linux中后台挂载进程和卸载进程

本文介绍如何使用SSH连接Linux并管理后台进程。通过nohup命令启动后台进程,并使用ps和kill命令来查看和终止进程。提供了实用的命令示例。

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

使用ssh连接linux,就会打开一个进程,当关闭ssh时,该进程就会关闭,导致不能在Linux后台继续允许该进程,比较麻烦。

因此需要使用linux的后台进程的挂载和卸载;

(1)后台进程的挂载:如果想挂载sh test.sh进程,则需要使用:nohup sh test.sh &即可。此时就会在后台自动运行该进程。

(2)后台进程的卸载:先查看后台进程:ps -ef,可以查看该linux中的所有进程,另外 ps -ef|grep 过滤条件,既可以添加过滤条件。

啥死进程:kill -9 进程号(pid),可以关闭当前的进程;

参看如下文章:https://blog.youkuaiyun.com/yongh701/article/details/78378041

请使用手机"扫一扫"x

转载于:https://www.cnblogs.com/zdb292034/p/8946670.html

### 机械臂棋盘格手眼标定方法 #### 手眼标定的目的 手眼标定的核心目标是建立机械臂末端执行器坐标系与相机坐标系之间的转换关系。这种标定对于实现精确的视觉引导抓取至关重要[^1]。 #### 棋盘格标定原理 棋盘格标定是一种经典的标定技术,最初由张正友教授提出并广泛应用。其基本思路是利用棋盘格图案作为已知的空间参照物,在不同位置拍摄多幅图像,并通过这些图像计算相机的内参矩阵以及畸变参数[^3]。在此基础上,可以进一步扩展到手眼标定中。 #### 实现步骤概述 以下是基于棋盘格的手眼标定的一般流程: 1. **准备工具** - 使用标准尺寸的黑白相间棋盘格模板。 - 将棋盘格放置于不同的姿态下(通常建议至少采集10组数据),并通过相机记录每种姿态下的图像。 2. **获取位姿信息** - 利用OpenCV或其他计算机视觉库检测棋盘格角点的位置,从而得到棋盘格相对于相机的姿态(即旋转平移向量)。 - 同时控制机械臂移动至特定位置,使末端夹具接触或接近棋盘格中心点,记录此时机械臂关节角度对应的TCP(Tool Center Point)在基座坐标系中的位置姿态。 3. **构建约束方程** 假设存在两种常见的手眼配置模式:“Eye-in-hand” “Eye-to-hand”。 对于 Eye-in-hand 配置: \[ {}^{C}T_{W}={}^{E}T_{B}\cdot{}^{C}T_{E} \] 而对于 Eye-to-hand 配置: \[ {}^{C}T_{W}={}^{B}T_{E}\cdot{}^{C}T_{E} \] 其中 ${}^{C}T_{W}$ 表示世界坐标系到相机坐标系的变换;${}^{E}T_{B}$ 或 ${}^{B}T_{E}$ 是机械臂运动带来的变化;而 ${}^{C}T_{E}$ 即为目标——相机相对末端执行器的关系矩阵^。 4. **算法求解** OpenCV 提供了 `cv::calibrateHandEye` 函数用于简化这一过程。输入为多个对应对齐后的 $\{{}^{E}T_{i},\,{}^{C}T_{j}\}$ 数据集,输出则为最终所需的变换矩阵 $R$ 平移矢量 $t$[^2]。 5. **验证精度** 完成标定后需进行误差评估。例如让机器人重复定位某个固定物体,观察实际偏差是否满足应用需求。如果发现较大偏移,则可能需要重新调整实验条件或者增加样本数量再试一次。 ```python import cv2 import numpy as np # 示例代码片段展示如何调用手眼标定函数 def calibrate_hand_eye(gripper_poses, camera_poses): R, t = cv2.calibrateHandEye( gripper_poses=[np.array(pose).astype(np.float32) for pose in gripper_poses], camera_poses=[np.array(pose).astype(np.float32) for pose in camera_poses]) return R, t ``` --- #### 注意事项 - 确保每次拍照过程中棋盘格完全可见并无遮挡现象发生。 - 控制机械臂动作平稳缓慢以免引入额外振动干扰测量准确性。 - 如果环境光线不稳定可考虑采用带光源照明装置稳定曝光效果提升特征提取成功率。
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