【路径规划】局部路径规划算法——贝塞尔曲线法（含python实现 | c++实现）
文章目录
- 参考资料
- 1. 算法简介
- 2. 公式原理及python实现
-
- 2.1 一阶贝塞尔曲线
- 2.2 二阶贝塞尔曲线
- 2.3 三阶贝塞尔曲线
- 2.4 n阶贝塞尔曲线
- 2.5 贝塞尔曲线性质
- 3. c++实现
- 4. python代码实现车辆轨迹规划
参考资料
- 路径规划与轨迹跟踪系列算法
- 曲线杂谈（二）：Bezier曲线的特殊性质
- 贝塞尔曲线的特性总结
1. 算法简介
贝塞尔曲线于1962年由法国工程师皮埃尔·贝塞尔（ Pierre Bézier）发表，他运用贝塞尔曲线来为汽车的主体进行设计。
贝塞尔曲线是应用于二维图形应用程序的数学曲线，由一组称为控制点的向量来确定，给定的控制点按顺序连接构成控制多边形，贝塞尔曲线逼近这个多边形，进而通过调整控制点坐标改变曲线的形状。控制点的作用是控制曲线的弯曲程度
贝塞尔曲线只需要很少的控制点就能够生成较复杂的平滑曲线。该方法能够保证输入的控制点与生成的曲线之间的关系非常简洁、明确。
对于车辆系统，规划的轨迹应满足以下准则： 轨迹连续；轨迹曲率连续； 轨迹容易被车辆跟随，且容易生成。
贝塞尔曲线是参数化曲线，n次贝塞尔曲线由n+1个控制点决定。它的生成动画过程可以查看这个网址。
2. 公式原理及python实现
2.1 一阶贝塞尔曲线
一阶贝塞尔曲线需要2个控制点，假设分别为
P
0
,
P
1
P_0,P_1
P0,P1。则贝塞尔曲线上的生成点
p
1
(
t
)
p_1(t)
p1(t)可以表达为：
p
1
(
t
)
=
P
0
+
(
P
1
−
P
0
)
t
→
p
1
(
t
)
=
(
1
−
t
)
P
0
+
t
P
1
(1)
\tag{1} p_1(t)=P_0+(P_1-P_0)t \rightarrow p_1(t)=(1-t)P_0+tP_1
p1(t)=P0+(P1−P0)t→p1(t)=(1−t)P0+tP1(1)
t
t
t的取值范围为
[
0
,
1
]
[0,1]
[0,1]，下面不再重复说明。
一阶曲线很好理解， 就是根据
t
t
t来的线性插值。
-
python简单实现
from celluloid import Camera # 保存动图时用，pip install celluloid import numpy as np import matplotlib.pyplot as plt P0=np.array([0,0]) P1=np.array([1,1]) fig=plt.figure(1) camera = Camera(fig) x =[] y=[] for t in np.arange(0,1,0.01): plt.plot([P0[0],P1[0]],[P0[1],P1[1]],'r') p1_t=(1-t)*P0+t*P1 x.append(p1_t[0]) y.append(p1_t[1]) # plt.plot(x,y,c='b') plt.scatter(x,y,c='b') # plt.pause(0.001) camera.snap() animation = camera.animate() animation.save('一阶贝塞尔.gif')
2.2 二阶贝塞尔曲线
二阶贝塞尔曲线需要3个控制点，假设分别为
P
0
,
P
1
,
P
2
P_0,P_1,P_2
P0,P1,P2。
P
0
P_0
P0和
P
1
P_1
P1构成一阶，
P
1
P_1
P1和
P
2
P_2
P2也构成一阶，即：
{
p
1
,
1
(
t
)
=
(
1
−
t
)
P
0
+
t
P
1
p
1
,
2
(
t
)
=
(
1
−
t
)
P
1
+
t
P
2
\left\{\begin{array}{l} p_{1,1}(t)=(1-t) P_{0}+t P_{1} \\ p_{1,2}(t)=(1-t) P_{1}+t P_{2} \end{array}\right.
