精华内容
参与话题
问答
  • 1.学习理解机器人路径规划算法,重点研究遗传算法和蚁群算法。 2.对典型的二维场景采用栅格法进行matlab建模。 3.用matlab对遗传算法,蚁群算法仿真,比较不同算法的优缺点,确定有效的路径规划求解算法。 所以就...

    这是一个多年以前研究过的课题,现在简单说一下

    本课题主要是
    1.学习理解机器人路径规划算法,重点研究遗传算法和蚁群算法。
    2.对典型的二维场景采用栅格法进行matlab建模。
    3.用matlab对遗传算法,蚁群算法仿真,比较不同算法的优缺点,确定有效的路径规划求解算法。

    所以就形成了
    遗传算法–>栅格法+TSP问题
    蚁群算法–>栅格法+TSP问题

    路径优化的问题很常见,本带马工会竭尽所能解决小白入坑的问题(手动笑哭)。评论会推送至邮箱,我看见了就会回复。可接私活。
    也欢迎各位大佬详细交流,

    展开全文
  • 机器人路径规划_蚁群算法

    千次阅读 2015-12-17 16:24:02
    机器人路径规划_蚁群算法 原理 蚁群算法是模拟自然界中蚂蚁的觅食行为而形成的一种群体智能化算法。蚂蚁个体之间信息的传递是通过一种称为信息素的化学物质进行的。蚂蚁在寻找食物的过程中会释放一定量的信息...

    机器人路径规划_蚁群算法

    原理

    蚁群算法是模拟自然界中蚂蚁的觅食行为而形成的一种群体智能化算法。蚂蚁个体之间信息的传递是通过一种称为信息素的化学物质进行的。蚂蚁在寻找食物的过程中会释放一定量的信息素,并且蚂蚁在寻找食物的过程中会感知到信息素强度,并以此指导自己下一步的移动方向。当一条路径上信息素浓度越高就表明该路径上通过的蚂蚁的个数也就越多,其它蚂蚁选择该路径的可能性也就越大。

    蚂蚁在寻找食物的过程中主要按照所处环境中的信息量来决定其前进的方向,因此可以把觅食过程抽象成算法中解的寻优过程,将信息素抽象为存在于图的边上的轨迹。用任意两个节点分别表示蚂蚁的起始点和终点,人工蚂蚁从起点按照一定状态转移概率选择下一个节点,依次类推,最终选择移动到终点上,这样便得到了所求问题的一个可行解。蚂蚁总是在所经过的路径上留下称之为信息素的物质,而信息素也会随着时间的推移而逐渐的挥发。一般在计算机中实现时采取的做法是:当蚂蚁完成从一个节点到下一个节点的移动后,进行一次信息素的挥发,而这种在离散时间点进行信息素挥发的形式与蚂蚁寻找食物过程的原理是一致的。

    在决定蚂蚁在行走方向的状态转移概率时,引入了一个随机搜索的过程,引入了启发因子,在根据所求问题空间的具体特点,给蚁群算法一个初始的引导,这个过程极大的增加了算法的时间有效性,从而使蚁群算法的有效应用成为可能。我们经常用表示信息启发式因子,它反映了蚂蚁在移动过程中所累积的信息素在蚂蚁移动时所起的作用,值越大,则表示该蚂蚁越倾向于选择其他蚂蚁走过的路径,表明蚂蚁之间协作性越强。用表示期望启发式因子,它反映了蚂蚁在移动过程中启发信息在蚂蚁选择路径中的受重视程度, 值越大,则该状态转移概率越接近于贪婪规则。

    优点

    正反馈、分布式计算、具有较强的通用性和鲁棒性。适合在图上搜索路径问题。

    缺点

    计算开销稍大


    展开全文
  • 路径规划基本介绍(一)

    万次阅读 多人点赞 2019-04-24 21:30:03
    一、路径规划的作用 路径规划主要是让目标对象在规定范围内的区域内找到一条从起点到终点的无碰撞安全路径路径规划中有静态路径规划以及动态路径规划。这里仅针对静态路径规划方法进行简单的介绍,以下路径规划仅...

