1. 全栈程序员必看首页

机器人手眼标定详解

全栈程序员-用户IM • • 未分类

机器人手眼标定详解手眼标定详解研究现状所谓手眼标定是统一视觉系统和机器人的坐标系，从而可以使视觉系统所确定的物体位姿可以转换到机器人坐标系下，由机械臂完成对物体的作业。最常见的手眼系统包括Eye-to-Hand和Eye-in-Hand两种。在Eye-to-Hand手眼系统中，摄像机与机器人基座的位置是相对固定的，手眼关系式求解摄像机坐标系与机器人基座坐标系之间的转换关系。在Eye-in-Hand手眼系统中，摄像机由于固定在机械臂末端，手眼关系求解的是摄像机坐标系与机械臂末端坐标系之间的转换关系。在机器人处于不同的位置和

大家好，又见面了，我是你们的朋友全栈君。

手眼标定详解

研究现状

所谓手眼标定是统一视觉系统和机器人的坐标系，从而可以使视觉系统所确定的物体位姿可以转换到机器人坐标系下，由机械臂完成对物体的作业。
最常见的手眼系统包括Eye-to-Hand和Eye-in-Hand两种。在Eye-to-Hand手眼系统中，摄像机与机器人基座的位置是相对固定的，手眼关系式求解摄像机坐标系与机器人基座坐标系之间的转换关系。在Eye-in-Hand手眼系统中，摄像机由于固定在机械臂末端，手眼关系求解的是摄像机坐标系与机械臂末端坐标系之间的转换关系。在机器人处于不同的位置和姿态的情况下，获取“眼”相对于标定物的关系。然后结合机器人的位姿（可以从机器人控制器上读出），就能建立标定方程 A X = X B AX=XB AX=XB，求解方程就能得到手眼关系矩阵。 在求解标定方程 A X = X B AX=XB AX=XB时，由于方程求解的非线性和不稳定，如何求得一个误差小而且有意义的解是手眼标定的重要问题。关于如何求解的问题，就有了许多不同的手眼标定方法。 对手眼换矩阵的求解主要有两类方法。

一类方法利用旋转矩阵的性质把非线性化的问题线性化。这类方法均包含两个阶段：首先通过线性化的方法求解手眼变换矩阵的旋转部分，然后将旋转部分的求解结果代入手眼方程，求解手眼矩降的平移部分，这类方法可以推导出简单且求解方便的线性求解方程，但是由于是分两步束解，旋转矩阵参数的估计误差会传递到平移向量中，因此对观测数据中的噪声敏感。这类方法可以得出唯一解的充分条件是至少有两次机械臂运动的旋转轴是非平行的。这类方法中Shui的方法是通过两次移动机械臂来计算手眼变换矩阵。Tsai将问题分解成两部分，即将旋转平移矩阵分解成旋转和平移两部分进行求解，先求解旋转矩阵，再将旋转矩阵代入求解平移向量。在后来的研究中lee给出了简化求解方程的方法，Strobl对此问题做了优化。Daniilidis采用对偶四元数来表示空间的运动。Chou和Kamel提出的方法基于奇异值分解SVD。对于在线手眼标定，Andreff提出的方法给出了一种新的手眼关系的线性化方程，以实现数学上的高效计算，满足在线标定对实时性的需求。

另一类是采用优化的方法求解非线性问题。这类方法需要束解复杂的非线性优化问题，通常计算量相对较大，求解耗时，不能满足在线实时计算的需求。而且非线性优化的结果依赖于初值的选择，选择不当的初值，会陷入局部最优，无法得到全局最优解。在这类方法中，zhuang将机器人手眼系统与机器人执行器作为一个整体进行建模，并应用非线性优化的方法求解旋转矩阵和平移向量,以最小化手眼变换矩阵误差的Frobenius范数作为优化目标。wei提出了一种方法，这种方法无需借助标定工具，且可以同时完成手眼标定和摄像机标定。Ilonen采用了标记点定位的方法，但需要已知摄像机内参。

