“保持”记录集

本文介绍如何使用ADO将记录集保存到磁盘,并在需要时恢复,支持两种格式:ADTG和XML。通过示例代码展示了保存和加载记录集的过程,包括与数据库的重新连接及数据更新。

大多数访问用户意识到,记录集是查询,表或SQL语句的虚拟表示形式,仅存在于我们PC的内存中。 它们及其包含的数据实际上在某个特定时间存在-然后在下一个特定时间出现。 但是,我们很少有人意识到,可以将它们保存到磁盘上,然后再将其恢复为遗嘱。 技术术语称为“持久记录集”,我将向您展示如何完成。 ADO具有将记录集持久保存到磁盘上文件的独特功能。 您还可以稍后重新打开它,对其进行编辑,将其重新连接到原始数据源并保存更改。 要将Recordset保留到磁盘上以供以后使用,请调用其Save方法。

rst.Save Filename, Format
Filename参数是您要用来保存Recordset内容的文件的完整路径和文件名
格式参数可以是2个固有常数之一:
  1. adPersistADTG(默认)-以Microsoft专有的高级数据表格式保存记录集。
  2. adPersistXML-将记录集另存为XML。 如果以XML格式保存Recordset,则可以轻松地将保存的XML文件用作另一个了解XML的应用程序或控件的数据源。 XML是用于传输数据的新兴Internet标准。
注意: ADTG文件小于XML文件,因此,除非您需要以XML格式分发数据的能力,否则请坚持使用ADTG。

在“概述”中有足够的内容-2个经过良好注释的子例程过程将演示如何将记录集保存(持久化)到磁盘上的文件,然后检索它,进行更改并将其保存回磁盘:

Public Sub SaveRecordset()
Dim rst As ADODB.Recordset
Dim strFile As String 
Set rst = New ADODB.Recordset 
'Open the recordset from the database
rst.Open "tblCustomers", CurrentProject.Connection, _
               adOpenStatic, adLockOptimistic 
'Construct a file name to use (ADTG or XML)
strFile = CurrentProject.Path & "\Customers.adtg"      'OR
'strFile = CurrentProject.Path & "\Customers.xml" 
'Destroy any existing file. Necessary because the Save Method 
will fail if the specified file already exists.
On Error Resume Next
Kill strFile
Err.Clear 
'Now save the recordset to disk (ADTG Format)
rst.Save strFile, adPersistADTG 
'Close the recordset in memory
rst.Close
End Sub
Public Sub RetrieveRecordset()
Dim rst As ADODB.Recordset
Dim strFile As String 
Set rst = New ADODB.Recordset 
'Construct a file name to use
strFile = CurrentProject.Path & "\Customers.adtg"      'OR
'strFile = CurrentProject.Path & "\Customers.xml" 
'Make sure the file exists
  If Len(Dir(strFile)) > 0 Then
     'Open the recordset from the file
      rst.Open strFile, , adOpenStatic, adLockOptimistic
     'Reconnect the recordset to the database
      rst.ActiveConnection = CurrentProject.Connection
     'Make a change and save it
         rst.Fields("ContactTitle") = "Sales Rep"
         rst.Update
  End If
  rst.Close
    Set rst = Nothing
End Sub

From: https://bytes.com/topic/access/insights/653114-persisting-recordset

### 车道保持相关的数据集 在自动驾驶领域,车道保持是一项重要的功能,其核心在于通过计算机视觉技术识别道路中的车道标线并维持车辆行驶轨迹稳定。为了训练和验证深度学习模型,通常需要高质量的数据集来捕捉不同场景下的车道信息。 #### 常见的车道保持数据集 以下是几个广泛使用的与车道保持相关的公开数据集: 1. **Berkeley DeepDrive (BDD100K)** BDD100K 是一个大规模的自动驾驶数据集,涵盖了多种天气条件、时间段以及复杂的城市和高速公路场景。该数据集中包含了丰富的标注信息,其中包括车道线的位置和状态。研究人员可以利用这些数据进行车道检测算法的研究和发展[^5]。 2. **TuSimple Lane Detection Dataset** TuSimple 提供了一个专注于车道检测的小型但高效的开源数据集。此数据集主要用于评估车道检测算法的表现,在不同的光照条件下记录了大量真实世界的行车视频片段,并提供了详细的车道中心点坐标作为标签[^6]。 3. **CULane Dataset** CULane 数据集由清华大学发布,专门针对城市道路上复杂的车道结构进行了细致的设计。相比其他同类数据集,CULane 更加注重极端情况下的表现测试,比如遮挡物存在的情况或者弯曲程度较高的路段。因此非常适合用来检验模型鲁棒性的能力[^7]。 4. **KITTI Vision Benchmark Suite** KITTI 不仅是一个用于立体匹配、光流估计等领域的重要资源库,同时也包含了一部分关于交通标志识别及车道分割的任务定义。尽管它的规模相对较小,但由于采集自德国卡尔斯鲁厄市的真实街道环境,因而具备很高的实际应用价值[^8]。 #### 使用建议 当选择适合自己的项目需求时,请考虑以下几个方面因素: - 场景多样性:确保所选数据覆盖尽可能多的实际运行工况; - 标记精确度:高质量的手动或半自动生成真值对于提升最终性能至关重要; - 授权许可条款:确认是否允许商业用途或其他特殊形式再分发等问题; ```python import cv2 import numpy as np def preprocess_image(image_path): image = cv2.imread(image_path, cv2.IMREAD_COLOR) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blurred, threshold1=50, threshold2=150) return edges # Example usage of the function with a hypothetical path to an image file. edge_detected_image = preprocess_image('path_to_your_lane_image.jpg') cv2.imshow('Edges', edge_detected_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码展示了如何预处理一张图片以便于后续执行霍夫变换或者其他形态学操作来进行车道线提取的过程。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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