    一、路径规划的作用
    路径规划主要是让目标对象在规定范围内的区域内找到一条从起点到终点的无碰撞安全路径。路径规划中有静态路径规划以及动态路径规划。这里仅针对静态路径规划方法进行简单的介绍,以下路径规划仅指在静态环境下的路径规划。
    在进行路径规划的时候,我们首先需要考虑的有以下几个方面:
    a.起点与终点的位置获取
    b.障碍物的环境表示
    c.规划方法
    d.搜索方法
    二、路径规划需要考虑的几个方面
    1.起点与终点的位置获取
    这个问题很简单,说白了就是我们如何让机器人知道起点和终点的位置。在静态路径规划的情况下,我们通常已知了机器人所处的环境,即地图。而地图则是一个存储着数据的二维数组。这样,我们就可以通过数组的下标唯一的确定数组中的一个或多个元素,即确定地图上的起点与终点位置。当然,在实际的情况中,可能会比这复杂得多,例如机器人在确定自身在地图中的位置时(即起点),会需要其本身所携带的各种传感器,如摄像头,激光雷达,红外传感器,陀螺仪等,通过传感器的数据来感知周围的环境,从而得知自身的位置。因为我们讨论路径规划,所以这部分不会进行很详细的介绍。
    2.障碍物的环境表示
    在进行路径规划的时候,我们需要让机器人知道地图上的哪些区域是可以通行的,哪些是不可以通行的,这样,我们根据一定的规则,就可以避开不可通行的区域,到达目的地。对一个机器人来说,它根据传感器的数据绘制出完整的地图后,就得到了它的活动空间的一个有效描述,即环境模型。在规划前首先要做的就是将环境的描述由外部的原始形式通过一系列处理转化围合式规划的内部的世界模型,这个过程称为环境建模,其中主要的是障碍物的表示方法。合理的环境表示有利于建立规划方法和选择合适的搜索算法,最终实现较少的时间和内存开销而规划出较为满意的路径。不同的路径规划方法正是基于不同的环境建模。
    a.栅格表示法
    栅格法通过使用大小相同的栅格画风空间环境,并用数组来表示环境。每个栅格点或在障碍物空间,火灾自由空间。对于混合栅格点(即一部分是自由空间,一部分是障碍物空间),依据其各自占据的比例将其归属于自由空间或障碍物空间。障碍物在数组中表示为1 ,自由空间表示为0.最短路径是通过搜索这张栅格地图来得到的。规划空间表达具有一致性、规范性和简单性,它同时具有表达不规则障碍物的能力。其缺点是存在着空间开销和求解精度之间的精度。
    栅格地图,二维数组中存储的元素数值就代表了环境中不同的情况
    b.单元数法
    单元数法是为了克服栅格法的缺点。其主要思想是通过将环境空间划分为大小不同的单元来进行环境的描述。常用做法是:将环境空间划分为几个比较大的单元(一般来说,二维空间划分成4部分,称为4×树,三维空间划分为8部分,称为8叉树),其划分的单元的工作空间可能是以下三个部分:自由空间、障碍物空间、混合空间。其优点是自适应性较好。主要缺点是计算单元之间的邻接关系时的损失较大,并且计算的算法实现要比栅格法更加复杂。
    3.规划方法
    为了解决路径规划问题,人们已经探索出很多有效的求解方法。他们不是互相排斥的,并且常常结合起来共同实现路径。大致可以分为两类:传统方法和智能方法。
    a.传统方法
    i— 几何法
    几何法抽取的是环境的几何特征。利用其结合特性将环境空间映射到一个加权(权值可以使两点之间的几何距离)图上,这样就能把避开障碍物的路径规划问题转化成一个简单的图搜索的问题上。基于几何法的路径规划方法一般分为3步:
    1>.在搜索图中找到起点
    2>.在搜索图中找到目标点
    3>.把这两个点用图中不穿过障碍物的折线或曲线连接起来,就得到了一条无碰撞路径。
    几何法包括:
    a.可视图法(Visibility Graph)
    该方法将所有障碍物的顶点(集合为V0)、起始点s、目标点g用直线组合相连,同时要求三者之间的连线均不能穿过障碍物,即直线是可视的,给图中的边赋权值,构造图G(V,E)。然后采用某种搜索方法规划最优路径。该方法在障碍物数目或行状不复杂的时候可以使用,但是当这二者不满足的情况下,所构造的图G(V,E)会成千成百的增加计算量,因此,有些聪明的人将其进行了一些改进,使得它不用保存那么多的信息也可以完成路径规划,这种方法叫切线法。切线法
    可视图
    优点:概念直观,实现简单
    缺点:缺乏灵活性,即一旦起点和目标点发生改变,就要重新构造可视图,且路径不是最优
    b.Voronoi图法
    该方法使用一系列的节点来定义的,这些节点到附近的两个或多个障碍物的边缘是等距的。Voronoi图把空间划分成若干个区域,每个区域只包含一个障碍物的边缘(类似于brushfram方法)
