qq_43649786的博客

经过实验测量以y轴精度进行验证，整机验证进行六次采集，平均精度误差为0.361mm 原始的标定精度在6mm左右，虽然听起来是非常微小的偏差，但是由于研究方向对精度要求极高。且在运动过程中，深度信息误差、畸变误差、机械误差、坐标系转换等一系列误差累积环节，将导致误差放大，因此远不能达到要求。 使用规划和智能算法对相机进行标定具有比较强的优势在于，不管是非线性规划的方法还是粒子群/遗传等智能方法的计算目标函数可以将旋转矩阵与位移矩阵一起进行计算，这种计算方法也被称之为一步法，对比传统的Tsai手眼标定的两步法可以有效避免旋转矩阵和位移矩阵计算的误差积累。当然缺点是非常不好进行编程实现，且一旦编程出现错误极有可能误差巨大，而且数学要求较高，需要一定的数学基础。

使用torchvision.datasets模块加载MNIST数据集，并进行必要的数据预处理，如图像转换、标准化等。 使用卷积神经网络（CNN）以提取图像中的特征，并进行训练。可以自行尝试不同的模型架构，添加或调整层、增加参数等，以提升性能。 选择叉熵损失函数（CrossEntropyLoss），用于度量模型输出与实际标签之间的差异。 选择随机梯度下降优化器（SGD）用于更新模型的参数。 训练过程定义训练循环次数epoch，遍历训练数据集并向前传播、计算损失、反向传播、更新参数使用批量训练（mini-batch）来加速训练过程，同时监控训练集上的准确率和损失函数值。

可一键删除软件的注册信息，可以用于sw等注册信息复杂软件的重装，以及各类流氓软件的卸载