【自动驾驶坐标系基础】Frenet坐标系和Cartesian坐标系的相互转换

Frenet坐标系和Cartesian坐标系的相互转换

2023.12.12

1 变量含义

在这里插入图片描述

  • Frenet和Cartesian相互转换即 [ s , s ˙ , s ¨ , d , d ˙ , d ¨ ] ↔ [ X , θ x , κ x , v x , a x ] [s,\dot{s},\ddot{s},d,\dot{d},\ddot{d}] \leftrightarrow[\boldsymbol{X},\theta_x,\kappa_x,v_x,a_x] [s,s˙,s¨,d,d˙,d¨][X,θx,κx,vx,ax]

  • 还要用到的中间变量有 n x , t x , n r , t r , r , d ′ , d ′ ′ , θ r , Δ θ , κ r , κ x ′ , κ r ′ \boldsymbol{n_x},\boldsymbol{t_x},\boldsymbol{n_r},\boldsymbol{t_r},\boldsymbol{r},d',d'',\theta_r,\Delta\theta,\kappa_r,\kappa_x',\kappa_r' nx,tx,nr,tr,r,d,d′′,θr,Δθ,κr,κx,κr

  • 各变量含义:

    变量含义
    X \boldsymbol{X} XCartesian坐标系下的坐标( X = [ x , y ] \boldsymbol{X}=[x,y] X=[x,y])
    r \boldsymbol{r} rtrajectory上的点 X \boldsymbol{X} X对应center line上最近点的Cartesian坐标
    v x , a x v_x,a_x vx,axCartesian坐标系下的速度加速度
    s , s ˙ , s ¨ s,\dot{s},\ddot{s} s,s˙,s¨Frenet坐标系下的纵向坐标及其对时间的高阶导( d d t \frac{d}{dt} dtd)
    s x s_x sxtrajectory的弧长(注:centerline弧长 s r s_r sr默认写成 s s s)
    d , d ˙ , d ¨ d,\dot{d},\ddot{d} d,d˙,d¨Frenet坐标系下的横向坐标及其对时间的高阶导( d d t \frac{d}{dt} dtd)
    d ′ , d ′ ′ d',d'' d,d′′Frenet坐标系下的横向坐标对纵向坐标的高阶导( d d s \frac{d}{ds} dsd)
    θ x , θ r \theta_x,\theta_r θx,θrCartesian坐标系下trajectory/center line的切线与x轴的夹角
    θ r ′ \theta_r' θr θ r ′ = d θ r d s r = κ r \theta_r'=\frac{d\theta_r}{ds_r}=\kappa_r θr=dsrdθr=κr
    Δ θ \Delta\theta Δθ Δ θ = θ x − θ r \Delta\theta = \theta_x - \theta_r Δθ=θxθr
    n x , t x \boldsymbol{n_x},\boldsymbol{t_x} nx,txCartesian坐标系下trajectory的法线和切线
    n x = [ − s i n θ x , c o s θ x ] T \boldsymbol{n_x}=[-sin{\theta_x},cos{\theta_x}]^T nx=[sinθx,cosθx]T
    t x = [ c o s θ x , s i n θ x ] T \boldsymbol{t_x}=[cos{\theta_x},sin{\theta_x}]^T tx=[cosθx,sinθx]T
    n r , t r \boldsymbol{n_r},\boldsymbol{t_r} nr,trCartesian坐标系下center line的法线和切线
    n r = [ − s i n θ r , c o s θ r ] T \boldsymbol{n_r}=[-sin{\theta_r},cos{\theta_r}]^T nr=[sinθr,cosθr]T
    t r = [ c o s θ r , s i n θ r ] T \boldsymbol{t_r}=[cos{\theta_r},sin{\theta_r}]^T tr=[cosθr,sinθr]T
    κ x , κ r \kappa_x,\kappa_r κx,κrCartesian坐标系下trajectory/center line的曲率
    κ x ′ , κ r ′ \kappa_x',\kappa_r' κx,κrCartesian坐标系下trajectory/center line的曲率对纵向坐标的导数( d d s \frac{d}{ds} dsd)
2 推导

