CASS中按指定距离和方向移动图形

cass 河流走向 符号_南方CASS测图技巧—实用! 技巧1:山区数字地面模型(DTM)处理数字地面模型(DTM),是在一定区域范围内规则格网点或三角网点的平面坐标(x,y)和其地物性质的数据集合,如果此地物性质是该点的高程Z,则此数字地面模型又称为数字高程模型(DEM)。这个数据集合从微分角度三维地描述了该区域地形地貌的空间分布。在常见绘图软件中,软件对于地形线中坎线能够自动识别,而对于诸如山脊线、山谷线等一些不能自动识别,构成DTM时(... 阅读详情
AI摘要

本文介绍了一种在绘图软件中通过指定基准点来精确移动图形的方法。通过改变基准点的位置,可以轻松实现图形沿不同轴向的移动,适用于测绘等领域。

1、绘制一个图形

打开软件,随意绘制一个矩形,并量取左下角点的坐标值,具体如下:

2、按距离移动原理讲解 

例1:将图形沿着y轴负方向移动100米,如何实现?

如上图所示,测绘中的坐标系与数学坐标系的XY轴相反。如需将矩形沿着Y轴移动100米,需找到y=100,x=0处的点作为移动时的基点,将该基点移动至0,0原点处。矩形会随着基点的移动相对沿着Y轴负方向移动100米。

具体操作如下:

在命令行输入m,回车,输入坐标为100,0的点作为基点,然后在输入原点坐标0,0,表示要将基点移动至原点。

如需再沿着Y轴正方向移动 100米,则将基点选择为原点0,0处,并将基点移动到100,0处即可。

其他情况,比如沿着X轴正负方向移动,则将坐标值对换即可。如需要沿着X正方向移动200米,则指定基点坐标为0,0处,再将基点移动至0,200处即可。

沿着X轴负方向移动300米,则指定基点坐标为0,300处,再将基点移动至0,0处即可。

3、说明

根据图形与原点的相对位置,需要找到正确的基准点,并决定将其移至某个点,以此来决定图形向何种方向移动,以及移动多少距离等。

【CASS精品教程】028:CASS实用技巧集锦(持续更新中) 【CASS精品教程】CASS实用技巧集锦(持续更新中)专栏包括: CASS软件下载安装、地形图绘制、地籍图绘制、土地利用规划、等高线绘制、CASS与ArcGIS数据交互、土方量计算、断面图绘制、量测面积等。订阅专栏,可阅读专栏内所有文章、获取软件配套资料,持续同步更新! 阅读详情

相关推荐

【CASS精品教程】028:南方CASS实用技巧和常见问题问答精选合集

很多朋友有可能觉得这个东西应该没有什么用,主要是还没有遇到,当我们几个人进行内业处理的时候就会用到,我们根据坐标的关系就可以同时把很多张图纸拼在一起,不用一张一张的去做,那样速度太慢,我们在质量的前提下还要注意速度。会测图的朋友应该都遇到过这样的问题就是自己测图时的原始坐标搞错了,现在怎么办,进行整个图进行移动,哪么数据怎么处理,一个一个的去算,又怕自己算错,现在 cass 下面就有一个测站改正,直接就可以图纸和数据一步到位,很简单就搞定,而且一定正确。就相当于你的图纸没有属性,不可以进行一些特殊的编辑。

智慧空间实验室 2564

CASS中将图形移动到指定坐标点

选择对象,按空格键,然后选择基点,因为这里要将左下角点对其到(0,0)点,所以选择左下角点为基点。然后在命令行输入#0,0字样,就能将图形整体移动,并且基点位置将被移至(0,0)处。移动快捷键----【M】