通过调研，决定使用Chou和Kamel方法，该方法能实现所需功能，且实现过程相对简洁，方便程序实现和维护。

问题描述

问题描述：本题目中的手眼系统为Eye-to-Hand。在eye to hand手眼系统中 ，采集了机器人N组位姿下, 末端坐标系{tool}在基坐标系{base}下位置及姿态T_b_t, 标定板坐标系{cal}在相机坐标系{cam}下的位置及姿态T_c_cal。求基坐标系的到相机坐标系齐次坐标变换 b a s H c a m ^{bas}H_{cam} basHcam​。

在这里插入图片描述

求解说明

任意运动中,机器人末端到标定板的位姿关系 t o o l H c a l ^{tool}H_{cal} toolHcal​保持不变，基坐标系到相机坐标系的位姿关系保持不变 b a s e H c a m ^{base}H_{cam} baseHcam​，则有
t o o l H c a l = t o o l H b a s e i ∗ b a s e H c a m i ∗ c a m H c a l i = t o o l H b a s e j ∗ b a s e H c a m j ∗ c a m H c a l j , i ≠ j ^{tool}H_{cal}=^{tool}H_{base}^i*^{base}H_{cam}^i*^{cam}H_{cal}^i=^{tool}H_{base}^j*^{base}H_{cam}^j*^{cam}H_{cal}^j,i\neq j toolHcal​=toolHbasei​∗baseHcami​∗camHcali​=toolHbasej​∗baseHcamj​∗camHcalj​,i​=j

其中 i i i, j j j分别表示第 i i i ， j j j次运动。由于 b a s e H c a m i = b a s e H c a m j ^{base}H_{cam}^i=^{base}H_{cam}^j baseHcami​=baseHcamj​，且始终不变，上式整理可得
( t o o l H b a s e j ) − 1 ∗ t o o l H b a s e i ∗ b a s e H c a m = b a s e H c a m ∗ c a m H c a l j ∗ ( c a m H c a l i ) − 1 , i ≠ j (^{tool}H_{base}^j)^{-1}*^{tool}H_{base}^i*^{base}H_{cam}=^{base}H_{cam}*^{cam}H_{cal}^j*(^{cam}H_{cal}^i)^{-1},i\neq j (toolHbasej​)−1∗toolHbasei​∗baseHcam​=baseHcam​∗camHcalj​∗(camHcali​)−1,i​=j
因此有
A X = X B AX=XB AX=XB

A = t o o l H b a s e i ∗ ( t o o l H b a s e j ) − 1 , B = c a m H c a l j ∗ ( c a m H c a l i ) − 1 , X = b a s e H c a m A=^{tool}H_{base}^i*(^{tool}H_{base}^j)^{-1}, \\ B=^{cam}H_{cal}^j*(^{cam}H_{cal}^i)^{-1}, \\ X=^{base}H_{cam} A=toolHbasei​∗(toolHbasej​)−1,B=camHcalj​∗(camHcali​)−1,X=baseHcam​

因此问题变为求解关于X的矩阵方程AX=XB。

求解AX=XB

求解AX=XB该问题使用Chou和Kamel方法提出的方法[1,2]。旋转部分使用四元数表示
R A R X = R X R B ⇔ q A ∗ q X = q X ∗ q B R_AR_X=R_XR_B\Leftrightarrow q_A*q_X=q_X*q_B RA​RX​=RX​RB​⇔qA​∗qX​=qX​∗qB​

使用四元数乘法表示旋转变换，重新构造线性系统
q A ∗ q X − q X ∗ q B = q A ∗ q X − q B ‾ ∗ q X = ( q A − q B ‾ ) ∗ q X q_A*q_X-q_X*q_B=q_A*q_X-\overline{q_B}*q_X=(q_A-\overline{q_B})*q_X qA​∗qX​−qX​∗qB​=qA​∗qX​−qB​​∗qX​=(qA​−qB​​)∗qX​
因此有
q X ∗ q B = ( x 0 − x T X ( x 0 I + S k ( x ) ) b ) ( b 0 b ) q_X*q_B=\left(\begin{matrix} x_0 & -\mathbf{x}^T \\ \mathbf{X} & ( x_0\mathbf{I}+\text{S} k(\mathbf{x}) )\mathbf{b} \end{matrix}\right) \left(\begin{matrix} b0\\ \mathbf{b} \end{matrix}\right) \\ qX​∗qB​=(x0​X​−xT(x0​I+Sk(x))b​)(b0b​)

