目录1.数据机密性2.对称加密（SymmetricKeyEncryption）3.非对称加密（AsymmetricKeyEncryption）4.对称加密与非对称加密的对比5.混合加密（HybridKeyEncryption）6.身份认证7.摘要算法（DigestAlgorithm）及数据的完整性8.数字签名（Signature）9.数字签名结合对称加密原文10.数字证书（PublicKeyCertificate，PKC）及证书认证机构（CertificationAuthority，CA）11.HTTPS协议中数字证书的应用1.数据机密性我们用上面这个图来聊聊数据机密性实现的方式，首先解释一些

摘要：本文说首次实现了大规模点云场景中基于点的模型的实时检测（首先指出FPS采样策略进行下采样是耗时的，尤其当点云增加的时候，计算量和推理时间快速增加；本文提出IC-FPS；包含两个模块：localfeaturediffusionbasedbackgroundpointfilter(LFDBF)；CentroidInstanceSamplingStrategy(CISS)；LFDBF用来排除大量的背景点，而CISS用来替代FPS；简介：早期的工作将点云投影为多视图，或体素点云，并通过3D卷积提取特征。这些方法虽然取得了很好的效果，但在将点云转换为block等中间表示时，不可避免地会丢失信息，导

摘要：本文说首次实现了大规模点云场景中基于点的模型的实时检测（首先指出FPS采样策略进行下采样是耗时的，尤其当点云增加的时候，计算量和推理时间快速增加；本文提出IC-FPS；包含两个模块：localfeaturediffusionbasedbackgroundpointfilter(LFDBF)；CentroidInstanceSamplingStrategy(CISS)；LFDBF用来排除大量的背景点，而CISS用来替代FPS；简介：早期的工作将点云投影为多视图，或体素点云，并通过3D卷积提取特征。这些方法虽然取得了很好的效果，但在将点云转换为block等中间表示时，不可避免地会丢失信息，导

FoldingNet[1]提出了一种点云自编码器结构，属于自监督学习的范畴，可以将输入点云投影（即特征降维）至具有丰富语义信息的高维空间中，形成高维特征向量（文中用“codeword”指代），即编码过程。接着通过解码网络将高维特征向量恢复得到高维度的输入点云。如下图所示，对于input输入点云，首先经过特征编码形成codeword（不是图中的2Dgrid），接着进行两次folding操作，恢复得到与输入点云相似的输出点云：WhatisFoldingOperation？作者在文中指出，从直觉上来说，任何三维空间表面结构都可以通过“裁剪”，“挤压”，“屈伸”等操作转换成二维平面表示，因此以上操作的

FoldingNet[1]提出了一种点云自编码器结构，属于自监督学习的范畴，可以将输入点云投影（即特征降维）至具有丰富语义信息的高维空间中，形成高维特征向量（文中用“codeword”指代），即编码过程。接着通过解码网络将高维特征向量恢复得到高维度的输入点云。如下图所示，对于input输入点云，首先经过特征编码形成codeword（不是图中的2Dgrid），接着进行两次folding操作，恢复得到与输入点云相似的输出点云：WhatisFoldingOperation？作者在文中指出，从直觉上来说，任何三维空间表面结构都可以通过“裁剪”，“挤压”，“屈伸”等操作转换成二维平面表示，因此以上操作的

ECCV2022_P2BNet论文阅读文章目录ECCV2022_P2BNet论文阅读0Abstract**0-1MIL:multipleinstancelearning(多示例学习)**1Introduction**1-0WSOD：weaklysupervisedobjectdetection（弱监督对象检测）**2Contributions**2-0P2BNet****2-1Acoarse-to-finefashion****2-2Performance**3Point-to-BoxNetwork**3-0Architecture****3-1Loss**3-1-0thelossofP2BN

ECCV2022_P2BNet论文阅读文章目录ECCV2022_P2BNet论文阅读0Abstract**0-1MIL:multipleinstancelearning(多示例学习)**1Introduction**1-0WSOD：weaklysupervisedobjectdetection（弱监督对象检测）**2Contributions**2-0P2BNet****2-1Acoarse-to-finefashion****2-2Performance**3Point-to-BoxNetwork**3-0Architecture****3-1Loss**3-1-0thelossofP2BN

因为具有公信力的三方CA机构是需要收费的，所以自建CA机构（就是一套根证书），不具有公信力，然后给服务器的证书做签名。为了节约成本和网络安全，一般公司内网域名会自建CA证书，然后签发各个开发环境的服务证书。更多内容证书格式转换参考：https://blog.csdn.net/qq_44734154/article/details/125992960在window环境下，按住Windows键+R键，输入certmgr.msc可以查询当前用户下的证书情况：证书安装指南：https://help.aliyun.com/document_detail/109827.html一、生成CA证书私钥open

因为具有公信力的三方CA机构是需要收费的，所以自建CA机构（就是一套根证书），不具有公信力，然后给服务器的证书做签名。为了节约成本和网络安全，一般公司内网域名会自建CA证书，然后签发各个开发环境的服务证书。更多内容证书格式转换参考：https://blog.csdn.net/qq_44734154/article/details/125992960在window环境下，按住Windows键+R键，输入certmgr.msc可以查询当前用户下的证书情况：证书安装指南：https://help.aliyun.com/document_detail/109827.html一、生成CA证书私钥open

本文简要介绍点云库(PCL)，一个用于处理2D和3D数据的开源库，如激光雷达点云。通过熟悉使用PCL的一些基础知识，以便后续使用PCL进行定位。主要涵盖以下内容：点云数据PointCloudData(PCD)文件点云库ThePointCloudLibrary(PCL)PCL查看器（Viewer）在PCL中创建和使用激光雷达对象模板Templates和不同的点云调整激光雷达参数检查PCL中的点云一、点云数据(PCD)文件激光雷达数据的存储格式称为点云数据(PCD)，pcd文件是笛卡尔坐标(x,y,z)和强度值i的列表，是在每一次扫描环境之后的单个快照。这意味着对于VLP64激光雷达，pcd文件将