Learning_Well的博客 5144

CASS快捷命令大全

CASS快捷命令大全

【几何】二维线段平移特定距离

我们得到了两条式子用来求AB向左边平移特定距离d之后得到的线段起点和终点坐标。的单位向量,将该单位向量使用逆时针旋转矩阵进行旋转90度。如图所示,红色向量为。的单位向量(可求),将这些已知量和可求量代入上面两条式子,可以得到求点。我们现在要将该矢量往它的方向的左边平移距离。的单位向量逆时针旋转90度得到的向量。,并且获得平移之后的线段起点坐标。假设有一条线段AB的起点坐标为。是逆时针旋转矩阵(已知),,这条线段所表示的矢量为。点坐标实际上表示的是向量。,将旋转之后的单位向量。为点A的坐标(已知),

第三季度的博客 2717

cass移动房屋注记到右上角

测绘工作者经常用到Cass 那么就会用到地籍绘制房屋 ,这个就解决了上权属移动注记繁琐的问题

Simulink玩转PMSM无感FOC:从IF强拖参数调试到切换失败的避坑指南

本文深入探讨了Simulink在PMSM无感FOC控制中的IF强拖启动参数调试与切换避坑技巧。通过详细解析强拖加速、速度维持和闭环切换三大阶段的设计逻辑,以及五个常见陷阱的解决方案,帮助工程师快速定位启动失败和切换震荡问题。文章还提供了典型故障的波形诊断方法和高级调试工具链优化建议,是电机控制领域的实用指南。

weixin_29164843的博客 408

CASS如何输入距离和坐标绘制图形

输入:500,45【表示距离500米,方向45度】。这里使用CASS7.0软件进行操作。点击回车,完成绘制。

Learning_Well的博客 2852

SPAD单光子雪崩二极管:从基础原理到前沿应用

本文深入解析SPAD单光子雪崩二极管的基础原理、硬件实现关键及核心性能参数,并探讨其在激光雷达、量子通信和生物医学成像等前沿领域的创新应用。SPAD凭借超高灵敏度和精确的时间分辨率,正在推动自动驾驶、量子技术和医学诊断等领域的革命性发展。

weixin_30335575的博客 664

CASS的拉伸命令

3、 框选需要拉伸对象,注意是框选不是点选,点选的话无法拉伸图形。2、在右侧【修改】工具条中,选择【拉伸】按钮。这个也是注明了,以交叉窗口或多边形框选对象。1、打开CASS软件,绘制一个矩形框。

Learning_Well的博客 1208

TMS320F280039 CMD文件配置避坑指南:从.map文件看懂内存分配与溢出排查

本文详细解析了TMS320F280039芯片的CMD文件配置问题,通过.map文件分析内存分配与溢出排查。文章提供了实用的诊断技巧和解决方案,帮助开发者有效应对段溢出、地址重叠和栈堆冲突等常见问题,优化DSP程序的内存管理。

weixin_29168813的博客 447

形位公差标注的常见误区与优化策略

本文深入解析机械设计中形位公差标注的常见误区与优化策略,特别针对NX2406用户提供实用技巧。从标注冗余、基准选择到公差值设定等五大误区入手,结合工程图实例展示如何提升标注精度与效率,帮助工程师避免常见错误,优化设计流程,确保零件功能实现与制造可行性。

info6的博客 246

2-6 CAD基础 移动(move)

移动选定的对象 MOVE--输入移动命令 <单击需要移动的对象> --选中预移动对象 <空格确认> --确认选定对象 指定基点或 [位移(D)] ...

三横一竖的博客 7109

从DWS到设备树:MTK平台LK阶段GPIO初始化的隐秘路径与调试实战

本文深入探讨了MTK平台LK阶段GPIO初始化的完整流程,揭示了从DWS配置到设备树生成的隐秘转换路径。通过分析MT6768等平台的启动框架,提供了针对preloader到LK阶段GPIO初始化异常的实战调试方法与最佳实践,帮助开发者有效解决硬件与软件配置不匹配的常见问题。

h9j8k7l6m5n的博客 1004

cad中怎么随意移动图形_CAD中需要挪动图形到准确位置?试试这几种方法

用CAD设计、制图过程中,我们常常用到移动命令,任意移动图形不难,但有时候我们需要准确挪动图形,打个比方,在建筑制图过程中,需要将某门形准确移动至某一地方;或者在机械制图过程中,我们需将某一个标准零件移至到另一组件或部件上,在这种情况下,就需要采用准确移动图形的方法。为了能够达到预期效果,我们可以尝试下面的三种方法:第一种方法:如果具备捕捉点5盒,我们可以采用常用的对象捕捉方法对象捕捉方法大家应当...

