Harris关键点检测以及SAC-IA粗配准

一、Harris关键点检测

C++

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/io.h>
#include <pcl/keypoints/harris_3d.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/cloud_viewer.h> 
#include <pcl/common/common_headers.h>
using namespace std;int main(int, char** argv)
{pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);//要配准变化的点云pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_target(new pcl::PointCloud<pcl::PointXYZ>);//目标点云(不变的）if (pcl::io::loadPCDFile<pcl::PointXYZ>("pcd/pig_view1.pcd", *cloud) == -1){PCL_ERROR("加载点云失败\n");}if (pcl::io::loadPCDFile<pcl::PointXYZ>("pcd/pig_view2.pcd", *cloud_target) == -1){PCL_ERROR("加载点云失败\n");}pcl::PointCloud<pcl::PointXYZI>::Ptr keypoints1(new pcl::PointCloud<pcl::PointXYZI>);pcl::PointCloud<pcl::PointXYZI>::Ptr keypoints2(new pcl::PointCloud<pcl::PointXYZI>);pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());pcl::HarrisKeypoint3D<pcl::PointXYZ, pcl::PointXYZI> harris1;harris1.setSearchMethod(tree);harris1.setInputCloud(cloud);harris1.setNumberOfThreads(8);     //初始化调度器并设置要使用的线程数harris1.setRadius(4);  //方块半径harris1.setRadiusSearch(4);harris1.setNonMaxSupression(true);//harris1.setThreshold(1E-6);harris1.compute(*keypoints1);pcl::HarrisKeypoint3D<pcl::PointXYZ, pcl::PointXYZI> harris2;harris2.setSearchMethod(tree);harris2.setInputCloud(cloud_target);harris2.setNumberOfThreads(8);     //初始化调度器并设置要使用的线程数harris2.setRadius(4);  //方块半径harris2.setRadiusSearch(4);harris2.setNonMaxSupression(true);//harris2.setThreshold(1E-6);harris2.compute(*keypoints2);pcl::PointIndicesConstPtr keypoints1_indices = harris1.getKeypointsIndices();pcl::PointCloud<pcl::PointXYZ>::Ptr keys1(new pcl::PointCloud<pcl::PointXYZ>);pcl::copyPointCloud(*cloud, *keypoints1_indices, *keys1);pcl::PointIndicesConstPtr keypoints2_indices = harris2.getKeypointsIndices();pcl::PointCloud<pcl::PointXYZ>::Ptr keys2(new pcl::PointCloud<pcl::PointXYZ>);pcl::copyPointCloud(*cloud_target, *keypoints2_indices, *keys2);关键点显示boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer1(new pcl::visualization::PCLVisualizer("v1"));viewer1->setBackgroundColor(0, 0, 0);viewer1->setWindowName("Harris");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> in_color1(keys1, 0.0, 255.0, 0.0);viewer1->addPointCloud<pcl::PointXYZ>(keys1, in_color1, "key_color");//特征点viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "key_color");while (!viewer1->wasStopped()){viewer1->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer2(new pcl::visualization::PCLVisualizer("v2"));viewer2->setBackgroundColor(0, 0, 0);viewer2->setWindowName("Harris");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> in_color2(keys2, 0.0, 255.0, 0.0);viewer2->addPointCloud<pcl::PointXYZ>(keys2, in_color2, "key_color");//特征点viewer2->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "key_color");while (!viewer2->wasStopped()){viewer2->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer3(new pcl::visualization::PCLVisualizer("v3"));viewer3->setBackgroundColor(0, 0, 0);viewer3->setWindowName("Harris");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> in_color3(cloud, 0.0, 255.0, 0.0);viewer3->addPointCloud<pcl::PointXYZ>(cloud, in_color3, "in_color");viewer3->addPointCloud<pcl::PointXYZ>(keys1, "key_color");//特征点viewer3->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "key_color");viewer3->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1.0, 0.0, 0.0, "key_color");while (!viewer3->wasStopped()){viewer3->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer4(new pcl::visualization::PCLVisualizer("v4"));viewer4->setBackgroundColor(0, 0, 0);viewer4->setWindowName("Harris");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> in_color4(cloud_target, 0.0, 255.0, 0.0);viewer4->addPointCloud<pcl::PointXYZ>(cloud_target, in_color4, "in_color");viewer4->addPointCloud<pcl::PointXYZ>(keys2, "key_color");//特征点viewer4->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "key_color");viewer4->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1.0, 0.0, 0.0, "key_color");while (!viewer4->wasStopped()){viewer4->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}return 0;}