{p1,1(t)=(1−t)P0+tP1p1,2(t)=(1−t)P1+tP2
在生成的两个一阶点基础上，可以生成二阶贝塞尔点：
p
2
(
t
)
=
(
1
−
t
)
p
1
,
1
+
t
p
1
,
2
p_{2}(t)=(1-t) p_{1,1}+t p_{1,2}
p2(t)=(1−t)p1,1+tp1,2
则贝塞尔点与3个控制点的关系为：
p
2
(
t
)
=
(
1
−
t
)
2
P
0
+
2
t
(
1
−
t
)
P
1
+
t
2
P
2
(2)
\tag{2} p_2(t)=(1-t)^2P_0+2t(1-t)P_1+t^2P_2
p2(t)=(1−t)2P0+2t(1−t)P1+t2P2(2)
- python简单实现
from celluloid import Camera # 保存动图时用，pip install celluloid import numpy as np import matplotlib.pyplot as plt P0 = np.array([0, 0]) P1 = np.array([1,1]) P2 = np.array([2, 1]) fig = plt.figure(2) camera = Camera(fig) x_2 = [] y_2 = [] for t in np.arange(0, 1, 0.01): plt.cla() plt.plot([P0[0], P1[0]], [P0[1], P1[1]], 'k') plt.plot([P1[0], P2[0]], [P1[1], P2[1]], 'k') p11_t = (1-t)*P0+t*P1 p12_t = (1-t)*P1+t*P2 p2_t = (1-t)*p11_t+t*p12_t x_2.append(p2_t[0]) y_2.append(p2_t[1]) plt.scatter(x_2, y_2, c='r') plt.plot([p11_t[0],p12_t[0]],[p11_t[1],p12_t[1]],'g') plt.title("t="+str(t)) plt.pause(0.001) # camera.snap() # animation = camera.animate() # animation.save('2阶贝塞尔.gif')
2.3 三阶贝塞尔曲线
三阶贝塞尔曲线有4个控制点，假设分别为
P
0
，
P
1
，
P
2
，
P
3
P_0， P_1，P_2， P_3
P0，P1，P2，P3，
P
0
和
P
1
、
P
1
和
P
2
、
P
2
和
P
3
P_0和P_1、P_1和 P_2、P_2和 P_3
P0和P1、P1和P2、P2和P3 都构成一阶，即：
{
p
1
,
1
(
t
)
=
(
1
−
t
)
P
0
+
t
P
1
p
1
,
2
(
t
)
=
(
1
−
t
)
P
1
+
t
P
2
p
1
,
3
(
t
)
=
(
1
−
t
)
P
2
+
t
P
3
\left\{\begin{array}{l} p_{1,1}(t)=(1-t) P_{0}+t P_{1} \\ p_{1,2}(t)=(1-t) P_{1}+t P_{2} \\ p_{1,3}(t)=(1-t) P_{2}+t P_{3} \end{array}\right.
⎩
⎨
⎧p1,1(t)=(1−t)P0+tP1p1,2(t)=(1−t)P1+tP2p1,3(t)=(1−t)P2+tP3
在生成的三个一阶点基础上，可以生成两个二 阶贝塞尔点：
{
p
2
,
1
(
t
)
=
(
1
−
t
)
p
1
,
1
+
t
p
1
,
2
p
2
,
2
(
t
)
=
(
1
−
t
)
p
1
,
2
+
t
p
1
,
3
\left\{\begin{array}{l} p_{2,1}(t)=(1-t) p_{1,1}+t p_{1,2} \\ p_{2,2}(t)=(1-t) p_{1,2}+t p_{1,3} \end{array}\right.
