CentOS修改默认的root账号名称

本文档记录了如何增强云服务器的安全性,包括设置hosts.deny来阻止非法访问,以及更改root账号名称以增加破解难度。详细步骤包括修改passwd和shadow文件的用户名,更新sudo权限,并解决SecureCRT登录时遇到的问题。完成这些设置后,使用新用户名和旧密码即可安全登录。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近云服务器老是提示被爆破,为了安全起见,设置了一下hosts.deny,另外还更改了默认的root账号名称,这里记录root账号修改过程

1. 修改密码文件中的用户名

vi /etc/passwd

第一行第一个root字符修改成你想要的用户名,保存退出。

2. 修改用户文件中的用户名

vi /etc/shadow

修改第一行第一个root成想要的用户名,与第一步操作设置的用户名要保持一致,由于该文件是只读,需要用x!保存退出

3. 权限设置

visudo

找到root ALL=(ALL) ALL,在这一行的下方添加:

新用户名 ALL=(ALL) ALL

以上设置完成后退出root账号,使用新用户名和旧密码登录

4. SecureCRT使用新用户名登录遇到的问题
SecureCRT
---------------------------
连接到会话 192.168.10.150 失败 :

The server has disconnected with an error.  Server message reads:

A protocol error occurred. Change of username or service not allowed: (root,ssh-connection) -> (newtest,ssh-connection)

这是因为SecureCRT设置中的用户名和你登录时候输入的用户名不相符,在这里改一下就可以:

Options -> Session Options -> Connection -> SSH2 -> Username

修改后登录正常

<think>我们正在讨论子设计竞中的小车系统整合问,特别是视觉模块控制模块的协同工作。根据之前的引用和讨论,我们可以总结出一些关键点: 1. 通信机制:视觉模块处理图像数据后,需要将控制指令传递给控制模块。常见的通信方式包括串口(UART)、SPI(如NRF24L01无线通信)等[^1]。 2. 控制算法:通常采用PID(比例-积分-微分)控制算法来实现精准控制,根据视觉模块提供的误差信号调整机输出[^1]。 3. 实时性:视觉处理需要快速,以确保实时控制。可以通过图像预处理(如二值化、降噪)和特征提取(如边缘检测)来减少计算量。 4. 系统架构:通常采用主从式结构,视觉处理单元(如树莓派、OpenMV)作为主控制器,控制单元(如单片机)作为从控制器。 整合步骤建议: 1. **硬件连接**:确定视觉模块和控制模块之间的物理连接方式(如串口、SPI、I2C)。 2. **通信协议**:定义双方都能理解的通信协议(如传输目标位置、偏差角度、速度指令等)。 3. **数据处理**:视觉模块提取关键信息(如路径偏差、目标位置),并转换为控制模块可执行的指令。 4. **控制实现**:控制模块根据接收到的指令,通过PID算法计算出PWM输出,驱动机。 示例代码框架(伪代码): ```python # 视觉模块(例如树莓派上运行的Python程序) while True: image = capture_image() processed_image = preprocess(image) # 预处理(如灰度化、二值化) error = calculate_error(processed_image) # 计算路径偏差 send_to_motor_controller(error) # 通过串口发送误差值 # 控制模块(例如Arduino C程序) void loop() { if (Serial.available() > 0) { error = Serial.read(); // 读取视觉模块发送的误差 // PID计算(简化版) output = Kp * error + Ki * integral + Kd * derivative; set_motor_speed(output); // 设置机速度 } } ``` 注意事项: - **同步问**:确保视觉处理频率控制频率匹配,避免数据堆积或响应延迟。 - **容错机制**:当视觉丢失目标时,控制模块应具备保持上一次有效指令或安全停止的能力。 - **资源分配**:视觉处理消耗较大,需确保主控制器有足够资源同时处理图像和控制逻辑。 §§相关问§§ 1. 如何优化视觉处理的实时性能? 2. PID参数调整有什么技巧? 3. 在无线通信中如何保证数据传输的可靠性? 4. 如何设计小车的机械结构以适应视觉控制?</think>在子设计竞中,将视觉模块控制模块整合是实现智能小车自主运动核心。以下是系统化的整合方法及关键实现步骤: ### 一、系统架构设计 1. **分层控制结构** - **感知层**:摄像头/OpenMV采集图像 → 视觉处理单元(树莓派/Jetson Nano) - **决策层**:生成控制指令(如转向角度 $ \theta $,速度 $ v $) - **执行层**:STM32接收指令 → PWM驱动机(差速转向模型) $$ \begin{cases} v_{left} = v - k \cdot \theta \\ v_{right} = v + k \cdot \theta \end{cases} $$ 其中 $ k $ 为转向系数[^1] 2. **通信协议设计** ```mermaid graph LR A[视觉模块] -- UART/SPI --> B{控制指令} B --> C[STM32解析] C --> D[PID计算] D --> E[PWM输出] ``` - 指令格式示例:`"V:0.5,A:30"`(速度0.5m/s,转向角30°) - 波特率建议 ≥115200 保证实时性[^1] --- ### 二、关键整合技术 1. **视觉-运动坐标转换** - 建立图像坐标系到小车坐标系的映射: $$ \begin{bmatrix} x_{car} \\ y_{car} \end{bmatrix} = K \cdot \begin{bmatrix} u - u_0 \\ v_0 - v \end{bmatrix} $$ 其中 $ K $ 为标定矩阵,$ (u_0,v_0) $ 为图像中心点 2. **实时控制闭环** ```python # 伪代码示例 while True: img = camera.capture() # 获取图像 error = vision.calc_path_error(img) # 计算路径偏差 # PID控制器(位置式) output = KP*error + KI*integral + KD*(error - last_error) motor.set_speed(left_wheel = BASE_SPEED - output, right_wheel = BASE_SPEED + output) ``` 3. **异步处理优化** - 视觉处理线程:30fps图像处理 - 控制线程:100Hz PWM更新 - 共享内存存储指令,避免通信阻塞[^2] --- ### 三、调试优化技巧 1. **视觉预处理加速** - 图像降分辨率(如320×240→160×120) - ROI(Region of Interest)聚焦关键区域 - 二值化阈值自适应:$ T = \mu + 2\sigma $($\mu$为均值,$\sigma$为标准差) 2. **抗干扰设计** - 运动模糊补偿:采用短曝光+补光灯 - 路径丢失保护:当连续5帧未检测到路径时,触发缓停策略 - 指令校验机制:添加CRC校验位[^1] 3. **资源分配策略** | 模块 | 推荐硬件 | 处理周期 | |------------|--------------------|----------| | 视觉处理 | 树莓派4B + OpenCV | 30ms/帧 | | 控制 | STM32F4 | 10ms | | 无线通信 | NRF24L01+ | 5ms | --- ### 四、典型应用场景 1. **循迹道**:HSV颜色空间分割路径 → 计算质心横向偏差 2. **目标追踪**:YOLO识别目标 → PID控制云台转向 3. **坡道行驶**:动态调整PID参数 $ K_p = K_{p0} \cdot (1 + \alpha \cdot \theta_{pitch}) $[^2] 4. **避障任务**:融合深度视觉(如ToF传感器)机急停控制 > **实践建议**:2023获奖方案显示,采用视觉-机联合标定(棋盘格标定法)可提升系统精度23%[^2]。调试时先用固定指令测试机响应,再逐步接入视觉信号。
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