U8 C#开发API的一些注意事项

前往用友培训API,遇到了一些问题,记录下,由于用友的很多开发都是用VB做的,而我们BOSS要求我要用C#开发接口,所以有些注意事项。

API使用时遇到的问题:


1、现有按钮中添加事件,①注册前打开API资源管理器,打开需要添加按钮的模块的事件的模块
                       ②右键查看属性-->定义,可以看到这个接口所需要传入的参数(IntOut 指的是地址传输,变量前加个ref 就OK了),参数不可以修改!
   ③如果接口程序中引用了其他的,后面又报错(XX.dll的未找到或,,,)则将这个引用的dll放到你编译的dll相同路径下
   ④注册事件,同步插入-->所有任务-->注册同步插件-->插件绑定-->修改-->DotNetAssemblyForRPC

2、现有单据新增按钮
往AA_Customerbutton插入按钮,cCustomerObjectName为你的按钮要注册的事件


示例: 
insert into aa_customerbutton(cButtonID,cButtonKey,cButtonType,cProjectNO,cFormKey,cVoucherKey,cKeyBefore,iOrder,cGroup,cCustomerObjectName,cCaption,cLocaleID,cImage,cToolTip,cHotKey,bInneralCommand,cVariant,cVisibleAsKey,cEnableAsKey,cSubID,DependenceSubIdList,cForegroundColor,cBackgroundColor,cSetGroup,iSetGroupRow,iheightRow,cToolbarPosIndex,iVoucherCtlIndex,cPluginName)
values('ACFC30AB-E0DB-4BA2-A756-749C8FBE140A','88btnTest','default','U11CUSTDEF',Null,'88','Save','1','PU_FrmS_Voucher_P_2','PluginTest.CustomerButton','自定义测试按钮','zh-CN','print','自定义测试按钮','Ctrl+N',1,'自定义测试按钮','Save','Save',Null,Null,Null,Null,'PU_FrmS_Voucher_P_2',Null,3,'P',Null,'')


   
3、现有单据新增按钮事件 ①新建Web的ASP.NET 服务器控件 项目,右键项目属性-->生成-->目标平台  改为x86;应用程序-->程序集信息-->使程序集COM可见(M) 打钩
    ②事件程序必须包含一些类,看具体使用。
③注册服务的时候,注意 a、要用regasm注册;b、必须是Framework\v2.0.XXX的regasm,不要用Framework64,也不要V4.0.XXX。
c、注册服务的时候,后面加个 /codebase才能起效。

实例
cd cd C:\Windows\Microsoft.NET\Framework\v2.0.50727
regasm D:\work\U8SOFT\UAP\Runtime\Test\CsU8TestBtnActionsDemo.dll /codebase

4、U8用的Framework必须是3.5及其以下

### 深度相机与彩色相机对齐方法 (D2C) #### 理论基础 为了实现深度相机与彩色相机之间的有效对齐,需要考虑两者的几何关系和时间同步。校准过程主要包括内外参数估计、畸变矫正以及最终的空间变换矩阵求解[^1]。 #### 实现步骤 ##### 数据收集 获取一组由同一场景下的深度图像和对应的RGB图像组成的配对样本集。这些样本应尽可能覆盖整个视场范围,并包含不同距离和平面角度的对象实例。 ##### 内外参标定 利用标准棋盘格或其他已知模式作为参照物来执行单独的内部参数(焦距f_x,f_y; 主点坐标c_x,c_y)和外部旋转平移向量(R,t) 的估算工作。这一步骤可以借助OpenCV库中的`cv::calibrateCamera()`函数完成[^3]。 ```cpp // C++ code snippet using OpenCV for camera calibration std::vector<std::vector<cv::Point3f>> objectPoints; std::vector<std::vector<cv::Point2f>> imagePoints; bool success = cv::calibrateCamera(objectPoints, imagePoints, imageSize, K, distCoeffs, rvecs, tvecs); if (!success){ std::cerr << "Calibration failed." << std::endl; } ``` ##### 畸变修正 根据上一步得到的结果调整原始图片以消除镜头引起的失真效应。具体来说就是应用反向映射算法将理想位置上的像素值重新分配给实际观测到的位置。 ##### 变换矩阵计算 当两个摄像机都经过充分校正之后,则可通过共同观察某些特征点的方式建立两者间的刚体转换模型——即寻找能够使一对对应点之间误差最小化的R|t组合。该操作同样可以在OpenCV框架下轻松达成: ```python import numpy as np import cv2 # Assuming we have matched points from both cameras stored in pts_depth and pts_rgb lists. E, mask = cv2.findEssentialMat(pts_depth, pts_rgb, focal=K[0][0], pp=(K[0][2], K[1][2])) _, R, t, _ = cv2.recoverPose(E, pts_depth, pts_rgb, focal=K[0][0], pp=(K[0][2], K[1][2])) transformation_matrix = np.hstack((R, t)) print(f"Transformation matrix:\n{transformation_matrix}") ``` 上述代码片段展示了如何使用Python版本的OpenCV来进行本质矩阵E及其分解后的旋转矩阵R和平移矢量t的计算。最后构建了一个4×4大小的整体变换阵列用于后续处理阶段。 #### 应用案例 一旦完成了以上所有准备工作,在实际部署过程中就可以依靠预先训练好的神经网络或者其他机器学习工具辅助完成更复杂的任务,比如三维重建或是增强现实效果渲染等[^2]。
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