    Voronoi图法
    优点:路径安全性十分高
    缺点:计算量十分的大,路径不是最优
    c.自由空间法
    把环境分成两部分,即障碍物空间和自由空间。用某种搜索策略在自由空间中找到一条路径。按照划分自由空间方法的不同又可分为:凸区法、三角形法、广义锥法。
    优点:路径无碰撞,比较灵活,起始点和目标点的改变不会引起连通图的重构。
    缺点:在某些情况下,路径偏离前景目标太远,另外规划出的路径形态比较复杂,精度不高。
    ii— 单元划分法
    单元划分的典型特征是划分空间与搜索是交叉进行的。这种方法把自由空间划分为一个由简单的单元所构成的集合,各单元之间的连线的邻接关系也同时被计算。首先标识出起点和目标点的所在的单元,再连接两点之间的连续单元格,就得到了一条安全路径。单元的花粉可以依赖障碍物,也可以独立于障碍物。
    对于前者,障碍物的边界用于生成单元格的边界,所得到的自由单元的集合精确的定义自由空间,其优点是:有效的表达了障碍物,最后所得的单元格少,相对于独立于障碍物的单元划分法搜索节点少。其缺点是:单元分解与计算单元之间的邻接关系的开销较大。
    对于独立于障碍物的单元分解,环境空间被划分为一些有规则形状的单元,算法简单。在所有单元中,如没有包含障碍物,称其为空单元:若被障碍物充满,则为满单元,若部分包含障碍物,称其为混合单元。八段元视为节点,其间的相邻关系用弧线连接起来,得到一个网络连通图,于是寻找安全路径问题变为图的搜索。其优点是:划分简单,易于实现。缺点是:
    不一定精确表示障碍物,改善途径是增加单元的数量,就可以提高换分的精度。
    iii— 人工势场法
    实际上是一种拟物方法,模拟自然界中的静电场,流体等。人工势场法
    BrushFire
    iiii— 数学分析方法
    这种方法将由起点到终点寻找最优路径问题转化为求一组带约束条件目标函数的极值问题,将路径规划问题转化成一个函数优化问题。由于这种优化是非线性的,并带有许多种限制条件,故往往使用离散化方法来找到最优解。
    b.智能路径规划方法
    i—基于模糊逻辑的路径规划
    模糊逻辑避障是一种仿人控制过程,其原理就是根据总结的规则确定输出值。该方法最大的特点是参考人的驾驶经验,计算量不大,易做到边运动边规划,能够满足实时性要求。同时克服了势场法的局部最优的问题。其缺点是:人的经验也不一定是完备的;输入量增多时,推理规则和模糊表会急剧膨胀
    ii— 基于神经网络方法的路径规划
    路径规划是感知空间到行为空间的一种映射。映射关系可以用不同的方式表示,但很难用精确地数学方程表示。而神经网络巧妙地避开了这一难题,通过其网络的自学习来达到建立精确模型的目的。缺点是:典型样本获得难度较大,网络训练速度不一,学习机制会有缺陷。
    iii—基于遗传算法的路径规划
    以自然遗传机制和自然选择等生物进化理论为基础,构造了一类随机化搜索算法。他利用选择、交叉和变异等遗传操作来培养控制机构的计算过程,在某种程度上对生物进化过程做数学方式的模拟。其特点为:对参数的编码进行操作而不是参数本身;作为并行算法,在某种程度上适用于全局搜索;是用的是随机搜索过程;对于待优函数基本上没有任何要求,只利用适应度信息。缺点是:运算速度不快进行众多的规划要占用较大的存储空间和运算时间;有时候会提前收敛。
    4.搜索方法
    给定一种环境空间的表示方法(环境的抽象)和规划技术(数学的理论表达)后,求避障路径问题就变成了求解数学问题的最优解的问题,也就是搜索一个从起点到终点的连续节点序列问题。搜索技术分为三类:基于微积分搜索技术、有指导的随机搜索技术和枚举技术。
    a.基于微积分搜索集输
    该技术使用微积分理论求解满足一组充分必要条件问题的最优解。由于方法的理论工具是传统的微积分,因此利用这种搜索技术的前提是目标函数与约束条件要有解析表达式,并且可导。而避障路径规划问题很难归纳出这样的解析表达式。在人工势场方法中,实际上也还是将路径规划问题转化为求解高维度函数的极值问题。这种技术易于陷入局部最优解。
    b.有指导的随机搜索技术
    该技术以枚举法为基础,附加了一些指导搜索过程的信息。其两个主要的子集是模拟退火算法(SAA)和遗传算法(GA)。
    c.枚举法
    该技术是搜索目标函数的域空间中的每一个点,他们实现简单,但可能会需要大量的计算。常用的有深度优先搜索(DFS)、广度优先搜索(BFS)、A*搜索、Dijkstra搜索、波传播算法等。
    波传播算法即是从水波中得到的启发。波传播算法就是模拟了这一过程,将环境视为水面,起点视为石子,这样,水波总能会经过目标点。波传播算法以波形分为矩形波传播算法和圆形波传播算法。