关键代码解析：


pcl::PointCloudpcl::PointXYZI::Ptr keypoints1(new pcl::PointCloudpcl::PointXYZI);
pcl::search::KdTreepcl::PointXYZ::Ptr tree(new pcl::search::KdTreepcl::PointXYZ());
pcl::HarrisKeypoint3D<pcl::PointXYZ, pcl::PointXYZI> harris1;
harris1.setSearchMethod(tree);
harris1.setInputCloud(cloud);
harris1.setNumberOfThreads(8);     //初始化调度器并设置要使用的线程数
harris1.setRadius(4);  //方块半径
harris1.setRadiusSearch(4);
harris1.setNonMaxSupression(true);
harris1.setThreshold(1E-6);
harris1.compute(*keypoints1);
pcl::PointIndicesConstPtr keypoints1_indices = harris1.getKeypointsIndices();
pcl::PointCloudpcl::PointXYZ::Ptr keys1(new pcl::PointCloudpcl::PointXYZ);
pcl::copyPointCloud(*cloud, *keypoints1_indices, *keys1);

  1. pcl::PointCloud<pcl::PointXYZI>::Ptr keypoints1(new pcl::PointCloud<pcl::PointXYZI>);：创建一个指向包含带有强度信息的三维关键点的点云的指针。harris1.compute()成员函数只能放入pcl::PointCloud<pcl::PointXYZI>类型的变量。

  2. pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());：创建一个KD树搜索对象的指针，用于在点云中搜索最近邻点。

  3. pcl::HarrisKeypoint3D<pcl::PointXYZ, pcl::PointXYZI> harris1;：创建一个Harris角点检测对象。这里指定输入点的类型为pcl::PointXYZ，输出点的类型为pcl::PointXYZI，即带有强度信息的点。

  4. harris1.setSearchMethod(tree);：设置Harris角点检测中使用的搜索方法为KD树搜索。

  5. harris1.setInputCloud(cloud);：设置输入点云，即要在其上执行Harris角点检测的点云。

  6. harris1.setNumberOfThreads(8);：初始化并设置用于计算的线程数。在这里，设置为8个线程。

  7. harris1.setRadius(4);：设置用于Harris角点检测的立方体的半边长。这个参数用于确定局部区域以计算Harris角点响应。

  8. harris1.setRadiusSearch(4);：设置用于搜索最近邻点的球形邻域的半径。这个参数控制着点云中每个点的邻域大小。

  9. harris1.setNonMaxSupression(true);：设置是否进行非最大抑制，以在检测到的角点之间进行抑制，只保留局部最大值。

  10. harris1.setThreshold(1E-6);：设置Harris响应阈值。只有大于此阈值的角点才会被保留。

  11. harris1.compute(*keypoints1);：执行Harris角点检测，并将检测到的角点存储在keypoints1中。

  12. pcl::PointIndicesConstPtr keypoints1_indices = harris1.getKeypointsIndices();：获取检测到的角点的索引。

  13. pcl::PointCloud<pcl::PointXYZ>::Ptr keys1(new pcl::PointCloud<pcl::PointXYZ>);：创建一个新的点云对象，用于存储没有强度信息的角点。

  14. pcl::copyPointCloud(*cloud, *keypoints1_indices, *keys1);：将检测到的角点从原始点云中复制到新创建的点云对象中。