先来推导 d ˙ \dot{d} d˙,由图像容易看出, d = ( x − r ) T n r d=(\boldsymbol{x}-\boldsymbol{r})^T\boldsymbol{n_r} d=(xr)Tnr,两边对t求导得:
d ˙ = [ x ˙ − r ˙ ] T n r + [ x − r ] T n ˙ r \dot{d}=[\dot{x}-\dot{r}]^T\boldsymbol{n}_r+[x-r]^T\dot{\boldsymbol{n}}_r d˙=[x˙r˙]Tnr+[xr]Tn˙r
x ˙ \dot{x} x˙很直观, x ˙ = v x t x \dot{x}=v_x\boldsymbol{t_x} x˙=vxtx,由[变化量很小时,弧长=割线=切线]的思想, r ˙ = s ˙ t r \dot{r}=\dot{s}\boldsymbol{t_r} r˙=s˙tr,最难求的是 n ˙ r \dot{\boldsymbol{n}}_r n˙r,由于 n r = [ − s i n θ r , c o s θ r ] T \boldsymbol{n_r}=[-sin{\theta_r},cos{\theta_r}]^T nr=[sinθr,cosθr]T,两边对时间求导,得到 n ˙ r = [ − cos ⁡ θ r , − s i n θ r ] T θ r ˙ = − t r θ r ′ s ˙ = − t r κ r s ˙ \dot{\boldsymbol{n}}_r=[-\cos{\theta_r},-sin{\theta_r}]^T\dot{\theta_r}=-\boldsymbol{t_r}\theta_r'\dot{s}=-\boldsymbol{t_r}\kappa_r\dot{s} n˙r=[cosθr,sinθr]Tθr˙=trθrs˙=trκrs˙,从而:
d ˙ = v x t x T n r − s ˙ t r T n r − [ x − r ] T t r κ r s ˙ = v x t x T n r ( t r , n r 正交 ; [ x − r ] , t r 正交) = v x [ c o s θ x , s i n θ x ] [ − s i n θ r , c o s θ r ] T = v x sin ⁡ Δ θ \dot{d}=v_x\boldsymbol{t_x}^T\boldsymbol{n}_r-\dot{s}\boldsymbol{t_r}^T\boldsymbol{n}_r-[x-r]^T\boldsymbol{t_r}\kappa_r\dot{s} \\=v_x\boldsymbol{t_x}^T\boldsymbol{n}_r(\boldsymbol{t_r},\boldsymbol{n}_r正交;[x-r],\boldsymbol{t_r}正交) \\=v_x[cos{\theta_x},sin{\theta_x}][-sin{\theta_r},cos{\theta_r}]^T \\=v_x\sin{\Delta\theta} d˙=vxtxTnrs˙trTnr[xr]Ttrκrs˙=vxtxTnrtr,nr正交;[xr],tr正交)=vx[cosθx,sinθx][sinθr,cosθr]T=vxsinΔθ
下面推导 d ′ d' d
d ′ = d d d s = d d d t d t d s = d ˙ s ˙ = 1 s ˙ v x sin ⁡ Δ θ d'=\frac{dd}{ds}=\frac{dd}{dt}\frac{dt}{ds}=\frac{\dot{d}}{\dot{s}}=\frac{1}{\dot{s}}v_x\sin{\Delta\theta} d=dsdd=dtdddsdt=s˙d˙=s˙1vxsinΔθ
要把未知量 s ˙ \dot{s} s˙消掉,通过 v x v_x vx来消:
v x = ∣ ∣ x ˙ ∣ ∣ 2 = ∣ ∣ d ( r + d n r ) d t ∣ ∣ 2 = s ˙ t r + d ˙ n r − d t r κ r s ˙ = ∣ ∣ [ t r , n r ] [ 1 − κ r d 0 0 1 ] [ s ˙ d ˙ ] ∣ ∣ 2 = ( 1 − κ r d ) 2 s ˙ 2 + d ˙ 2 = ( 1 − κ r d ) 2 s ˙ 2 + d ′ 2 s ˙ 2 v_x = ||\dot{x}||_2=||\frac{d(\boldsymbol{r}+d\boldsymbol{n}_r)}{dt}||_2 \\=\dot{s}\boldsymbol{t}_r+\dot{d}\boldsymbol{n}_r-d\boldsymbol{t_r}\kappa_r\dot{s} \\=||[\boldsymbol{t_r},\boldsymbol{n_r}] \begin{bmatrix} 1-\kappa_rd & 0 \\ 0 & 1 \\ \end{bmatrix} \begin{bmatrix} \dot{s} \\ \dot{d} \\ \end{bmatrix}||_2 \\=\sqrt{(1-\kappa_rd)^2\dot{s}^2+\dot{d}^2} \\=\sqrt{(1-\kappa_rd)^2\dot{s}^2+d'^2\dot{s}^2} vx=∣∣x˙2=∣∣dtd(r+dnr)2=s˙tr+d˙nrdtrκrs˙=∣∣[tr,nr][1κrd001][s˙d˙]2=(1κrd)2s˙2+d˙2 =(1κrd)2s˙2+d′2s˙2