    矩形波

    矩形波传播算优点:简单易行,只要栅格大小选取得当,并且起点与终点之间存在路径,运用该方法一定能找到到一条合适的路径。缺点:路劲不一定是最优。这种方法把路径长短用经过此格子时的波的传播圈数来度量。事实上,路径的长短和经过的波的传播圈数不是严格的单调关系。
    圆形波

    圆形波的传播优点:可以找到比矩形波较优的路径。缺点是:栅格环境下,构造圆形波增加了复杂度。主要难点是圆形波各圈半径的确定。因为栅格的连续和形状,当波圈增加时,其半径等差增加并不是对应栅格个数的等差增加,如果半径增加选择大了,在波覆盖时就会漏掉一些格子;反之如果减小了,不仅会做一些无用的覆盖,而且会大大增加复杂度。实际上,圆形波的提出者的算法并不是真正的圆形波,还是用矩形波来传播,用类似于圆形波的距离概念进行填写的。上述的图片不是太清晰,可以看下面这一个图。在这里插入图片描述
    d.搜索算法的比较
    基于微积分的搜索技术,可分为直接法和间接法,直接法根据目标函数的梯度来确定下一步的搜索方向,如Newton法,共轭梯度法和尺度变换法等。直接法采用的是一种爬山法,即根据最陡的方向爬上一个局部最优解。间接法则从极值的必要条件出发导出一组方程,然后求解方程组再通过比较求得极值,然而导出的方程一般是非线性的,他的求解非常困难,所以,对一些很简单的问题才使用间接法。
    由于遗传算法是一种马氏链过程,虽有一些关于收敛性的研究,但是还是缺乏中肯的分析。
    经典搜索算法中一些算法程序的实现非常简单,搜索出的结果非常接近最优结果,有的甚至就是最优结果。例如A*搜索算法,Dijkstra算法,贪心算法等。其中Dijkstra算法与贪心算法容易陷入局部最优而导致路径很差或路径规划失败,因此需要我们有针对性的运用他们。
    本文还有一些内容没有补充完整,稍后再进行补充。内容大部分参考了一篇论文,以下是原论文的链接:
    参考论文链接http://xueshu.baidu.com/usercenter/paper/show?paperid=08ed3a8e7c2e4c58411bcf4fe43590eb&site=xueshu_se
    待续。。。。。

    展开全文
  • RRT路径规划算法

    千次阅读 2019-08-29 21:43:42
    RRT路径规划算法地图RRT算法原理路径平滑处理总结 RRT(Rapidly-Exploring Random Tree)算法是一种基于采样的路径规划算法,常用于移动机器人路径规划,适合解决高维空间和复杂约束下的路径规划问题。基本思想是以...