= ( x 0 b 0 − x T b X b 0 + ( x 0 I + S k ( x ) ) b ) =\left(\begin{matrix} x_0b_0 -\mathbf{x}^T\mathbf{b} \\ \mathbf{X}b_0 + ( x_0\mathbf{I}+\text{S} k(\mathbf{x}) )\mathbf{b} \end{matrix}\right)\\ =(x0​b0​−xTbXb0​+(x0​I+Sk(x))b​)

= ( b 0 x 0 − b T x b x 0 + ( b 0 I − S k ( b ) ) x ) =\left(\begin{matrix} b_0x_0 -\mathbf{b}^T\mathbf{x} \\ \mathbf{b}x_0 + ( b_0\mathbf{I}-\text{S} k(\mathbf{b}) )\mathbf{x} \end{matrix}\right)\\ =(b0​x0​−bTxbx0​+(b0​I−Sk(b))x​)

= ( b 0 − b T b ( b 0 I − S k ( b ) ) ) ( x 0 x ) = q B ‾ ∗ q X =\left(\begin{matrix} b_0 & -\mathbf{b}^T \\ \mathbf{b} & ( b_0\mathbf{I}-\text{S} k(\mathbf{b})) \end{matrix}\right) \left(\begin{matrix} x_0\\ \mathbf{x} \end{matrix}\right)\\ =\overline{q_B}*q_X =(b0​b​−bT(b0​I−Sk(b))​)(x0​x​)=qB​​∗qX​
然后使用奇异值分解求解线性方程组,SVD分解实现参考第三版《Numerical Recipes》。

构建A，B矩阵时，任意两个不同位置姿矩阵，可以构造一个方程，因此输入数据的数量n与可构建方程数m的关系可以通过排列组合确定 m = C n 2 = n ( n − 1 ) / 2 m=C^2_n=n(n-1)/2 m=Cn2​=n(n−1)/2。可根据此关系及标定系统能处理的最大矩阵维数，设计标定功能需要考虑系统能处理的最大输入数据量。

假设系统处理的最大矩阵维数为l,则有
l = 4 ∗ m = 4 ∗ C n 2 l=4*m=4*C^2_n l=4∗m=4∗Cn2​

可得
n = ( 2 + ( 4 + 8 l ) ) / 4 n=(2+\sqrt{(4+8l)})/4 n=(2+(4+8l)
​)/4

若输入数据量过大，可以考虑另一种方法构造A,B矩阵，使用相邻的两个位姿构建A,B矩阵。则方程数 m = n − 1 m=n-1 m=n−1,A,B矩阵的较大的维数是 4 ∗ m = 4 n − 4 4*m=4n-4 4∗m=4n−4。

仿真验证

进行C++算法开发前，首先使用matlab可以较快实现，验证选定方法及推导过程的正确性。使用matlab建立随意建立一个机器人，设定好相机坐标系和标定板坐标系。然后采集不同位姿下，机器人末端在基坐标的位姿T_b_t，标定板坐标系在相机坐标系下的位姿T_c_cal。主程序如下，完整程序还包括solve_hand_eye_equation()子程序，该子程序是Chou和Kamel的方法的实现。除此外还有tsai， shiu, park, park, lu8, liang等人的方法对应的子程序tsai()， shiu(), park(), park(), lu8(), liang()，可以到这里下载【下载链接】。