代入可得:
d ′ 2 = ( 1 s ˙ v x sin ⁡ Δ θ ) 2 = [ ( 1 − κ r d ) 2 + d ′ 2 ] sin ⁡ 2 Δ θ ↓ d ′ ( 1 − sin ⁡ 2 Δ θ ) = ( 1 − κ r d ) 2 sin ⁡ 2 Δ θ ↓ d ′ = ( 1 − κ r d ) tan ⁡ Δ θ d'^2=(\frac{1}{\dot{s}}v_x\sin{\Delta\theta})^2=[(1-\kappa_rd)^2+d'^2]\sin^2{\Delta\theta} \\\downarrow \\ d'(1-\sin^2{\Delta\theta})= (1-\kappa_rd)^2\sin^2{\Delta\theta} \\\downarrow \\ d'=(1-\kappa_rd)\tan{\Delta\theta} d′2=(s˙1vxsinΔθ)2=[(1κrd)2+d′2]sin2Δθd(1sin2Δθ)=(1κrd)2sin2Δθd=(1κrd)tanΔθ
下面推导 d ′ ′ d'' d′′
d ′ ′ = d d d d s d s = d d ′ d s = ( − κ r ′ d − κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ d Δ θ d s = − ( κ r ′ d + κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ ( d θ x d s − d θ r d s ) = − ( κ r ′ d + κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ ( d θ x d s x d s x d s − κ r ) = − ( κ r ′ d + κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ ( d θ x d s x d s x / d t d s / d t − κ r ) = − ( κ r ′ d + κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ ( κ x v x s ˙ − κ r ) d''=\frac{d\frac{dd}{ds}}{ds}=\frac{dd'}{ds}=(-\kappa_r'd-\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}\frac{d\Delta\theta}{ds} \\=-(\kappa_r'd+\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}(\frac{d\theta_x}{ds}-\frac{d\theta_r}{ds}) \\=-(\kappa_r'd+\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}(\frac{d\theta_x}{ds_x}\frac{ds_x}{ds}-\kappa_r) \\=-(\kappa_r'd+\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}(\frac{d\theta_x}{ds_x}\frac{ds_x/dt}{ds/dt}-\kappa_r) \\=-(\kappa_r'd+\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}(\kappa_x\frac{v_x}{\dot{s}}-\kappa_r) d′′=dsddsdd=dsdd=(κrdκrd)tanΔθ+(1κrd)cos2Δθ1dsdΔθ=(κrd+κrd)tanΔθ+(1κrd)cos2Δθ1(dsdθxdsdθr)=(κrd+κrd)tanΔθ+(1κrd)cos2Δθ1(dsxdθxdsdsxκr)=(κrd+κrd)tanΔθ+(1κrd)cos2Δθ1(dsxdθxds/dtdsx/dtκr)=(κrd+κrd)tanΔθ+(1κrd)cos2Δθ1(κxs˙vxκr)