    RRT(Rapidly-Exploring Random Tree)算法是一种基于采样的路径规划算法,常用于移动机器人路径规划,适合解决高维空间和复杂约束下的路径规划问题。基本思想是以产生随机点的方式通过一个步长向目标点搜索前进,有效躲避障碍物,避免路径陷入局部极小值,收敛速度快。本文通过matlab实现RRT算法,解决二维平面的路径规划问题。

    地图

    为了方便算法的实现,使用离散量来表达环境地图。其中,数值0表示无障碍物的空区域,数值1表示该区域有障碍物。
    迷宫地图
    RRT算法中搜索到的顶点坐标为连续点,在地图中产生随机点,算法将通过连续的点构建树。此过程中,对树枝和顶点进行检测,检测顶点所处位置是否是空区域。下载附录中.dat文件,绘制地图。

    colormap=[1 1 1; 0 0 0; 1 0 0; 0 1 0; 0 0 1];
    imshow(uint8(map),colormap)
    

    note:数据中的列为x轴,行为y轴

    RRT算法原理

    通过matlab程序构建从起始位置到目标位置的树,并生成连接两个点的路径。使用一颗中心点在起始点的树,而不是两颗树(一个中心点在起始位置,一个中心点在目标位置)。
    编写一个matlab函数,输入和输出有相同的形式。

    function [vertices, edges, path] = rrt(map, q_start, q_goal, k, delta_q, p)
    

    其中:
    map:.mat文件中的地图矩阵
    q_start:起点的x和y坐标
    q_goal:目标点的x和y坐标
    k: 在目标点无法找到是,控制产生搜索树的最大迭代次数为k次
    delta_q : q_new 和 q_near之间的距离
    p: 将q_goal 作为q_rand 的概率,当随机产生的随机数小于p,将目标点作为随机点q_rand,当随机产生的数大于p时,产生一个随机点作为q_rand
    vertices:顶点的x和y坐标,生成随机树的过程中产生的所有的点的坐标都存储在这个矩阵中,第一个点为起点,最后一个点为目标点。是一个2行n列的矩阵
    deges:生成随机树的所有树枝,一共有n-1个树枝,因此该矩阵有n-1行,每一行的两列分别表示两个点的索引号。一旦搜索到目标点,最后一行将表示目标点,沿着目标点回溯,即可找到路径
    path: 从起始点到目标点的索引,是一个行向量

    下面用一个图来表示上面提到的算法里的一些变量:
    在这里插入图片描述
    在这里插入图片描述
    算法伪代码如下:
    在这里插入图片描述
    障碍物检测
    检测树枝(即q_near和q_new之间的edge)是否处于自由空间,可以使用增量法或者等分法,示意图如下(假设两点之间有10个点,左图为为增量检测法,右图为等分法,从示意图中可以看出使用等分法检测次数更少):
    在这里插入图片描述
    在本文中,使用k=10000,delta_q=50,p=0.3, 我们将获得如下结果:
    在这里插入图片描述

    路径平滑处理

    完成基本的RRT算法之后,我们获得了一条从起点到终点的路径,现在对这条路径进行平滑和降噪处理,处理完成之后,我们将得到一条更短的路径。
    采用贪心算法:
    连接q_start和q_goal,如果检测到两个点之间有障碍物,则将q_goal替换为前一个点,直到两个点能连接上(中间无障碍物)为止。一旦q_goal被连接上,
    在matlab中定义平滑函数:

    function [path_smooth] = smooth(map, path, vertices, delta)
    

    其中:
    path: 从起始点到目标位置的路径索引号
    vertices:树中所有的顶点坐标
    delta:增量距离,用来检测路径顶点之间的直接连接是否在自由空间之内,每个edge都被delta分割成几段
    path_smooth:经过平滑处理之后,路径点将会减少,用path_smooth记录平滑之后的路径,仍然是一个行向量,记录路径的索引号

    平滑处理之后的路径为:

    在这里插入图片描述

    总结

    RRT算法是一种增量式的搜索算法,基于概率的思想,它是一种概率完备的路径优化算法,具有求解速度上的优势。RRT基本算法有其自身缺陷,求解得到的路径通常质量不好,带有棱角,不够光滑。因此需要对路径进行平滑处理,才能得到适合机器人路径跟踪的路径曲线。

    reference

    https://github.com/emreozanalkan/RRT

    展开全文
  • 浅谈路径规划算法

    万次阅读 多人点赞 2017-09-19 16:32:09
    原文地址:http://theory.stanford.edu/~amitp/GameProgramming/ 1导言 1.1算法 1.2Dijkstra算法与最佳优先搜索 1.3A*算法 2启发式算法 2.1A*对启发式函数的使用 2.2速度还是精确度?...2.4.2线性精
  • 快速查找Python安装路径方法

    万次阅读 多人点赞 2018-02-28 15:22:42
    我相信一定有很多的人跟我一样,经常忘记Python安装的路径,每当用到的时候,最笨的办法就是在全局电脑里,直接查找Python,这样是肯定能查到的,但是如果你的电脑文件超级多,这将是一个工厂量很大的事情,你要等...
  • 对于无人车辆来说,全局路径点只要包含空间位置信息即可,也可以包含姿态信息,而不需要与时间相关,但局部规划时,则可以考虑时间信息。这里规定轨迹点也是一种路径点,即当路径点信息中加入时间约束,就可以被称为...
  • 在Python中以绝对路径或者相对路径导入文件的方法

    万次阅读 多人点赞 2018-05-25 20:19:43
    1、在Python中以相对路径或者绝对路径来导入文件或者模块的方法    今天在调试代码的时候,程序一直提示没有该模块,一直很纳闷,因为我导入文件一直是用绝对路径进行导入的。按道理来讲是不会出现模块找不到的...
  • 我在文件上传和下载类用的获取路径的方法都是上面的代码,但是我在运行的时候,发现文件上传目录是在C:\Users\Administrator\AppData\Local\Temp\tomcat-docbase.1083509166823006581.8888\attached/下面 ...
  • idea配置application context(web项目的默认访问路径

    万次阅读 多人点赞 2017-11-11 23:05:25
    idea的application context eclipse大家应该都用过,eclipse访问项目的路径一般是localhost:8080/projectName, 当把IDE换成idea以后,访问路径一般情况下就变成了localhost:8080,路径没有了后面的项目名。...
  • WordPress之将路径目录名/wordpress去掉之方法

    万次阅读 多人点赞 2019-03-11 09:11:47
    PQ8PP6VBIC-eyJsaWNlbnNlSWQiOiJQUThQUDZWQklDIiwibGljZW5zZWVOYW1lIjoi5b285bK4IDMiLCJhc3NpZ25lZU5hbWUiOiIiLCJhc3NpZ25lZUVtYWlsIjoiIiwibGljZW5zZVJlc3RyaWN0aW9uIjoiRm9yIGVkdWNhdGlvbmFsIHVzZSBvbmx5IiwiY2hlY...
  • vscode添加头文件路径

    万次阅读 2018-10-15 18:06:23
    win+p 。选择c_cpp_properties.json { "configurations": [ { "name": "Linux", "includePath": [ "${workspaceFolder}/**&... //此处添加头文件路径, ], &q
  • Python 基础篇-相对路径、绝对路径的写法

    万次阅读 多人点赞 2019-03-11 10:02:39
    Python的路径分相对路径和绝对路径。 ./代表当前文件夹,../代表上一级文件夹。
  • Qt 程序获取程序所在路径、用户目录路径、临时文件夹等特殊路径的方法经常我们的程序中需要访问一些特殊的路径,比如程序所在的路径、用户目录路径、临时文件夹等。在 Qt 中实现这几个功能所用的方法虽然都不难,...
  • C# 相对路径转绝对路径

    千次阅读 2017-03-15 09:10:11
    如果是路径相对路径,使用 Path 转换 System.IO.Path.Combine(文件夹, relativePath);文件夹就是相对的文件夹。这样就可以把相对路径转绝对。参见:...
  • 2然后通过MySQL Installer安装主要部件,但是整个过程却没有选择安装路径的选项?如果一路下去就安装到C盘了,我想放在D盘。以前的版本都有安装路径的选择。下面是安装图步骤: ![图片说明]...
  • springboot项目获取resources路径(相对路径

    万次阅读 热门讨论 2019-04-29 16:44:18
    springboot文件上传保存到...(ps:不知道是不是springboot内嵌tomcat容器的原因,用网上的request.getServletContext().getRealPath("/")方法获得的路径不是项目路径,而是c盘下一个tomcat目录路径) 保存成...
  • python安装路径,pip安装的包以及pip的安装路径在哪?