这些参数的设置会影响Harris角点检测的性能和结果。例如，调整半径、阈值和是否进行非最大抑制会影响检测到的角点数量和质量。增加线程数可以加速计算，但也会增加计算资源的消耗。

结果：

输入点云的关键点 

 输出点云的关键点 

 

输入点云的关键点与输入点云一起展示 

 

输出点云的关键点与输出点云一起展示  

 

二、NARF关键点检测及SAC-IA粗配准  

C++

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/io.h>
#include <pcl/keypoints/harris_3d.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/features/fpfh_omp.h>  
#include <pcl/common/common_headers.h>
#include <pcl/registration/ia_ransac.h>
using namespace std;
void extract_keypoint(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, pcl::PointCloud<pcl::PointXYZI>::Ptr& keypoint)
{pcl::HarrisKeypoint3D<pcl::PointXYZ, pcl::PointXYZI> harris;pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());harris.setSearchMethod(tree);harris.setInputCloud(cloud);harris.setNumberOfThreads(8);     //初始化调度器并设置要使用的线程数harris.setRadius(4);  //方块半径harris.setRadiusSearch(4);harris.setNonMaxSupression(true);//harris.setThreshold(1E-6);harris.compute(*keypoint);}
pcl::PointCloud<pcl::FPFHSignature33>::Ptr compute_fpfh_feature(pcl::PointCloud<pcl::PointXYZI>::Ptr& keypoint)
{pcl::search::KdTree<pcl::PointXYZI>::Ptr tree;pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);pcl::NormalEstimation<pcl::PointXYZI, pcl::Normal> n;n.setInputCloud(keypoint);n.setSearchMethod(tree);n.setKSearch(10);n.compute(*normals);pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh(new pcl::PointCloud<pcl::FPFHSignature33>);pcl::FPFHEstimationOMP<pcl::PointXYZI, pcl::Normal, pcl::FPFHSignature33> f;f.setNumberOfThreads(8);f.setInputCloud(keypoint);f.setInputNormals(normals);f.setSearchMethod(tree);f.setRadiusSearch(50);f.compute(*fpfh);return fpfh;
}
pcl::PointCloud<pcl::PointXYZ>::Ptr sac_align(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, pcl::PointCloud<pcl::PointXYZI>::Ptr s_k, pcl::PointCloud<pcl::PointXYZI>::Ptr t_k, pcl::PointCloud<pcl::FPFHSignature33>::Ptr sk_fpfh, pcl::PointCloud<pcl::FPFHSignature33>::Ptr tk_fpfh)
{pcl::SampleConsensusInitialAlignment<pcl::PointXYZ, pcl::PointXYZ, pcl::FPFHSignature33> scia;pcl::PointCloud<pcl::PointXYZ>::Ptr s_k1(new pcl::PointCloud<pcl::PointXYZ>);pcl::PointCloud<pcl::PointXYZ>::Ptr t_k1(new pcl::PointCloud<pcl::PointXYZ>);pcl::copyPointCloud(*s_k, *s_k1);pcl::copyPointCloud(*t_k, *t_k1);scia.setInputSource(s_k1);scia.setInputTarget(t_k1);scia.setSourceFeatures(sk_fpfh);scia.setTargetFeatures(tk_fpfh);scia.setMinSampleDistance(7);///参数：设置采样点之间的最小距离，满足的被当做采样点scia.setNumberOfSamples(100);设置每次迭代设置采样点的个数(这个参数多可以增加配准精度)scia.setCorrespondenceRandomness(6);//设置选择随机特征对应点时要使用的邻域点个数。值越大，特征匹配的随机性就越大pcl::PointCloud<pcl::PointXYZ>::Ptr sac_result(new pcl::PointCloud<pcl::PointXYZ>);scia.align(*sac_result);pcl::transformPointCloud(*cloud, *sac_result, scia.getFinalTransformation());return sac_result;