需要把未知量 s ˙ \dot{s} s˙消掉,由 0 = ( x − r ) T t r 0=(x-r)^T\boldsymbol{t}_r 0=(xr)Ttr两边对时间求导:
0 = ( x ˙ − r ˙ ) T t r + ( x − r ) T t ˙ r 0 = v x t x T t r − s ˙ t r T t r + ( x − r ) T n r κ r s ˙ 0 = v x cos ⁡ Δ θ − s ˙ ( 1 − κ r d ) ↓ v x = s ˙ 1 − κ r d cos ⁡ Δ θ 0=(\dot{x}-\dot{r})^T\boldsymbol{t}_r+(x-r)^T\dot{\boldsymbol{t}}_r \\0=v_x\boldsymbol{t}_x^T\boldsymbol{t}_r-\dot{s}\boldsymbol{t}_r^T\boldsymbol{t}_r+(x-r)^T\boldsymbol{n}_r\kappa_r\dot{s} \\0=v_x\cos{\Delta\theta}-\dot{s}(1-\kappa_rd) \\\downarrow \\v_x=\dot{s}\frac{1-\kappa_rd}{\cos{\Delta\theta}} 0=(x˙r˙)Ttr+(xr)Tt˙r0=vxtxTtrs˙trTtr+(xr)Tnrκrs˙0=vxcosΔθs˙(1κrd)vx=s˙cosΔθ1κrd
代入,得到:
d ′ ′ = − ( κ r ′ d + κ r d ′ ) tan ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ ( κ x 1 − κ r d cos ⁡ Δ θ − κ r ) d''=-(\kappa_r'd+\kappa_rd')\tan{\Delta\theta}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}(\kappa_x\frac{1-\kappa_rd}{\cos{\Delta\theta}}-\kappa_r) d′′=(κrd+κrd)tanΔθ+(1κrd)cos2Δθ1(κxcosΔθ1κrdκr)
由上上式也可以求得 s ˙ \dot{s} s˙
s ˙ = v x cos ⁡ Δ θ 1 − κ r d \dot{s}=v_x\frac{\cos{\Delta\theta}}{1-\kappa_rd} s˙=vx1κrdcosΔθ
最后来求 s ¨ \ddot{s} s¨,由 a x = v ˙ x a_x=\dot{v}_x ax=v˙x
a x = v ˙ x = s ¨ 1 − κ r d cos ⁡ Δ θ + s ˙ d s d t d d s 1 − κ r d cos ⁡ Δ θ = s ¨ 1 − κ r d cos ⁡ Δ θ + s ˙ 2 [ ( − κ r ′ d − κ r d ′ ) 1 cos ⁡ Δ θ + ( 1 − κ r d ) 1 cos ⁡ 2 Δ θ sin ⁡ ( Δ θ ) Δ θ ′ ] = s ¨ 1 − κ r d cos ⁡ Δ θ + s ˙ 2 1 cos ⁡ ( Δ θ ) [ ( − κ r ′ d − κ r d ′ ) + ( 1 − κ r d ) tan ⁡ ( Δ θ ) Δ θ ′ ] a_x=\dot{v}_x=\ddot{s}\frac{1-\kappa_rd}{\cos{\Delta\theta}}+\dot{s}\frac{ds}{dt}\frac{d}{ds}\frac{1-\kappa_rd}{\cos{\Delta\theta}} \\=\ddot{s}\frac{1-\kappa_rd}{\cos{\Delta\theta}}+\dot{s}^2[(-\kappa_r'd-\kappa_rd')\frac{1}{\cos{\Delta\theta}}+(1-\kappa_rd)\frac{1}{\cos^2{\Delta\theta}}\sin(\Delta\theta)\Delta\theta'] \\=\ddot{s}\frac{1-\kappa_rd}{\cos{\Delta\theta}}+\dot{s}^2\frac{1}{\cos(\Delta\theta)}[(-\kappa_r'd-\kappa_rd')+(1-\kappa_rd)\tan(\Delta\theta)\Delta\theta'] ax=v˙x=s¨cosΔθ1κrd+s˙dtdsdsdcosΔθ1κrd=s¨cosΔθ1κrd+s˙2[(κrdκrd)cosΔθ1+(1κrd)cos2Δθ1sin(Δθ)Δθ]=s¨cosΔθ1κrd+s˙2cos(Δθ)1[(κrdκrd)+(1κrd)tan(Δθ)Δθ]
其中:
Δ θ ′ = d ( θ x − θ r ) d s = d θ x d s x d s x d s − κ r = κ x v x s ˙ − κ r = κ x 1 − κ r d c o s Δ θ − κ r \Delta\theta'=\frac{d(\theta_x-\theta_r)}{ds}=\frac{d\theta_x}{ds_x}\frac{ds_x}{ds}-\kappa_r=\kappa_x\frac{v_x}{\dot{s}}-\kappa_r=\kappa_x\frac{1-\kappa_rd}{cos\Delta\theta}-\kappa_r Δθ=dsd(θxθr)=dsxdθxdsdsxκr=κxs˙vxκr=κxcosΔθ1κrdκr

