背景

在云厂商提供廉价的 Linux ECS 方案中，往往只配了单颗虚拟硬盘。一般来说，这类廉价ECS搭配的硬盘的容量都非常小，仅能满足系统本身运行。为了满足日常所需，往往还需要加购第二颗硬盘，为此，我需要了解一点磁盘分区知识。

文件系统的概念

文件系统是存储和管理文件的方法。文件系统使得用户保存数据时，不必关心数据实际保存在硬盘（或者光盘）的数据块地址，只需要记住这个文件的所属目录和文件名。

不同的文件系统具有不同的特性，例如性能、安全性和兼容性。

常见的文件系统有：

• ext4：常用于Linux系统，具有良好的性能和可靠性。
• NTFS：常用于Windows系统，支持大文件和权限控制。
• FAT32：用于跨平台兼容性，但不支持大文件和权限。

磁盘和分区

在Linux中设备出现在/dev/路径下。一个虚拟磁盘往往用vdx表示，其中x=a,b,c,...。比如/dev/vda、/dev/vdb、...等。

一块磁盘往往会被划分成多个分区来用作不同的用途。硬盘的第一个扇区（512 字节），包含分区表和引导代码，称之为主引导记录(MBR)。其中，分区表记录了磁盘各个分区的起始位置。

阅读剩余部分

最近我在折腾一台老旧笔记本电脑。该电脑年代久远，配备的是GeForce GTX 1050显卡:

聊胜于无吧！

首先，直接去PyTorch官网，查看到当前最新的PyTorch是2.2.0版本，配伍的CUDA有11.8和12.1两个版本。

阅读剩余部分

本文是机器视觉2D引导定位的第五篇。本文讲述的核心内容是，综合之前的理论知识，练习使用VisionMaster进行单点抓放偏移计算，并用VisionPro自定义工具实现同样的功能。

标定

根据之前讲述的方法，执行12点标定(9点平移+3点旋转)，并收集相应照片和对应的物理坐标：

Hik VisionMaster 得到的标定文件为：

阅读剩余部分

本文是机器视觉2D引导定位的第四篇。主要是在前几篇文章的基础之上，推导单点纠偏理论。

单点纠偏的使用场景是下相机拍物料，然后根据运行时图像特征点位置和角度、以及基准点位置和角度，计算出从运行点移动回基准点需要的移动量。

注意，和单点抓放有所不同，单点抓放是从基准位置变换到运行位置，而单点纠偏是把运行位置调整到基准姿态！

理论推导

考虑一个旋转+平移的纠偏场景:

显然，单点纠偏是计算\(\vec{Z'Z}\):

阅读剩余部分

本文是机器视觉2D引导定位的第三篇。主要是基于前两篇的理论，使用 Hik VM 进行实践，计算旋转平移标定的偏移量，并与MATLAB手算的结果进行比对。

过程简介

• 计算仿射变换矩阵
• 计算旋转中心
• 注册基准点
• 计算运行点与基准点的变换参数

在实操上，体现为标定和生产两个流程：

Hik VM 标定与运行

标定

采集图像过程如下：

• 九点标定（计算标定矩阵），采集九张图像，同时记录物理坐标

• 在基准拍照位进行五点拟圆（计算旋转中心），采集五张图像，同时记录物理坐标

阅读剩余部分