}
int main(int, char** argv)
{pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);//要配准变化的点云pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_target(new pcl::PointCloud<pcl::PointXYZ>);//目标点云(不变的）if (pcl::io::loadPCDFile<pcl::PointXYZ>("pcd/pig_view1.pcd", *cloud) == -1){PCL_ERROR("加载点云失败\n");}if (pcl::io::loadPCDFile<pcl::PointXYZ>("pcd/pig_view2.pcd", *cloud_target) == -1){PCL_ERROR("加载点云失败\n");}boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer1(new pcl::visualization::PCLVisualizer("v2"));viewer1->setWindowName("Harris");viewer1->setBackgroundColor(0, 0, 0);  //设置背景颜色为黑色// 对目标点云着色可视化 (red).pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>target_color1(cloud_target, 255, 0, 0);viewer1->addPointCloud<pcl::PointXYZ>(cloud_target, target_color1, "target cloud");viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "target cloud");// 对源点云着色可视化 (green).pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>input_color1(cloud, 0, 255, 0);viewer1->addPointCloud<pcl::PointXYZ>(cloud, input_color1, "input cloud");viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "input cloud");while (!viewer1->wasStopped()){viewer1->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}///粗配准pcl::PointCloud<pcl::PointXYZI>::Ptr s_k(new pcl::PointCloud<pcl::PointXYZI>);pcl::PointCloud<pcl::PointXYZI>::Ptr t_k(new pcl::PointCloud<pcl::PointXYZI>);extract_keypoint(cloud, s_k);extract_keypoint(cloud_target, t_k);pcl::PointCloud<pcl::FPFHSignature33>::Ptr sk_fpfh = compute_fpfh_feature(s_k);pcl::PointCloud<pcl::FPFHSignature33>::Ptr tk_fpfh = compute_fpfh_feature(t_k);pcl::PointCloud<pcl::PointXYZ>::Ptr result(new pcl::PointCloud<pcl::PointXYZ>);result = sac_align(cloud, s_k, t_k, sk_fpfh, tk_fpfh);//可视化cout << "读取点云个数: " << cloud->points.size() << endl;cout << "Harris_3D points 的提取结果为 " << s_k->points.size() << endl;//配准可视化boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer2(new pcl::visualization::PCLVisualizer("v2"));viewer2->setWindowName("Harris");viewer2->setBackgroundColor(0, 0, 0);  //设置背景颜色为黑色// 对目标点云着色可视化 (red).pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>target_color2(cloud_target, 255, 0, 0);viewer2->addPointCloud<pcl::PointXYZ>(cloud_target, target_color2, "target cloud");viewer2->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "target cloud");// 对源点云着色可视化 (green).pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>input_color2(result, 0, 255, 0);viewer2->addPointCloud<pcl::PointXYZ>(result, input_color2, "input cloud");viewer2->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "input cloud");while (!viewer2->wasStopped()){viewer2->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100));}return 0;
}