3 Cartesian转Frenet
  • [ X , θ x , κ x , v x , a x ] , θ r , κ r → [ s , s ˙ , s ¨ , d , d ˙ , d ¨ ] [\boldsymbol{X},\theta_x,\kappa_x,v_x,a_x],\theta_r,\kappa_r \rightarrow [s,\dot{s},\ddot{s},d,\dot{d},\ddot{d}] [X,θx,κx,vx,ax],θr,κr[s,s˙,s¨,d,d˙,d¨]

  • s,d通过找最近点求得

  • s ˙ = v x cos ⁡ ( Δ θ ) 1 − κ r d , Δ θ = θ x − θ r \dot{s}=v_x\frac{\cos(\Delta\theta)}{1-\kappa_rd},\Delta\theta=\theta_x-\theta_r s˙=vx1κrdcos(Δθ),Δθ=θxθr

    s ¨ = cos ⁡ ( Δ θ ) 1 − κ r d [ a x − s ˙ 2 cos ⁡ ( Δ θ ) [ ( − κ r ′ d − κ r d ′ ) + ( 1 − κ r d ) tan ⁡ ( Δ θ ) Δ θ ′ ] ] \ddot{s}=\frac{\cos(\Delta\theta)}{1-\kappa_rd}[a_x-\frac{\dot{s}^2}{\cos(\Delta\theta)}[(-\kappa_r'd-\kappa_rd')+(1-\kappa_rd)\tan(\Delta\theta)\Delta\theta']] s¨=1κrdcos(Δθ)[axcos(Δθ)s˙2[(κrdκrd)+(1κrd)tan(Δθ)Δθ]]

    κ r ′ = d 2 θ r d s 2 \kappa_r'=\frac{d^2\theta_r}{ds^2} κr=ds2d2θr

    d ′ = ( 1 − κ r d ) tan ⁡ Δ θ d'=(1-\kappa_rd)\tan{\Delta\theta} d=(1κrd)tanΔθ

    Δ θ ′ = κ x 1 − κ r d c o s Δ θ − κ r , κ x = d θ x d t 1 v x \Delta\theta'=\kappa_x\frac{1-\kappa_rd}{cos\Delta\theta}-\kappa_r,\kappa_x=\frac{d\theta_x}{dt}\frac{1}{v_x} Δθ=κxcosΔθ1κrdκr,κx=dtdθxvx1

  • d ˙ = v x sin ⁡ ( Δ θ ) \dot{d}=v_x\sin(\Delta\theta) d˙=vxsin(Δθ)

    d ¨ = a x sin ⁡ ( Δ θ ) + v x cos ⁡ ( Δ θ ) s ˙ Δ θ ′ \ddot{d}=a_x\sin(\Delta\theta)+v_x\cos(\Delta\theta)\dot{s}\Delta\theta' d¨=axsin(Δθ)+vxcos(Δθ)s˙Δθ

4 Frenet转Cartesian
  • [ s , s ˙ , s ¨ , d , d ˙ , d ¨ ] → [ X , θ x , κ x , v x , a x ] [s,\dot{s},\ddot{s},d,\dot{d},\ddot{d}] \rightarrow [\boldsymbol{X},\theta_x,\kappa_x,v_x,a_x] [s,s˙,s¨,d,d˙,d¨][X,θx,κx,vx,ax]

  • X = r + n r d , n r = [ − sin ⁡ ( θ r ) , cos ⁡ ( θ r ) ] T \boldsymbol{X}=\boldsymbol{r}+\boldsymbol{n}_rd,\boldsymbol{n}_r=[-\sin(\theta_r),\cos(\theta_r)]^T X=r+nrd,nr=[sin(θr),cos(θr)]T

  • θ x = θ r + arctan ⁡ d ′ 1 − κ r d , d ′ = d ˙ s ˙ \theta_x=\theta_r+\arctan\frac{d'}{1-\kappa_rd},d'=\frac{\dot{d}}{\dot{s}} θx=θr+arctan1κrdd,d=s˙d˙

  • κ x = cos ⁡ 3 Δ θ [ d ′ ′ + ( κ r ′ d + κ r d ′ ) tan ⁡ ( Δ θ ) ] 1 − κ r d + κ r c o s Δ θ 1 − κ r d , d ′ ′ = d d d d s d s = d d ˙ s ˙ d s = d ¨ s ˙ − d ˙ s ¨ s ˙ 3 \kappa_x=\frac{\cos^3\Delta\theta[d''+(\kappa_r'd+\kappa_rd')\tan(\Delta\theta)]}{1-\kappa_rd}+\frac{\kappa_rcos\Delta\theta}{1-\kappa_rd},d''=\frac{d\frac{dd}{ds}}{ds}=\frac{d\frac{\dot{d}}{\dot{s}}}{ds}=\frac{\ddot{d}\dot{s}-\dot{d}\ddot{s}}{\dot{s}^3} κx=1κrdcos3Δθ[d′′+(κrd+κrd)tan(Δθ)]+1κrdκrcosΔθ,d′′=dsddsdd=dsds˙d˙=s˙3d¨s˙d˙s¨(由 d ′ ′ d'' d′′的式子得到)