weixin_39943868的博客 5978

基于FPGA的超声成像算法的硬件设计

顶层设计如下图: 1. Verilog的硬件设计型号是 ALTERA 2.数据的输入量已经给出,附上的四个矩阵输入都要实现。 3.波束形成部分要在FPGA上完成,最后的matlab的代码部分只是获取数据后的图像显示 4.不需要动态聚焦,只是完成固定的四个不同输入数据的显示即可 5.不需要实物,但要实现硬件的仿真,要有相应的模块图和结构图,类似如下 具体实现过程和最终结果如下: 定义aperture(孔径)大小————输入量,数据已给出,一共四个规格的ape...

FPGA/MATLAB学习教程/源码/项目合作开发 1万+

C++(Qt)软件调试---gdb调试入门用法(12)

学习GDB可以帮助程序员更好地调试程序,找到程序中的错误和问题,提高程序的质量和稳定性。 在开发大型软件时,程序中可能存在许多错误和问题,这些问题可能会导致程序崩溃或者出现不可预期的行为。 使用GDB可以帮助程序员更快地找到这些问题,并且提供一些调试工具来帮助程序员更好地理解程序的行为。

mahuifa的博客 5568

cad高程如何提取到cass软件_CASS常见问题解决办法汇总 一般人不告诉他

01CASS屏幕菜单不见了?答:如果关掉了,打开CAD设置,显示屏幕菜单就可以了,如果最小化了,拉下来就行了02如何从cass的界面切换到autocad的界面?答:在CASS中,按下例选项操作既可:文件-AUTOCAD系统配置-配置-UNNAMEDPROFILE-置为当前-确定。03断面图文字不能修改,表格也没法修改,整个断面及表格、文字就像一个块,且不能打断。是什么原因?答:把编辑里的...

weixin_39941847的博客 2491

OpenCV实例(二)手势识别

手势识别的范围很广泛,在不同场景下,有不同类型的手势需要识别,例如:● 识别手势所表示的数值。● 识别手势在特定游戏中的含义,如“石头、剪刀、布”等。● 识别手势在游戏中表示的动作,如前进、跳跃、后退等。● 识别特定手势的含义,如表示“OK”的手势、表示胜利的手势等。理论基础凸包和凸缺陷在图像处理中具有非常重要的意义,被广泛地用于图像识别等领域。逼近多边形是轮廓的高度近似,但是有时候,我们希望使用一个多边形的凸包来简化它。凸包和逼近多边形很像,只不过凸包是物体最外层的凸多边形。

小幽余生不加糖 9411

CASS命令笔记

CASS命令笔记写在前面参考快捷键及命令记录基础操作汇总点有关操作线有关操作圆有关操作复制相关操作删除及拉伸 写在前面 主要记录的是CASS的快捷命令,在CASS使用过程中自己的一些理解。 参考中还有较多的命令未实现,未实现的命令没有做记录。 其实有较多快捷键重复的命令,可以直接输入英文全名来操作,比如点的命令point,用po也可以,但会与多段线polyline重复。 参考 CASS快捷键和命令大全 CASS9.1命令大全 快捷键及命令记录 基础操作汇总 DD:通用绘图命令(输入DD后空格,然后利用地物编

qq_41140062的博客 9421

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

cass小插件集合_CASS插件合集 - 下载 - 搜珍网

压缩包 : CASS插件合集0131.zip 列表老仓测绘上班记-CASS插件合集0131/老仓测绘上班记-CASS插件合集0131/[SM]CAD文字样式批量修改器.VLX老仓测绘上班记-CASS插件合集0131/500cass里程文件偏距排序测试文件.hdm老仓测绘上班记-CASS插件合集0131/BBI改块基点.lsp老仓测绘上班记-CASS插件合集0131/bplot批量打印.VLX老仓测...