关键代码解析：

我之前在iss关键点检测以及SAC-IA粗配准-CSDN博客

和本章第一部分已经解释了大部分函数，这里就不赘述了

结果：

输入点云与输出点云

配准后的输入点云与输出点云，实际效果相对较好，运行不算慢，只要一两分钟就能出结果 

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。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。如若转载，请注明出处：http://www.mzph.cn/news/684578.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

摸索设计模式的魅力：从策略模式看软件设计的智慧-灵活应对变化的艺术

摸索设计模式的魅力：从策略模式看软件设计的智慧-灵活应对变化的艺术

设计模式专栏&#xff1a;http://t.csdnimg.cn/U54zu 目录 一、案例场景1.1 一坨坨代码实现1.2 存在的问题 二、使用策略模式解决问题2.1 使用策略模式重构代码2.2 克服了问题 三、模式讲解3.1 结构图及说明3.2 实现步骤和注意事项3.3 适用场景 四、优势和局限性4.1 优势4.2 局…
阅读更多...
JSP原理简述

JSP原理简述

JSP动态网页技术&#xff0c;可以定义html&#xff0c;css&#xff0c;js等静态内容&#xff0c;还可以定义java代码等动态内容。 注意导入坐标时&#xff0c;JSP的scope标签是provided&#xff0c;和servlet一样&#xff0c;否则会报错。 JSP本质上就是一个Servlet&#xff0c…
阅读更多...
微信小程序的疑惑总结

微信小程序的疑惑总结

未解决&#xff1a; 1.storebindings 这里的storebindings是什么 2.空行怎么写&#xff1f; 我用这个<text>\n</text>写&#xff0c;在模拟器上好使&#xff0c;在真机上显示\n 解决方法&#xff1a;在组件里写class类名&#xff0c;wxss里面改高度 已解决&am…
阅读更多...
GAN生成对抗性网络

GAN生成对抗性网络

一、GAN原理 出发点&#xff1a;机器学习中生成模型的问题 无监督学习是机器学习和未来人工智能的突破点&#xff0c;生成模型是无监督学习的关键部分 特点&#xff1a; 不需要MCMC或者变分贝叶斯等复杂的手段&#xff0c;只需要在G和D中对应的多层感知机中运行反向传播或者…
阅读更多...
NetMizer 日志管理系统 多处前台RCE漏洞复现

NetMizer 日志管理系统 多处前台RCE漏洞复现

0x01 产品简介 NetMizer是提供集成应用交付和应用安全解决方案以实现业务智能网络的优秀全球供应商,为全球企业和运营商提供确保关键业务应用的全面可用性、高性能和完善的安全性的解决方案。 0x02 漏洞概述 NetMizer 日志管理系统position.php、hostdelay.php、等接口处存在…
阅读更多...
Android---Jetpack Compose学习006

Android---Jetpack Compose学习006

1. 点击 clickable 修饰符允许应用检测对已应用该修饰符的元素的点击。 示例&#xff1a;点击控件&#xff0c;使得内容发生改变 class MainActivity : ComponentActivity() {override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)setCo…
阅读更多...
比较不相交5点结构的顺序

比较不相交5点结构的顺序

( A, B )---6*30*2---( 1, 0 )( 0, 1 ) 让网络的输入只有6个节点&#xff0c;AB训练集各由6张二值化的图片组成&#xff0c;让差值结构有5个点&#xff0c;收敛误差7e-4&#xff0c;收敛199次&#xff0c;统计迭代次数平均值并排序。 如果行和列可以自由的变换&#xff0c;5个…
阅读更多...
Java中的Stack的基本讲解

Java中的Stack的基本讲解

目录 一、创建栈 二、Stack的一些常用方法 对于栈的基本概念,我就不细说了&#xff0c;后进先出。比如1,2,3,依次进栈&#xff0c;那么出栈就是3&#xff0c;2&#xff0c;1。 一、创建栈 Stack<引用数据类型&#xff0c;基本数据类使用包装类> snew Stack<>();St…
阅读更多...
杂谈--spconv导出中onnx的扩展阅读

杂谈--spconv导出中onnx的扩展阅读

Onnx 使用 Onnx 介绍 Onnx (Open Neural Network Exchange) 的本质是一种 Protobuf 格式文件&#xff0c;通常看到的 .onnx 文件其实就是通过 Protobuf 序列化储存的文件。onnx-ml.proto 通过 protoc (Protobuf 提供的编译程序) 编译得到 onnx-ml.pb.h 和 onnx-ml.pb.cc 或 on…
阅读更多...
Linux第55步_根文件系统第2步_测试使用busybox生成的根文件系统

Linux第55步_根文件系统第2步_测试使用busybox生成的根文件系统

测试使用busybox生成的根文件系统。测试内容较多&#xff0c;很杂。 1、修改“nfs-kernel-server” 1)、打开终端 输入“sudo vi /etc/default/nfs-kernel-server回车”&#xff0c;打开“nfs-kernel-server”文件。 输入密码“123456回车” 见下图&#xff1a; 2)、在最后…
阅读更多...
Filezilla:文件无法传输的问题

