目录一、SD卡简介1.1历史1.2tf卡和SD卡的区别1.3mmc，emmc，nand，flash的关系1.4SD卡的规格等级1.4.1按容量分1.4.2class等级1.4.3UHS总线模式1.4.4UHS速度等级1.4.5VSC视频速度等级二、SD卡的内部结构三、SDIO的学习3.1SDIO的主要功能3.2SDIO总线拓扑3.3SDIO功能描述 3.3.1SDIO适配器3.3.2SDIOAHB接口3.4卡功能描述3.4.1卡识别模式3.4.2卡复位3.4.3操作电压范围确认3.4.4卡识别过程3.4.5写数据块3.4.6读数据块3.4.7数据流操作，数据流写入和数据流读出(只适用于多媒体
哈希知识一些记录：虽然std::set、std::multiset的底层实现是红黑树，不是哈希表，std::set、std::multiset使用红黑树来索引和存储，不过给我们的使用方式，还是哈希法的使用方式，即key和value。所以使用这些数据结构来解决映射问题的方法，我们依然称之为哈希法。map也是一样的道理。哈希法也是牺牲了空间换时间，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。做面试题目时遇到需判断一个元素是否出现过的场景也应该第一时间想到哈希法#242anagrammultiset和unordered_map都试了下，看代码随想录答案用的array，
在搭载HarmonyOS的分布式终端上，可以保证“正确的人，通过正确的设备，正确地使用数据”。通过“分布式多端协同身份认证”来保证“正确的人”。通过“在分布式终端上构筑可信运行环境”来保证“正确的设备”。通过“分布式数据在跨终端流动的过程中，对数据进行分类分级管理”来保证“正确地使用数据”。正确的人在分布式终端场景下，“正确的人”指通过身份认证的数据访问者和业务操作者。“正确的人”是确保用户数据不被非法访问、用户隐私不泄露的前提条件。HarmonyOS通过以下三个方面来实现协同身份认证：零信任模型：HarmonyOS基于零信任模型，实现对用户的认证和对数据的访问控制。当用户需要跨设备访问数据资
计算机视觉-理论入门前言一，导论：二，卷积：图像去噪：常值卷积：高斯卷积：椒盐去噪：锐化程度：三，边缘检测：图像信号导数：求导算子:图像梯度：提取边缘：canny算法：四，拟合：最小二乘法：y方向：全方向：极大似然估计思想：Robust最小二乘：RANSAC：自适应：指纹识别：霍夫变换：投票策略：直线确定：调整网格适应噪声:Canny梯度投票：霍夫圆：SNAKE：五、角点：全景图片：基础检测：泰勒展开：边和角点区分：Harris角点检测方法：不变和协变：优缺点：六，Blob：拉普拉斯衰减：拉普拉斯多尺度检测：非最大化抑制：优缺点：SIFT特征：拉普拉斯和Blob区别：自适应椭圆仿射协变-尺度不
📢博客主页：https://loewen.blog.csdn.net📢欢迎点赞👍收藏⭐留言📝如有错误敬请指正！📢本文由丶布布原创，首发于CSDN，转载注明出处🙉📢现在的付出，都会是一种沉淀，只为让你成为更好的人✨文章预览：一.3D手眼标定理论基础二.3D手眼标定流程（eye-to-hand）1、创建标准件的点云模型2、创建手眼标定模型、多角度匹配标准件的实例点云数据3、开始手眼标定4、获得各坐标系之间的姿态关系5、物体在机器人基础坐标系下的姿态求解一.3D手眼标定理论基础因为3D相机知道的是点云坐标，机械手是空间坐标系，分为基础（底座）坐标系和工具（末端）坐标系，手眼标定目的就是将相机的图像坐
这是一篇纯干货分享帖，不谈个人经验，只搬运牛人的技术“经验”。ECS是阿里云很重要的一款云服务产品，大多数人的云端之旅也是从ECS开始，以下知识将从浅入深，从图文到视频，再到最佳实践，相信看过这些内容之后，您就可以飞升成为云计算达人啦。第一部分：实用知识贴1.百问百答之玩转ECS从入门到精通2.阿里云ECS7天训练营-Day1搭建FTP服务3.阿里云ECS7天训练营-Day2快速搭建Docker环境4.阿里云ECS7天训练营-Day3SLB负载均衡5.阿里云ECS7天训练营-Day4使用PolarDB和ECS搭建门户网6.阿里云ECS7天训练营-Day5搭建个人Leanote云笔记本7.阿里云
GMS一种基于运动统计的快速鲁棒特征匹配过滤算法，能明显地改善匹配结果，目前已经集成进入OpenCV之中1.文章及代码地址项目地址：GMS:FastandRobustFeatureMatcher(CVPR17&IJCV20)–Jia-WangBian论文GMS:Grid-basedMotionStatisticsforFast,Ultra-robustFeatureCorrespondence代码地址GitHub-JiawangBian/GMS-Feature-Matcher:GMS:Grid-basedMotionStatisticsforFast,Ultra-robustFeatureCo
GMS一种基于运动统计的快速鲁棒特征匹配过滤算法，能明显地改善匹配结果，目前已经集成进入OpenCV之中1.文章及代码地址项目地址：GMS:FastandRobustFeatureMatcher(CVPR17&IJCV20)–Jia-WangBian论文GMS:Grid-basedMotionStatisticsforFast,Ultra-robustFeatureCorrespondence代码地址GitHub-JiawangBian/GMS-Feature-Matcher:GMS:Grid-basedMotionStatisticsforFast,Ultra-robustFeatureCo
前言很久之前在网上看到一些CCM的调试总结，但是没有理论依据，经过我本人的推理，以及和结果比对，这里总结一个我称之为色相环补色原理的调试理论。CCM理论：CMOSsensor使用颜色滤波阵列（ColorFilterArray，CFA）实现对特定波段的光敏感，最常用的CFA是RGGB，因此存在R、G、B三种响应波段。由于技术条件的限制，这三种波段很难做到与人眼的响应特性完全相同，所以对同样颜色的光刺激，sensor输出的RGB信号与人眼感受到的RGB会有些不同，一般是sensor颜色的饱和度偏低。解决这个问题的方法就是使用一个3x3的CCM矩阵，将颜色从sensorRGB空间变换到人眼的RGB空
文章先从LoRa的物联网通信技术前辈们讲起，慢慢引出了这种功耗又低，距离又远的无线通信技术，然后又似庖丁解牛一般，从物理层到链路层，详细的介绍了LoRa这种技术的组成，最后以一种实际的原理与嵌入式软件实现，让读者近距离接触到基于LoRa这种无线通信技术产品的开发过程。总而言之，博主在这一篇文章中集中的介绍了物联网无线通信技术-LoRa的前世今生，帮助各位对这门“新”的无线通信技术有一个全面且直观的了解。文章目录LoRa技术前序 LoRa技术简介LoRa应用LoRa系统架构LoRaWAN LoRa通信物理层LoRa调制与解调LoRa编码与解码STM32+SX1268实现LoRa实现原理嵌入式程序