%%
%eye to hand 手眼标定验证程序，以仿真验证代替物理机器验证。
%libing,2020.4.23
%%
%建立机器人模型，获得试验数据，%验证算法理论的正确性，再用于验证C++程序的正确性。
clc
clear
clc;
close('all');
%随意建立一个机器人
PM_PI=3.1415926;
deg=PM_PI/180;
%             theta   d         a        alpha     sigma
ML1 =  Link([ 0,      0.4967,   0,       0,           0], 'modified');
ML2 =  Link([ 0,     -0.18804,  0.2,     3*PM_PI/2,   0], 'modified');
ML3 =  Link([ 0,      0.17248,  0.79876, 0 ,          0], 'modified');
ML4 =  Link([ 0,      0.98557,  0.25126, 3*PM_PI/2,   0], 'modified');
ML5 =  Link([ 0,      0,        0,       PM_PI/2 ,    0], 'modified');
ML6 =  Link([ 0,      0,        0,       PM_PI/2 ,    0], 'modified');
robot = SerialLink([ML1 ML2 ML3 ML4 ML5 ML6],'name','test\_robot');
robot.teach(); %可以自由拖动的关节角度
hold on;
%基坐标系
H_base=transl(0,0,0);
trplot(H_base,'frame','b','color','b');
hold on;
%axis([-2,2,-2,2,-1,3]);
%末端坐标系
T_b_t=zeros(4,4);
theta=[0,0,0,0,0,0];
T_b_t(:,1:4)=robot.fkine(theta);
fig_tool=trplot(T_b_t,'frame','t','color','b');
%设置相机坐标系（随意设置，与标定结果对比）
H_b_c=zeros(4,4);
t=transl(1,1.5,2);
H_b_c=t*trotx(15)*troty(30)*trotz(45);
fprintf("设置相机位姿为\n");
disp(H_b_c);
trplot(H_b_c,'frame','cam','color','g');
%设置机器人末端坐标系到标定板坐标系的变换（随意设置）
H_t_cal=zeros(4,4);
t=transl(0.1,0.2,0.1);
H_t_cal=t*trotx(15)*troty(30)*trotz(45);
T_b_cal=T_b_t*H_t_cal;
fig_cal=trplot(T_b_cal,'frame','cal','color','g');
 %采集手眼标定所需的数据数据(10个位姿)
fp1=fopen('testq_T_b_t.txt','w');
fp2=fopen('testq_T_c_cal.txt','w');
for i=1:10
    J1=-6*i*deg;
    J2=-4.5*i*deg;
    J3=-4.5*i*deg;
    J4=3.0*i*deg;
    J5=4.5*i*deg;
    J6=3.0*i*deg;
    theta=[J1,J2,J3,J4,J5,J6];
    %采集手眼标定数据数据
    T_b_t(:,4*i-3:4*i)=robot.fkine(theta); %基座坐标系到机器人末端坐标系的变换
    T_b_cal=T_b_t(:,4*i-3:4*i)*H_t_cal;  
    %由T_b_cal=T_b_c*T_c_cal导出T_c_cal
    T_c_cal(:,4*i-3:4*i)=inv(H_b_c)*T_b_cal;%相机坐标系到标定板坐标系的变换  
    
    q1(1:3)= T_b_t(1:3,4*i);%写入，用于C++程序测试
    q1(4:7)=rot2q(T_b_t(1:3,4*i-3:4*i-1));
    q2(1:3)= T_c_cal(1:3,4*i);%写入，用于C++程序测试
    q2(4:7)=rot2q(T_c_cal(1:3,4*i-3:4*i-1));
     fprintf(fp1,'%.6f  %.6f  %.6f  %.6f  %.6f %.6f  %.6f\n',...
         q1(1),q1(2),q1(3),q1(4),q1(5),q1(6),q1(7));
    fprintf(fp2,'%.6f  %.6f  %.6f  %.6f  %.6f %.6f  %.6f\n',...
          q2(1),q2(2),q2(3),q2(4),q2(5),q2(6),q2(7));
   