{p2,1(t)=(1−t)p1,1+tp1,2p2,2(t)=(1−t)p1,2+tp1,3
在生成的两个二阶点基础上，可以生成三阶贝 塞尔点:
p
3
(
t
)
=
(
1
−
t
)
p
2
,
1
+
t
p
2
,
2
p_{3}(t)=(1-t) p_{2,1}+t p_{2,2}
p3(t)=(1−t)p2,1+tp2,2
故整理后可得
p
3
(
t
)
=
(
1
−
t
)
3
P
0
+
3
t
(
1
−
t
)
2
P
1
+
3
t
2
(
1
−
t
)
P
2
+
t
3
P
3
(3)
\tag{3} p_3(t)=(1-t)^3P_0+3t(1-t)^2P_1+3t^2(1-t)P_2+t^3P_3
p3(t)=(1−t)3P0+3t(1−t)2P1+3t2(1−t)P2+t3P3(3)
- python简单实现
from celluloid import Camera # 保存动图时用，pip install celluloid import numpy as np import matplotlib.pyplot as plt P0 = np.array([0, 0]) P1 = np.array([1, 1]) P2 = np.array([2, 1]) P3 = np.array([3, 0]) fig = plt.figure(3) camera = Camera(fig) x_2 = [] y_2 = [] for t in np.arange(0, 1, 0.01): plt.cla() plt.plot([P0[0], P1[0]], [P0[1], P1[1]], 'k') plt.plot([P1[0], P2[0]], [P1[1], P2[1]], 'k') plt.plot([P2[0], P3[0]], [P2[1], P3[1]], 'k') p11_t = (1-t)*P0+t*P1 p12_t = (1-t)*P1+t*P2 p13_t = (1-t)*P2+t*P3 p21_t = (1-t)*p11_t+t*p12_t p22_t = (1-t)*p12_t+t*p13_t p3_t = (1-t)*p21_t+t*p22_t x_2.append(p3_t[0]) y_2.append(p3_t[1]) plt.scatter(x_2, y_2, c='r') plt.plot([p11_t[0], p12_t[0]], [p11_t[1], p12_t[1]], 'b') plt.plot([p12_t[0], p13_t[0]], [p12_t[1], p13_t[1]], 'b') plt.plot([p21_t[0], p22_t[0]], [p21_t[1], p22_t[1]], 'r') plt.title("t="+str(t)) plt.pause(0.001) # camera.snap() # animation = camera.animate() # animation.save('3阶贝塞尔.gif')
2.4 n阶贝塞尔曲线
通过上面一阶到三阶的贝塞尔曲线，可以发现贝塞尔点的求解满足递归的性质。这里我们直接给出
n
n
n阶贝塞尔曲线的求解公式。
对于
P
0
，
P
1
，
P
2
，
…
，
P
n
P_0 ， P_1 ， P_2 ， \ldots ， P_n
P0，P1，P2，…，Pn 共
n
+
1
n+1
n+1 个控制点而言，贝塞尔点定义为：
p
n
(
t
)
=
∑
i
=
0
n
C
n
i
⋅
(
1
−
t
)
n
−
i
⋅
t
i
⋅
P
i
=
∑
i
=
0
n
B
i
,
n
(
t
)
⋅
P
i
(4)
\tag{4} p_{n}(t)=\sum_{i=0}^{n} C_{n}^{i} \cdot(1-t)^{n-i} \cdot t^{i} \cdot P_{i}=\sum_{i=0}^{n} B_{i, n}(t) \cdot P_{i} \quad
pn(t)=i=0∑nCni⋅(1−t)n−i⋅ti⋅Pi=i=0∑nBi,n(t)⋅Pi(4)
式中
B
i
,
n
(
t
)
=
C
n
i
⋅
(
1
−
t
)
n
−
i
⋅
t
i
B_{i, n}(t)=C_{n}^{i} \cdot(1-t)^{n-i} \cdot t^{i}
Bi,n(t)=Cni⋅(1−t)n−i⋅ti 称为伯恩斯坦基函数。伯恩斯坦基函数的一阶导数为：
B
i
,
n
′
(
t
)
=
[
C
n
i
⋅
(
1
−
t
)
n
−
i
⋅
t
i
]
′
=
n
!
i
!
⋅
(
n
−
i
)
!
⋅
[
−
(
n
−
i
)
⋅
(
1
−
t
)
n
−
i
−
1
⋅
t
i
+
i
⋅
t
i
−
1
⋅
(
1
−
t
)
n
−
i
]
=
n
!
i
!
