旋转关节机器人
四个参数：a，α，d，θ
四个参数实际上是两组，先有a，α，再有d，θ。
a是两个转轴之间的距离（Z轴），异面直线公垂线的长度，也就是连杆的长度，对于旋转关节是固定值
α是两个转轴之间的夹角
d是两个公垂线在同一个转轴上的交点之间的距离，如图所示，实际上两个坐标轴，其中一个X轴转动theta角后与另一个X轴平行，两个X轴之间的距离
theta是两个公垂线之间的夹角（两个坐标系X轴的夹角），也就是转轴（关节）转动的角度
先分别定义坐标系，Z轴与转轴重合
直观理解DH表示法：
DH法理解
article/2025/10/2 2:34:08
相关文章
DH 加密算法的使用
DH 算法的介绍
上面介绍的 DES,3DES,AES 算法都是对称密码算法，所谓对称，在上面也解释了，就是加密和解密的过程中使用相同的密钥 。而现在将要介绍的是 DH 算法，属于非对称密码算法，根据对称密码的概念，很…
非对称加密 DH算法
DH算法简介
迪菲-赫尔曼密钥交换（Diffie–Hellman key exchange，缩写为D-H） 是一种安全协议。 它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道创建起一个密钥。 这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。
迪…
DH算法 | Diffie-Hellman 密钥交换
概述：
DH 算法又称“Diffie–Hellman 算法”，像往常的算法名字一样，这是用俩个数学牛人的名字来命名的算法，实现安全的密钥交换，通讯双方在完全没有对方任何预先信息的条件下通过不安全信道创建起一个密钥。
优点&am…
DH、DHE、ECDHE加密算法
DH算法
离散对数
DH 算法是非对称加密算法， 因此它可以用于密钥交换，该算法的核心数学思想是离散对数。
对数运算： i l o g a b i log_{a}b ilogab
离散对数是在对数运算的基础上加了「模运算」，也就说取余数，…
DH算法图解+数学证明
前几天和同事讨论IKE密钥交换流程时，提到了Diffie-Hellman交换。DH算法最主要的作用便是在不安全的网络上成功公共密钥(并未传输真实密钥)。但由于对于DH算法的数学原理则不清楚，因此私下对DH算法进行一个简单学习。 1. DH算法的交互流程： Al…
卷积神经网络（Convolutional Neural Networks，CNNS/ConvNets）
本文翻译自 Convolutional Neural Networks(CNNs / ConvNets)，更多内容请访问：http://cs231n.github.io/。
原来译文：https://blog.csdn.net/Consu_Yasin/article/details/78052411 卷积神经网络非常类似于普通的神经网络：它们都…
卷积神经网络CNNs的理解与体会
孔子说过，温故而知新，时隔俩月再重看CNNs，当时不太了解的地方，又有了新的理解与体会，特此记录下来。文章图片及部分素材均来自网络，侵权请告知。
卷积神经网络（Convolutinal Neural Networks&a…
Gated-SCNN: Gated Shape CNNs for Semantic Segmentation论文笔记
论文介绍
作者认为之前的semantic segmentation的工作将所有信息都放入到了CNN的网络之中(这其中包含了颜色、边界、纹理等信息)，这不太理想，所以作者在regular stream的基础之上增加了一个shape stream的分支，通过利用门控卷积来控制使得sh…
【t-SNE可视化CNNs特征向量-代码】
t-SNE可视化CNNs特征向量-代码
本博客主要是自己学习记录，参考网络，欢迎指正
整体代码
ModelPath是存放训练好的模型参数的路径
DatasetPath是存放数据集的文件夹的路径，其中不同类别放在不同的子文件夹里也可以参考【t-SNE可视化-代码】 …
CNNs: AlexNet补充
CNNs: AlexNet的补充 导言对AlexNet模型进行调整模型不同层的表征其他探索总结 导言
上上篇和上一篇我们详细地讲述了AlexNet的网络结构和不同超参数对同一数据集的不同实验现象。
本节，我们就AlexNet的一些其他相关问题进行解剖，如修改AlexNet参数量调…
深度学习-浅谈CNNs
偶尔看到了这篇文章，感觉作者写的很容易理解，对于初步认识CNNs有很大的帮助，若想查看原文，请点击此处。 关于神经网络的学习方法，总结起来的要点有以下几点：
BP算法 激励函数正则化与交叉验证等其他防止过…
【GSCNN】GSCNN:Gated Shape CNNs for Semantic Segmentation论文记录
目录
简单不看版：
摘要
一、介绍
二、相关工作
三、Gated Shape CNN
代码
四、实验
五．总结 论文：https://arxiv.org/abs/1907.05740
代码：GitHub - nv-tlabs/GSCNN: Gated-Shape CNN for Semantic Segmentation (ICCV 2…
CNNs和视觉Transformer：分析与比较
探索视觉Transformer和卷积神经网络（CNNs）在图像分类任务中的有效性。 图像分类是计算机视觉中的关键任务，在工业、医学影像和农业等各个领域得到广泛应用。卷积神经网络（CNNs）是该领域的一项重大突破，被广…
你应该知道的9篇深度学习论文（CNNs 理解）
当时看到英文的博客，本想翻译给感兴趣的同学们看看，没想到已经有人翻译，于是进行了转载，留给自己和更多的人学习，本文仅供参考。 英文博客：https://adeshpande3.github.io/adeshpande3.github.io/The-9-Dee…
CNNs: ZFNet之CNN的可视化网络介绍
CNNs: ZFNet之CNN的可视化网络介绍 导言Deconvnet1. Unpooling2. ReLU3. Transpose conv AlexNet网络修改AlexNet Deconv网络介绍特征可视化 导言
上一个内容，我们主要学习了AlexNet网络的实现、超参数对网络结果的影响以及网络中涉及到一些其他的知识点࿰…