    pause(0.2);
    delete(fig_tool);
    delete(fig_cal);
    fig_tool=trplot(T_b_t(:,4*i-3:4*i),'frame','t','color','r');%绘制末端坐标系
    fig_cal=trplot(T_b_cal,'frame','cal','color','g');%绘制标定板坐标系
    robot.plot(theta);
end
fclose(fp1);
fclose(fp2);
%利用采集的数据构造方程的系数矩阵A,B
H_b_t=T_b_t;
H_c_cal=T_c_cal;
[m,n]=size(H_b_t);
m=n/4;
fp1=fopen('testA.txt','w');
fp2=fopen('testB.txt','w');
n=1;
for i=1:m-1  
    j=i+1;
     A(:,4*i-3:4*i)=H_b_t(:,4*j-3:4*j)*inv(H_b_t(:,4*i-3:4*i));
     B(:,4*i-3:4*i)=H_c_cal(:,4*j-3:4*j)*inv(H_c_cal(:,4*i-3:4*i));
     testA(4*i-3:4*i,:)=A(:,4*i-3:4*i);%用于C++程序测试
     testB(4*i-3:4*i,:)=B(:,4*i-3:4*i);%用于C++程序测试
     for k=1:4
        fprintf(fp1,'%.6f  %.6f  %.6f  %.6f\n',...
         testA(4*i-4+k,1),testA(4*i-4+k,2),...
         testA(4*i-4+k,3),testA(4*i-4+k,4));
        fprintf(fp2,'%.6f  %.6f  %.6f  %.6f\n',...
         testB(4*i-4+k,1),testB(4*i-4+k,2),...
         testB(4*i-4+k,3),testB(4*i-4+k,4));  
    end
end
fclose(fp1);
fclose(fp2);
%求AX=XB解方程
fprintf("标定结果\n");
X1=solve_hand_eye_equation(A,B);
%文献的其他方法
X2=tsai(A,B)
X3=shiu(A,B)
X4=park(A,B)
X5=lu8(A,B)
X6=liang(A,B)

建立的机器人如下图所示
在这里插入图片描述

matlab设置相机坐标系的相对于基坐标系位姿为

H_b_c=zeros(4,4);
t=transl(1,1.5,2);
H_b_c=t*trotx(15)*troty(30)*trotz(45);

计算得到对应的位姿为如下，这将与算法计算的结果进行对比。

H_b_c =
0.6124   -0.6124    0.5000    1.0000
0.7745    0.5915   -0.2241    1.5000
-0.1585   0.5245    0.8365    2.0000
0         0         0         1.0000

采集10组位姿数据，测试算法。计算结果如下，与设置的数据一致，验证了算法的正确性。

设置相机位姿为
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000
标定结果
X2 =
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000
X3 =
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000
X4 =
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000
X5 =
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000
X6 =
    0.6124   -0.6124    0.5000    1.0000
    0.7745    0.5915   -0.2241    1.5000
   -0.1585    0.5245    0.8365    2.0000
         0         0         0    1.0000

同时采集T_b_t，T_c_cal，testA，testB的数据，用于C++程序调试和验证。
matlab程序参见solve_hand_eye_equation.m,test_robot.m。

C++程序开发

首先实现公用接口solve_hand_eye_equation(),求解AX=XB，该接口与机器人无关，作为一个通用函数。
使用matlab采集testA,testB的数据验证。运行该功能的测试用例函数test_solve_hand_eye_equation(),结果如下

在这里插入图片描述

其次构造一个robot类，仅包含手眼标定功能，获取相机坐标系功能，以及相机坐标系参数。

class robot {
public:
	robot() = default;//默认构造函数
	robot(const robot& newRobot);//复制构造函数，方便创建新机器人
	int hand_eye_calibarate(int num, double T_b_t[][7], double T_c_cal[][7]);
	void get_hand_eye_param(double T[4][4]);
private:
	double H_b_c[4][4] = { {0} };//基坐标系到相机固定坐标系的齐次变换
	//double DHparam[6][5];机器人DH参数
protected:
};

最后实现手眼标定接口，接口主要实现把输入数据的四元数形式转换为旋转矩阵，构造A,B矩阵，最后调用solve_hand_eye_equation()求解方程AX=XB。运行该功能的测试用例函数hand_eye_calibarate() 结果如下,与matlab仿真验证的结果一致(使用matlab机器人模型采集的数据)，算法验证完成。