⋅
(
n
−
i
)
!
⋅
i
⋅
t
i
−
1
⋅
(
1
−
t
)
n
−
i
−
n
!
i
!
⋅
(
n
−
i
)
!
⋅
(
n
−
i
)
⋅
(
1
−
t
)
n
−
i
−
1
⋅
t
i
=
n
(
n
−
1
)
!
(
i
−
1
)
!
⋅
(
n
−
i
)
!
t
i
−
1
⋅
(
1
−
t
)
n
−
i
−
n
(
n
−
1
)
!
i
!
⋅
(
n
−
i
−
1
)
!
⋅
(
1
−
t
)
n
−
i
−
1
⋅
t
i
=
n
C
n
−
1
i
−
1
t
i
−
1
⋅
(
1
−
t
)
n
−
i
−
n
C
n
−
1
i
(
1
−
t
)
n
−
i
−
1
⋅
t
i
=
n
[
B
i
−
1
,
n
−
1
(
t
)
−
B
i
,
n
−
1
(
t
)
]
(5)
\tag{5} \begin{aligned} B_{i, n}^{\prime}(t)&=\left[C_{n}^{i} \cdot(1-t)^{n-i} \cdot t^{i}\right]^{\prime} \\ &=\frac{n !}{i ! \cdot(n-i) !} \cdot\left[-(n-i) \cdot(1-t)^{n-i-1} \cdot t^{i}+i \cdot t^{i-1} \cdot(1-t)^{n-i}\right] \\ &=\frac{n !}{i ! \cdot(n-i) !} \cdot i \cdot t^{i-1} \cdot(1-t)^{n-i}-\frac{n !}{i ! \cdot(n-i) !} \cdot(n-i) \cdot(1-t)^{n-i-1} \cdot t^{i} \\ &=n \frac{(n-1) !}{(i-1) ! \cdot(n-i) !} t^{i-1} \cdot(1-t)^{n-i}-n \frac{(n-1) !}{i ! \cdot(n-i-1) !} \cdot(1-t)^{n-i-1} \cdot t^{i} \\ &=n C_{n-1}^{i-1} t^{i-1} \cdot(1-t)^{n-i}-n C_{n-1}^{i}(1-t)^{n-i-1} \cdot t^{i}\\ &=n\left[B_{i-1, n-1}(t)-B_{i, n-1}(t)\right] \end{aligned}
Bi,n′(t)=[Cni⋅(1−t)n−i⋅ti]′=i!⋅(n−i)!n!⋅[−(n−i)⋅(1−t)n−i−1⋅ti+i⋅ti−1⋅(1−t)n−i]=i!⋅(n−i)!n!⋅i⋅ti−1⋅(1−t)n−i−i!⋅(n−i)!n!⋅(n−i)⋅(1−t)n−i−1⋅ti=n(i−1)!⋅(n−i)!(n−1)!ti−1⋅(1−t)n−i−ni!⋅(n−i−1)!(n−1)!⋅(1−t)n−i−1⋅ti=nCn−1i−1ti−1⋅(1−t)n−i−nCn−1i(1−t)n−i−1⋅ti=n[Bi−1,n−1(t)−Bi,n−1(t)](5)
式中
i
≥
1
i\ge 1
i≥1. 当
i
=
0
i=0
i=0时，
B
0
,
n
(
t
)
=
C
n
0
⋅
(
1
−
t
)
n
−
0
⋅
t
0
=
(
1
−
t
)
n
B_{0, n}(t)=C_{n}^{0} \cdot(1-t)^{n-0} \cdot t^{0}=(1-t)^n
B0,n(t)=Cn0⋅(1−t)n−0⋅t0=(1−t)n, 故
B
0
,
n
′
(
t
)
=
−
n
(
1
−
t
)
n
−
1
=
−
n
B
0
,
n
−
1
B’_{0, n}(t)=-n(1-t)^{n-1}=-nB_{0, n-1}
B0,n′(t)=−n(1−t)n−1=−nB0,n−1.