  • v x = s ˙ 1 − κ r d cos ⁡ ( Δ θ ) , Δ θ = θ x − θ r v_x=\dot{s}\frac{1-\kappa_rd}{\cos(\Delta\theta)},\Delta\theta=\theta_x-\theta_r vx=s˙cos(Δθ)1κrd,Δθ=θxθr

  • a x = s ¨ 1 − κ r d cos ⁡ Δ θ + s ˙ 2 1 cos ⁡ ( Δ θ ) [ ( − κ r ′ d − κ r d ′ ) + ( 1 − κ r d ) tan ⁡ ( Δ θ ) Δ θ ′ ] a_x=\ddot{s}\frac{1-\kappa_rd}{\cos{\Delta\theta}}+\dot{s}^2\frac{1}{\cos(\Delta\theta)}[(-\kappa_r'd-\kappa_rd')+(1-\kappa_rd)\tan(\Delta\theta)\Delta\theta'] ax=s¨cosΔθ1κrd+s˙2cos(Δθ)1[(κrdκrd)+(1κrd)tan(Δθ)Δθ]

    κ r ′ = d 2 θ r d s 2 \kappa_r'=\frac{d^2\theta_r}{ds^2} κr=ds2d2θr

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/722684.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

【Unity开发】【VR】PICO项目在运行编辑器时无法正常显示游戏场景

【背景】 做了一个PICO项目,真机在手边时开发后用PC的Preview模式直接调试,真机不在手边时希望用VRTK的Simulation Rig,用键鼠模拟控制器输入进行快速调试。但是发现Simulation Rig状态下运行后,游戏场景变得很怪,很多…

RLT8762D---添加service

0 Preface/Foreword 1 系统初始化LE profile过程 正常开机流程中,gap初始化完成之后,才能进行LE profile初始化。 1.1 添加服务 1.1.1 注册支持服务个数(GATT Server) 函数: server_init 目的:set the number of services th…

MySql缓冲池命中率

缓冲池 大小查看 show variables like innodb_buffer_pool_size; 太小的innodb_buffer_pool_size是不利于性能的提升 命中率查看 一 、 通过以下命令查看相关数据: show global status like Innodb_buffer_pool_read%;结果如下: 命中率公式&#xff1…

Zabbix监控容器MongoDB,报错:Unknown metric mongodb.server.status

在Zabbix中配置监控MongoDB容器时,如果遇到Unknown metric mongodb.server.status这样的错误,通常意味着Zabbix Agent尝试从MongoDB获取某个预定义的性能指标(例如mongodb.server.status),但是未能成功识别或解析该指标…

GPT4+Python近红外光谱数据分析及机器学习与深度学习建模教程

原文链接:GPT4Python近红外光谱数据分析及机器学习与深度学习建模教程 第一:GPT4 1、ChatGPT(GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变) 2、ChatGPT对话初体验 3、GPT-4与GPT-3.5的区别,以及与国内大语言模…

微信小程序开发系列(十六)·事件传参·data-*自定义数据

事件传参:在触发事件时,将一些数据作为参数传递给事件处理函数的过程,就是事件传参。 在微信小程序中,我们经常会在组件上添加一些自定义数据,然后在事件处理函数中获取这些自定义数据,从而完成业务逻辑的开发。 在组件上通过data-"的方式定义需要传递的数据,其…

Android14之解决编译报错:bazel: no such file or directory(一百八十九)

简介: CSDN博客专家,专注Android/Linux系统,分享多mic语音方案、音视频、编解码等技术,与大家一起成长! 优质专栏:Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏:多媒…

赢在起跑线:商品企划系统为鞋服品牌带来的竞争优势解析

在鞋服行业的激烈竞争中,每个品牌都渴望在市场中脱颖而出,而成功的起点往往在于商品企划的策略制定。商品企划系统作为一种先进的商业策略工具,能够帮助鞋服品牌赢在起跑线,获得竞争优势。本文将深入探讨商品企划系统如何为鞋服品…