 T_b_t:
1.389353 -0.161673 -0.374760 -0.000012 -0.039367 -0.052134 0.997864
1.495724 -0.333834 -0.238036 -0.000190 -0.079298 -0.102923 0.991523
1.562537 -0.524060 -0.080913 -0.000948 -0.120277 -0.151058 0.981180
1.585289 -0.722849 0.093874 -0.002944 -0.162627 -0.195301 0.967161
1.561916 -0.919740 0.283137 -0.007023 -0.206449 -0.234523 0.949910
1.492980 -1.103947 0.483300 -0.014154 -0.251564 -0.267729 0.929966
1.381702 -1.265028 0.690486 -0.025352 -0.297486 -0.294087 0.907949
1.233814 -1.393543 0.900604 -0.041587 -0.343405 -0.312952 0.884537
1.057254 -1.481657 1.109443 -0.063695 -0.388197 -0.323880 0.860435
0.861714 -1.523652 1.312769 -0.092296 -0.430459 -0.326641 0.836356
T_c_cal:
-0.474389 -2.366986 -1.315044 -0.022235 -0.050624 -0.034793 0.997864
-0.569053 -2.470300 -1.093639 -0.045221 -0.100774 -0.068418 0.991523
-0.707189 -2.547185 -0.871851 -0.069796 -0.149797 -0.099877 0.981180
-0.883184 -2.590179 -0.657082 -0.096807 -0.196832 -0.128393 0.967161
-1.088846 -2.593220 -0.456094 -0.127029 -0.240827 -0.153420 0.949910
-1.313870 -2.552169 -0.274656 -0.161076 -0.280563 -0.174650 0.929966
-1.546457 -2.465225 -0.117259 -0.199323 -0.314694 -0.192005 0.907949
-1.774056 -2.333193 0.013063 -0.241839 -0.341809 -0.205610 0.884537
-1.984178 -2.159575 0.114821 -0.288338 -0.360497 -0.215766 0.860435
-2.165222 -1.950474 0.188031 -0.338148 -0.369429 -0.222904 0.836356
------------------标定前Tcam:----------------
0.000000   0.000000   0.000000   0.000000
0.000000   0.000000   0.000000   0.000000
0.000000   0.000000   0.000000   0.000000
0.000000   0.000000   0.000000   0.000000
------------------标定后Tcam:----------------
0.612370   -0.612373   0.500003   0.999996
0.774521   0.591504   -0.224143   1.499992
-0.158495   0.524521   0.836515   1.999987
0.000000   0.000000   0.000000    1.000000

小结

（1）不管是eye-to-hand系统，还是eye-in-hand系统，问题的关键都是转化为求解方程AX=XB。
（2）本文的所述方法不适用于scara机器人，这类方法可以得出唯一解的充分条件是至少有两次机械臂运动的旋转轴是非平行的。
（3）这里的仿真数据没有加入噪声，所以各种方法的计算结果都是一样的。实际应用中各种方法的结果应该是有一定差异的。

参考资料

[1]Shah, R. D. Eastman, T. Hong, An Overview of Robot-Sensor Calibration Methods for Evaluation of Perception Systems, Performance Metrics for Intelligent Systems, (2012).

[2]J. C. K. Chou, M. Kamel Finding the Position and Orientation of a Sensor on a Robot Manipulator Using Quaternions. In The International Journal of Robotics Research, 10(3): 240-254, 1991.

[3]R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/Eye Calibration. In IEEE Transactions on Robotics and Automation, 5(3):345-358, 1989.

[4]程玉立. 面向工业应用的机器人手眼标定与物体定位[D].浙江大学,2016.

[5]张云珠. 工业机器人手眼标定技术研究[D].哈尔滨工程大学,2010.

r on a Robot Manipulator Using Quaternions. In The International Journal of Robotics Research, 10(3): 240-254, 1991.

[3]R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/Eye Calibration. In IEEE Transactions on Robotics and Automation, 5(3):345-358, 1989.