weixin_42486913的博客 2万+

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

cass批量选目标快捷键_CASS常见问题解决办法汇总 一般人不告诉他

本文只用于学习分享版权归作者所有;如有侵权,请联系删除01CASS屏幕菜单不见了?答:如果关掉了,打开CAD设置,显示屏幕菜单就可以了,如果最小化了,拉下来就行了02如何从cass的界面切换到autocad的界面?答:在CASS中,按下例选项操作既可:文件-AUTOCAD系统配置-配置-UNNAMEDPROFILE-置为当前-确定。03断面图文字不能修改,表格也没法修改,整个断面及表格、...

weixin_33791941的博客 4261

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

cad高程测绘图lisp_【收藏】CASS常用小技巧,测绘人必看!

01CASS屏幕菜单不见了?答:如果关掉了,打开CAD设置,显示屏幕菜单就可以了,如果最小化了,拉下来就行了02如何从cass的界面切换到autocad的界面?答:在CASS中,按下例选项操作既可:文件-AUTOCAD系统配置-配置-UNNAMEDPROFILE-置为当前-确定。03断面图文字不能修改,表格也没法修改,整个断面及表格、文字就像一个块,且不能打断。是什么原因?答:把编辑里的...

weixin_42566424的博客 1268

cad高程如何提取到cass软件_南方CASS方格网土方计算心得

现在需要会软件和工作越来越多了。今天,我用案例的形式对土石方成形软件做介绍和使用感受。两个案例:“南方CASS”和“飞时达”总结。案例一南方CASS:入门知识了解(如何计算100万平米土石方)一、土石方的计算方法DTM法土方计算、断面法土方计算、方格网法土方计算、等高线法土方计算、区域土方平衡等。二、先解决好基础、才能更进入一步操作1、要学会算土石方,首先得学会CAD基础操作功能(如:比...

weixin_39687814的博客 2221

cass等距离等分线段的命令键_CAD等分线段指令是什么?

展开全部DIVCAD快捷键一览创建三维阵列 3A创建三维面 3F在三维空间创建由直线段组成的多段线 3P在二维和三维空间中将某对e68a843231313335323631343130323136353331333330336265象与其他对象对齐 AL加载 AutoLISP、ADS 和 ARX 应用程序 AP创建圆弧 A计算对象或定义区域的面积和周长 AA创建按指定方式排列的多重对象拷贝 AR执...

weixin_39815925的博客 2692

坐标偏差大_【技术】不同CASS版本计算土方量偏差大?如何解决!

用不同的CASS版本,算同一套数据的土方量,计算结果有差别是有可能的。但出现这么大的差别,是什么原因造成的?热心的测友给分享了一个实例数据,我分别用CASS7.1、9.1和10.1来做了比对测试。探寻结果偏差的原因。验算计算结果测试的数据文件,方格网计算范围,计算参数相同的情况下,分别得到下列结果。CASS的方格网法土方计算中,方格网的起点,默认是随机指定的。用户可以指定方格网起点。CA...

weixin_39672296的博客 1676

cad展点kszd小程序_CASS常用小技巧汇总

01CASS屏幕菜单不见了?答:如果关掉了,打开CAD设置,显示屏幕菜单就可以了,如果最小化了,拉下来就行了02如何从cass的界面切换到autocad的界面?答:在CASS中,按下例选项操作既可:文件-AUTOCAD系统配置-配置-UNNAMEDPROFILE-置为当前-确定。03断面图文字不能修改,表格也没法修改,整个断面及表格、文字就像一个块,且不能打断。是什么原因?答:把编辑里的...

weixin_33252423的博客 901
上一篇: EPS绘制甘家寨地形图
下一篇: CASS7.0按方向和距离绘制图形
create_right
博客等级 码龄7年 489粉丝 236原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值