进一步地，贝塞尔点求导为：
p
n
′
(
t
)
=
[
∑
i
=
0
n
C
n
i
⋅
(
1
−
t
)
n
−
i
⋅
t
i
⋅
P
i
]
′
=
B
0
,
n
′
P
0
+
B
1
,
n
′
P
1
+
⋯
+
B
n
,
n
′
⋅
P
n
=
−
n
B
0
,
n
−
1
P
0
+
n
(
B
0
,
n
−
1
−
B
1
,
n
−
1
)
P
1
+
n
(
B
1
,
n
−
1
−
B
2
,
n
−
1
)
P
2
⋯
+
n
(
B
n
−
1
,
n
−
1
−
B
n
,
n
−
1
)
P
n
=
n
[
B
0
,
n
−
1
(
P
1
−
P
0
)
+
B
1
,
n
−
1
(
P
2
−
P
1
)
+
⋯
+
B
n
−
1
,
n
−
1
(
P
n
−
P
n
−
1
)
]
=
n
∑
i
=
1
n
B
i
−
1
,
n
−
1
(
t
)
⋅
(
P
i
−
P
i
−
1
)
(6)
\tag{6} \begin{aligned} p_{n}^{\prime}(t)&=\left[\sum_{i=0}^{n} C_{n}^{i} \cdot(1-t)^{n-i} \cdot t^{i} \cdot P_{i}\right]^{\prime} \\ &=B_{0, n}^{\prime} P_{0}+B_{1, n}^{\prime} P_{1}+\cdots+B_{n, n}^{\prime} \cdot P_{n} \\ &=-nB_{0, n-1}P_0+n\left(B_{0, n-1}-B_{1, n-1}\right) P_{1}+n\left(B_{1, n-1}-B_{2, n-1}\right) P_{2} \cdots+n\left(B_{n-1, n-1}-B_{n, n-1}\right) P_{n} \\ &=n\left[B_{0, n-1}\left(P_{1}-P_{0}\right)+B_{1, n-1}\left(P_{2}-P_{1}\right)+\cdots+B_{n-1, n-1}\left(P_{n}-P_{n-1}\right)\right] \\ &=n \sum_{i=1}^{n} B_{i-1, n-1}(t) \cdot\left(P_{i}-P_{i-1}\right) \end{aligned}
pn′(t)=[i=0∑nCni⋅(1−t)n−i⋅ti⋅Pi]′=B0,n′P0+B1,n′P1+⋯+Bn,n′⋅Pn=−nB0,n−1P0+n(B0,n−1−B1,n−1)P1+n(B1,n−1−B2,n−1)P2⋯+n(Bn−1,n−1−Bn,n−1)Pn=n[B0,n−1(P1−P0)+B1,n−1(P2−P1)+⋯+Bn−1,n−1(Pn−Pn−1)]=ni=1∑nBi−1,n−1(t)⋅(Pi−Pi−1)(6)
-
普通方式实现n阶贝塞尔曲线
import numpy as np import matplotlib.pyplot as plt import math def bezier_normal(Ps, n, t): """普通方式实现贝塞尔曲线 Args: Ps (_type_): 控制点，格式为numpy数组：array([[x1,y1],[x2,y2],...,[xn,yn]]) n (_type_): n个控制点，即Ps的第一维度 t (_type_): 时刻t Returns: _type_: 当前t时刻的贝塞尔点 """ if n==1: return Ps[0] p_t = np.array([0,0]) n = len(Ps)-1 for i in range(n+1): C_n_i = math.factorial(n)/(math.factorial(i)*math.factorial(n-i)) p_t =p_t+C_n_i*(1-t)**(n-i)*t**i*Ps[i] return p_t # 画图验证 Ps = np.array([[0,0],[1,1],[2,1],[3,0],[3,1]]) x_=[] y_=[] for t in np.arange(0,1,0.01): plt.cla() pos = bezier_normal(Ps,len(Ps),t) x_.append(pos[0]) y_.append(pos[1]) plt.plot(Ps[:,0],Ps[:,1]) plt.scatter(x_,y_,c='r') # print(pos) # plt.plot(pos[0],pos[1]) plt.pause(0.001) -