[4]程玉立. 面向工业应用的机器人手眼标定与物体定位[D].浙江大学,2016.

[5]张云珠. 工业机器人手眼标定技术研究[D].哈尔滨工程大学,2010.

[6]William H. Press, Saul A. Teukolsky. Numerical Recipes: The Art of Scientific Computing (3rd Edition)

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/134574.html原文链接：https://javaforall.cn

【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛

【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

赞 (0)
全栈程序员-用户IM全栈程序员-用户IM
0 0
blank

相关推荐

  • C/C++常见面试知识点总结附面试真题—-20220326更新

    C/C++常见面试知识点总结附面试真题—-20220326更新

    C/C++常见面试知识点总结附面试真题—-20220326更新以下内容部分整理自网络，部分为自己面试的真题。第一部分：计算机基础1.C/C++内存有哪几种类型？C中，内存分为5个区：堆(malloc)、栈(如局部变量、函数参数)、程序代码区（存放二进制代码）、全局/静态存储区（全局变量、static变量）和常量存储区（常量）。此外，C++中有自由存储区（new）一说。2.堆和栈的区别？1).堆存放动态分配的对象——即那些在程序运行时分配的对象…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年7月15日
  • SQL学习收获与心得

    SQL学习收获与心得

    SQL学习收获与心得SQL或结构化查询语言是一种语言，旨在允许技术和非技术用户查询，操作和转换关系数据库中的数据。由于其简单性，SQL数据库为数百万个网站和移动应用程序提供安全且可扩展的存储。有许多流行的SQL数据库，包括MySQL，MSSQL和Oracle等等。所有这些都支持通用的SQL语言标准，这是该网站将要教授的内容，但每个实现可以在它支持的附加功能和存储类型方面有所不同。基本的sql语句:选择：se…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年8月21日
  • MapReduce InputFormat之FileInputFormat

    MapReduce InputFormat之FileInputFormat

    一：简单认识InputFormat类InputFormat主要用于描述输入数据的格式，提供了以下两个功能：1）、数据切分，按照某个策略将输入数据且分成若干个split，以便确定MapTask的个数即Mapper的个数，在MapReduce框架中，一个split就意味着需要一个MapTask;2)为Mapper提供输入数据，即给定一个spli…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年4月6日
  • php输出一张本地图片_java html转图片

    php输出一张本地图片_java html转图片

    php输出一张本地图片_java html转图片$img1=’data:p_w_picpath/png;base64,iVBORw0KGgoAAAANSUhEUgAAAlsAAAD4CAIAAABUsLRPAAAACXBIWXMAAA7EAAAOxAGVKw4bAAAgAElEQVR42uxdB3hUZdYeQBARXXVVEHDF1bXsumvHLnZFBVHsK6io9GZBaaH3GtJ7T0iZ9N577wQSIC…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年9月15日
  • Pytest（8）parametrize参数化[通俗易懂]

    Pytest（8）parametrize参数化[通俗易懂]

    Pytest（8）parametrize参数化[通俗易懂]前言当某个接口中的一个字段，里面规定的范围为1-5，你5个数字都要单独写一条测试用例，就太麻烦了，这个时候可以使用pytest.mark.parametrize装饰器可以实现测试用例参数化。官方示

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年7月28日
  • springboot自动装配原理简书_万能轧机的装配原理

    springboot自动装配原理简书_万能轧机的装配原理

    springboot自动装配原理简书_万能轧机的装配原理学习SpringBoot，绝对避不开自动装配这个概念，这也是SpringBoot的关键之一本人也是SpringBoot的初学者，下面的一些总结都是结合个人理解和实践得出的，如果有错误或者疏漏，请一定一定一定（不是欢迎，是一定）帮我指出，在评论区回复即可，一起学习！篇幅较长，希望你可以有耐心.如果只关心SpringBoot装配过程，可以直接跳到第7部分想要理解spring自动装配，需要明确两个含义：装配，装配什么？自动，怎么自动？文章目录1.Warmup1.1 setter注入1

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年8月22日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号