Filezilla:文件无法传输的问题

问题 解决方法 我发现我站点管理器原本设置的是FTP, 改成了SFTP就可以正常传输 FTP和SFTP 安全通道&#xff1a;FTP不提供安全通道&#xff0c;SFTP提供安全通道。 传输协议&#xff1a;FTP使用TCP/IP协议&#xff0c;SFTP是SSH协议的一部分。 最后由于SFTP使用了加密解密技…
阅读更多...
【并发编程】AQS原理

【并发编程】AQS原理

&#x1f4dd;个人主页&#xff1a;五敷有你 &#x1f525;系列专栏&#xff1a;并发编程 ⛺️稳中求进&#xff0c;晒太阳 1. 概述 全称是 AbstractQueuedSynchronizer&#xff0c;是阻塞式锁和相关的同步器工具的框架 特点&#xff1a; 用 state 属性来表示资源的状…
阅读更多...
用HTML Canvas和JavaScript创建美丽的花朵动画效果

用HTML Canvas和JavaScript创建美丽的花朵动画效果

目录 一、程序代码 二、代码原理 三、运行效果 一、程序代码 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>炫酷花朵</title><style>* {margin: 0;padding: 0;overflow: hidden;bac…
阅读更多...
vue中mapState应用场景及代码示例

vue中mapState应用场景及代码示例

这篇文章我们讨论 Vue.js 中 mapState 的详细解释、应用场景、示例代码和使用优势。 mapState 详解&#xff1a; mapState 是 Vuex 中的一个辅助函数&#xff0c;用于将状态映射到组件的计算属性或 methods 中。它允许组件更方便地访问和使用 Vuex 存储中的状态。 通过 map…
阅读更多...
H5 粒子特效引导页源码

H5 粒子特效引导页源码

H5 粒子特效引导页源码 源码介绍&#xff1a;一款粒子特效引导页源码&#xff0c;带彩色文字和4个按钮。 下载地址&#xff1a; https://www.changyouzuhao.cn/10222.html
阅读更多...
红色警戒 3 修改游戏速度

红色警戒 3 修改游戏速度

原文&#xff1a;https://blog.iyatt.com/?p13852 红警 2 是有提供游戏速度修改的&#xff0c;红警 3 没有&#xff0c;而且游戏速度似乎和 FPS 关联的&#xff0c;在配置低一些的电脑上会变慢&#xff0c;FPS 也降低&#xff0c;我电脑上开最高画质 FPS 不超过 30&#xff0c…
阅读更多...
抽象的问题1

抽象的问题1

vue3&#xff0c;在使用v-mode绑定属性时&#xff0c;发生了奇怪的问题&#xff0c;渲染失败了 代码如下 <template><div><form><div>账号<input v-model"form_user_Data.username" type"text"></div><div>密…
阅读更多...
【Python--Web应用框架大比较】

【Python--Web应用框架大比较】

&#x1f680; 作者 &#xff1a;“码上有前” &#x1f680; 文章简介 &#xff1a;Python &#x1f680; 欢迎小伙伴们 点赞&#x1f44d;、收藏⭐、留言&#x1f4ac; Django Django太重了&#xff0c;除了web框架&#xff0c;自带ORM和模板引擎&#xff0c;灵活和自由度不…
阅读更多...
nba2k24 丁彦雨航面补

nba2k24 丁彦雨航面补

nba2k24 丁彦雨航面补 nba2k23-nba2k24通用 丁彦雨航面补 下载地址&#xff1a; https://www.changyouzuhao.cn/9528.html
阅读更多...
free pascal：fpwebview 组件通过 JSBridge 调用本机TTS

free pascal：fpwebview 组件通过 JSBridge 调用本机TTS

从 https://github.com/PierceNg/fpwebview 下载 fpwebview-master.zip 简单易用。 先请看 \fpwebview-master\README.md cd \lazarus\projects\fpwebview-master\demo\js_bidir 学习 js_bidir.lpr &#xff0c;编写 js_bind_speak.lpr 如下&#xff0c;通过 JSBridge 调用本…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023