使用递归的方式实现n阶贝塞尔曲线
## 递归的方式实现贝塞尔曲线 import numpy as np import matplotlib.pyplot as plt ## 递归的方式实现贝塞尔曲线 def bezier(Ps,n,t): """递归的方式求解贝塞尔点 Args: Ps (_type_): 控制点，格式为numpy数组：array([[x1,y1],[x2,y2],...,[xn,yn]]) n (_type_): n个控制点，即Ps的第一维度 t (_type_): 时刻t Returns: _type_: 当前t时刻的贝塞尔点 """ if n==1: return Ps[0] return (1-t)*bezier(Ps[0:n-1],n-1,t)+t*bezier(Ps[1:n],n-1,t) # 画图验证 Ps = np.array([[0,0],[1,1],[2,1],[3,0],[3,1]]) x_=[] y_=[] for t in np.arange(0,1,0.01): plt.cla() pos = bezier(Ps,len(Ps),t) x_.append(pos[0]) y_.append(pos[1]) plt.plot(Ps[:,0],Ps[:,1]) plt.scatter(x_,y_,c='r') # print(pos) # plt.plot(pos[0],pos[1]) plt.pause(0.001)
2.5 贝塞尔曲线性质
贝塞尔曲线具有许多性质，具体可参考这篇知乎文章，总结的很好。这里就列举几个在自动驾驶运动规划中的常见性质。
-
性质1：
P
0
P_0
P0和
P
n
P_n
Pn分别位于贝塞尔曲线的起点和终点；
-
性质2：几何特性不随坐标系的变换而变化；
-
性质3：起点和终点处的切线方向与和特征多边形的第一条边及最后一条边分别相切，换句话说，可根据曲线的起始点和终止点的切线方向确定车辆起始点姿态和目标点姿态；
-
性质4：若要求两端弧线拼接在一起依然是曲率连续的，必须要求两段弧线在连接处的曲率是相等的；
-
性质5： 至少需要三阶贝塞尔曲线（四个控制点）才能生成曲率连续的路径。
曲率连续需要二阶导数连续，三阶贝塞尔曲线求两次导还有变量t，是关于t连续的
- 城市环境下局部路径规划，如贝塞尔曲线能够拟合直道和弯道，在曲率变化较大的地方可以选用两个贝塞尔曲线来拟合。
- 无人驾驶车辆的运动规划，目标轨迹曲率是连续的且轨迹的曲率不超过车辆可行驶轨迹曲率的限制。
3. c++实现
由于在自动驾驶中算法实现一般使用C++，所以我也使用C++实现了n阶贝塞尔曲线，代码结构与python代码实现类似，这边就不再做相关代码解释了。完整代码详见我的github仓库。
4. python代码实现车辆轨迹规划
下面实现一个简单的车辆轨迹规划。
import numpy as np
import matplotlib.pyplot as plt
import copy
from celluloid import Camera # 保存动图时用，pip install celluloid
## 递归的方式实现贝塞尔曲线
def bezier(Ps,n,t):
"""递归的方式实现贝塞尔曲线
Args:
Ps (_type_): 控制点，格式为numpy数组：array([[x1,y1],[x2,y2],...,[xn,yn]])
n (_type_): n个控制点，即Ps的第一维度
t (_type_): 步长t
Returns:
_type_: 当前t时刻的贝塞尔点
"""
if n==1:
return Ps[0]
return (1-t)*bezier(Ps[0:n-1],n-1,t)+t*bezier(Ps[1:n],n-1,t)
if __name__=='__main__':
d = 3.5 # 道路标准宽度
# 控制点
Ps = np.array([
[0, -d / 2],
[25, -d / 2],
[25, d / 2],
[50, d / 2]
])
n = len(Ps) - 1 # 贝塞尔曲线的阶数
path=[] # 路径点存储
# 贝塞尔曲线生成
for t in np.arange(0,1.01,0.01):
p_t = bezier(Ps,len(Ps),t)
path.append(p_t)
path = np.array(path)
## 画图
fig = plt.figure(1)
# plt.ylim(-4, 4)
camera = Camera(fig)