计算机丢失msvcp140_1.dll怎样修复,分享五种有效的解决方法

当计算机系统中msvcp140_1.dll文件发生丢失时,可能会引发一系列运行问题,具体表现形式多种多样。首先,由于msvcp140_1.dll是Microsoft Visual C Redistributable Package的重要组成部分,它的缺失将直接影响到依赖这一库的各类应用…

Vue.js+SpringBoot开发计算机机房作业管理系统

目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 登录注册模块2.2 课程管理模块2.3 课时管理模块2.4 学生作业模块 三、系统设计3.1 用例设计3.2 数据库设计3.2.1 课程表3.2.2 课时表3.2.3 学生作业表 四、系统展示五、核心代码5.1 查询课程数据5.2 新增课时5.3 提交作…

01. Nginx入门-Nginx简介

Web基础知识 Web协议通信原理 Web协议通信过程 浏览器本身是一个客户端,当输入URL后,首先浏览器会请求DNS服务器,通过DNS获取相应的域名对应的IP。通过IP地址找到对应的服务器后,监理TCP连接。等浏览器发送完HTTP Request&…

UD效果广告

1.定义 全称Unidesk,是由阿里旗下大数据运营平台“阿里妈妈”推出的数字营销引流平台。UD投放将其他媒体的流量通过相关的广告创意导入到天猫店铺。 2.UD投放优化技巧 (1)不起量排查: 可以从账户问题、计划数量不足、计划设置…

OpenAI 3年前的AI音乐生成项目:Jukebox,效果比SunoAI v3还好

原来OpenAI 3年前就开始搞AI音乐生成了 效果甚至比最近发布的sunoAI v3还要好,难道OpenAI 想把这个隐藏大招练成无人能敌的状态才放出来再一次轰动全球? OpenAI在2019年8月份就推出了他们的一音乐生成模型:Jukebox Jukebox能够根据提供的歌…

消息队列-kafka-服务端处理架构(架构,Topic文件结构,服务端数据的一致性)

服务端处理架构 资料来源于网络 网络线程池: 接受请求,num.network.threads,默认为 3,专门处理客户的发送的请求。 IO 线程池: num.io.threads,默认为 8,专门处理业务请求。也就是它不负责发…

JetBrains TeamCity 身份验证绕过漏洞(CVE-2024-27198)

免责声明:文章来源互联网收集整理,请勿利用文章内的相关技术从事非法测试,由于传播、利用此文所提供的信息或者工具而造成的任何直接或者间接的后果及损失,均由使用者本人负责,所产生的一切不良后果与文章作者无关。该…

刷题DAY9 | LeetCode 28-实现 strStr() 459-重复的子字符串

28-实现 strStr()(easy) 给你两个字符串 haystack 和 needle ,请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标(下标从 0 开始)。如果 needle 不是 haystack 的一部分,则返回 -1 。 思路…

剑指offer--c++--n个骰子的点数

目录 题目: 题目分析: 最后编写代码: 输出结果 题目: 把n个骰子扔在地上,所有骰子朝上一面的点数之和为s。输入n,打印出s的所有可能的值出现的概率。 感谢大佬的帮助:https://www.cnblogs.c…

了解处理器

了解处理器 摘要写在前面1. 计算机简介1.1.计算机发展简史1.2.计算机分类1.3.PC机结构 2.初识处理器2.1.处理器的硬件模型2.2.处理器的编程模型2.3.处理器的分层模型2.4.如何选择处理器 3.指令集体系结构3.1.处理器编程模型3.2.指令集发展历程3.3.指令集分类3.4.汇编语言格式3.…

商业数据增长超88%!小红书热门内容解析,用户“打卡”新玩法

长久以来,“打卡”在社交媒体盛行,频频涌现新风潮,几乎覆盖美食、旅游、美妆等众多热门行业,今天吃了什么、玩了什么、做了什么?大众都喜欢通过打卡来分享。特别是小红书平台,打卡内容热度经久不衰&#xf…

13 丢弃法dropout【李沐动手学深度学习v2笔记】

1. 丢弃法 在层之间加入随机噪音 加入噪音的一些规则 加入噪音后不要改变期望 使用丢弃法 推理中的丢弃法 总结 2. 代码实现 4.6. 暂退法(Dropouthttps://zh.d2l.ai/chapter_multilayer-perceptrons/dropout.html 2.1 Dropout import torch from torch import n…