键使用&#xff0c;Sara随口而出的肯定是“F4”&#xff0c;毕竟在Excel表格中的“绝对引用”绕不开它呀&#xff0c;O(∩_∩)O哈哈~这不&#xff0c;今天饶有兴趣的来说说这12个快捷键的简单使用&#xff0c;能记一…...