len_line = 50 # 车道长
# 画灰色路面图
GreyZone = np.array([[- 5, - d - 0.5], [- 5, d + 0.5],
[len_line, d + 0.5], [len_line, - d - 0.5]])
for i in range(len(path)):
# plt.cla()
plt.fill(GreyZone[:, 0], GreyZone[:, 1], 'gray')
# 画分界线
plt.plot(np.array([- 5, len_line]), np.array([0, 0]), 'w--')
plt.plot(np.array([- 5, len_line]), np.array([d, d]), 'w')
plt.plot(np.array([- 5, len_line]), np.array([- d, - d]), 'w')
plt.plot(Ps[:, 0], Ps[:, 1], 'ro') # 画控制点
plt.plot(Ps[:, 0], Ps[:, 1], 'y') # 画控制点连线
# 设置坐标轴显示范围
# plt.axis('equal')
plt.gca().set_aspect('equal')
# 绘制路径
plt.plot(path[0:i, 0], path[0:i, 1], 'g') # 路径点
plt.pause(0.001)
# camera.snap()
# animation = camera.animate()
# animation.save('trajectory.gif')
效果如下：
以上所有代码均存于github仓库，欢迎访问。
本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://net2asp.com/9ae442e68b.html
相关推荐
-
C语言中基本数据类型所占字节数
一、 C语言基本数据类型 short、int、long、char、float、double 这六个关键字代表C 语言里的六种基本数据类型。 在不同的系统上，这些类型占据的字节长度是…
-
二蛋赠书七期：《云原生数据中台：架构、方法论与实践》
前言 大家好！我是二蛋，一个热爱技术、乐于分享的工程师。在过去的几年里，我一直通过各种渠道与大家分享技术知识和经验。我深知，每一位技术人员都对自己的技能提升和职业发展有着热切的期待…
-
【华为OD机试真题 Python语言】448、结对编程 | 机试真题+思路参考+代码解析（C卷）
文章目录 一、题目 ?题目描述 ?输入输出 ?样例1 ?样例2 二、思路参考 三、代码参考 作者：KJ.JK ?个人博客首页： KJ.JK ?专栏介绍： 华为OD机试真题汇总，…
-
【C++】右值引用（极详细版）
在讲右值引用之前，我们要了解什么是右值？那提到右值，就会想到左值，那左值又是什么呢？ 我们接下来一起学习！ 目录 1.左值引用和右值引用 1.左值和右值的概念 2.左值引用和右…
-
【单例模式】保证线程安全实现单例模式
📄前言：本文是对经典设计模式之一——单例模式的介绍并讨论单例模式的具体实现方法。 文章目录 一. 什么是单例模式 二. 实现单例模式 1. 饿汉式 2. 懒汉式 2…
-
C语言之网络编程（必背知识点）
一、认识网络 1、网络发展史 网络的来历_百度知道 ARPnetA–Internet–移动互联网–物联网 2、局域网和广域网 局域网（LAN）…
-
开关电源PFC电路原理详解及matlab仿真
PFC全称“Power Factor Correction”，意为“功率因数校正”。PFC电路即能对功率因数进行校正，或者说能提高功率因数的电路。是开关电源中很常见…
-
虚拟机集群部署hadoop
搭建hadoop虚拟机集群 一，虚拟机环境准备 以三台虚拟机为例，配置如下： 1.台虚拟机：内存2G，处理2 硬盘50G ，如图 （电脑配置参考：8核16线程+32运行内存） 2….
-
hadoop报错ERROR: Cannot set priority of namenode process
现象： 解决： 1.看Hadoop的日志： 查看namenode日志：tail -n 200 hadoop-xinjie-namenode-VM-0-9-centos.log （文…
-
【ElasticSearch8.X】学习笔记（一）
【ElasticSearch8.X】学习笔记 一、8.x与7.x的对比 二、安装elk8.x 2.1、下载 2.2、集群规划 2.3、安装 2.4、配置环境 2.5、修改配置文件 …