    万次阅读 多人点赞 2019-02-11 16:11:28
    3.使用pip安装完包后,只需再执行一次命令pip install xx,就会显示安装路径。 如:pip install jupyter安装完成后,再次输入pip install jupyter就会显示此包已经安装的路径了。 由此可知jupyter包安装在了...
  • 绝对路径和相对路径详解

    万次阅读 多人点赞 2012-10-05 17:02:27
    比如说你的C盘ABC文件夹下有两个文件file1和file2 如果让文件file1说出文件file2的位置(也就是路径),...第二种:file2 这就是相对路径,因为file1文件和file2文件都在C:\ABC下,所以它们的路径前面"C:\ABC"都是一样...
  • JAVA获取当前项目和文件所在路径

    万次阅读 2020-07-16 14:35:00
    //当前项目下路径 File file = new File(""); String filePath = file.getCanonicalPath(); System.out.println(filePath); //当前项目下xml文件夹 File file1 = new File(""); String filePath1 = file1....
  • 相对路径和绝对路径的区别

    万次阅读 多人点赞 2018-10-10 21:27:30
     绝对路径是指文件在硬盘上真正存在的路径。例如“bg.jpg”这个图片是存放在硬盘的“E:\book\网页布局代码\第2章”目录下,那么 “bg.jpg”这个图片的绝对路径就是“E:\book\网页布\代码\第2章\bg.jpg"。那么...
  • Java路径问题最终解决方案 —可定位所有资源的相对路径寻址前言
  • Android Studio 默认安装路径:C:\Program Files\Android\Android StudioSDK 默认安装路径:C:\Users\计算机用户名\AppData\Local\Android\sdk计算机用户名:就是你登录计算机输入的账号...
  • linux上的tomcat中部署web程序中文绝对路径访问不到,路径没有问题,文件名称也没错误![图片说明](https://img-ask.csdn.net/upload/201611/08/1478594637_568727.png) 语言配置文件如下: /etc/sysconfig/i18n...
  • java项目里classpath具体指哪儿个路径

    万次阅读 多人点赞 2017-07-26 17:08:45
    一、classpath路径指什么  只知道把配置文件如:mybatis.xml、spring-web.xml、applicationContext.xml等放到src目录(就是存放代码.java文件的目录),然后使用“classpath:xxx.xml”来读取,都放到src目录准没...
  • jsp相对路径

    万次阅读 2020-05-31 21:06:37
    开发中每次请求后台数据都要写全路径,太麻烦,直接上个相对路径方式: jsp相对路径文件:base.jsp <%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%> <% ...
  • 相对路径和绝对路径

    万次阅读 多人点赞 2018-09-25 09:52:02
    相对路径和绝对路径,往往都是初学者最困惑的知识点之一。在这一节,我们详细跟大家探讨一下这两者的区别和写法。 我们在C盘目录下建立一个网站,网站名称为“BookTest”,这个网站下的目录内容如下: 我们先...
  • 我在做一个云相册的项目,用的是百度云。现在要获得系统默认相册的所有图片路径,在google上搜罗很多,都是把sd卡上所有相册都罗列了出来,我是安卓新手,也不太懂怎么弄,各位大神有什么好办法。。。
  • 改变python的默认路径为当前的工作路径通过os模块来进行python中路径的更改默认路径为:>>> import os >>> os.getcwd()'D:\\Program Files\\Python35'跳转到当前工作路径为>>> os.chdir("D:\Program Files\Python35\...
  • JSP中的相对路径和绝对路径

    万次阅读 2010-03-04 18:14:00
    1.首先明确两个概念: 服务器路径:形如:http://192.168.0.1/的路径Web应用路径:形如:http://192.168.0.1/yourwebapp的路径 2.关于相对路径与绝对路径的描述: Servlet中,"/"代表Web应用的跟目录。和物理路径...

空空如也

1 2 3 4 5 ... 20
收藏数 823,906
精华内容 329,562
关键字:

路径