最新信息:网站SEO优化中的定向采集复制站问题

　　最新信息:网站SEO优化中的定向采集复制站问题

　　网站SEO优化不仅仅是SEO课程中提到的知识。在SEO的实际应用中，会出现课程中从未提及的各种问题。经历是在不断实践的过程中成长起来的。

　　今天疯狂小队就来聊聊SEO优化中网站targeting采集复制站的问题。

　　网站SEO优化过程中最大的问题不是一个网站的SEO结构做的有多好，这些都是固定的东西要找，程序员很容易实现，最大的问题是SEO优化过程是内容来源的问题。

　　如果内容源足够多，可以说没有做不到的网站，也没有做不到的流量。

　　因此，我们可以发现，旅游网站一般会产生全国各地的各种旅游景点、攻略等信息，使网站中的内容可以无限增长，覆盖全国各地。无数关键词，这是大流量网站SEO策略之一。

　　既然内容来源如此重要，一些“聪明人”就会养成一种行为：瞄准采集网站。

　　这与我们常见的 采集 站点略有不同。我们做采集网站一般需要无限量的内容，通常是采集丰富的内容来源网站，新老内容都是采集。

　　还有一个采集方法：同步更新最新的文章，只要来源网站发布内容，采集立马就会同步更新。

　　这样做最大的好处是：百度的bz不清楚哪个站是原创的内容，会出现采集的网站可能收录更快，权重更高. （这取决于域名本身的权重、蜘蛛爬行、网站 的流行度）

　　10天前，我推出了一个搜索收入者的网赚博客。其实我拒绝了，但是很多疯狂组的同学很希望看到我从0开始做一个大流量网站出来，但是我不愿意公开我的任何一个网站有一个很大的原因，比如我现在遇到了问题----复制站。

　　

　　从网站的tdk到网站栏目，基本一样，完全复制的网站，包括内容也是直接从我的网站内容中复制过来的。

　　在这种情况下，这两个 网站 会出现什么样的问题呢？

　　1.如果都是新站

　　百度分不清这两个网站哪个是原创，哪个是抄袭。降级的原因是因为百度可能判断两个网站的相似度太高。造成的。

　　可能会出现：两个网站排名都不错或者有一个网站被降级了，不知道哪个网站被降级了。

　　2.如果复制的站点是旧域名，则复制的站点是新域名

　　那么基本上复制的网站会被抓取释放收录，也就是说原创站会变成一个复制站。

　　当然，原熊掌中的原创的保护（现在已经在移动区改了）可以在一定程度上改善，具体影响未知。

　　3.如果复制的站点是新域名，则复制的站点是旧域名

　　这不是什么大问题，甚至可能给源码网站带来一些好处。

　　

　　所以我们可以看到很多新站点基本上不可能复制老站点的tdk和内容。

　　很多疯狂队的同学之前都抄过我网站的tdk和专栏，但是没有得到任何结果。

　　但可惜的是搜源哲的博客是新站点。蜘蛛爬取率本身不高，索引也很小。结果，出现了抄袭网站的情况。另外，我之前在《Sowinzhewangzhuan》上发过一篇文章。为什么博客会被降级？网站我的权限被降级了怎么办？文章我分析了为什么这个博客被降级了。当时，我不知道是什么原因。这很奇怪，但现在我认为最大的原因是它被复制了。

　　关于网站在副本站被降级的权利，我想大家应该可以理解。

　　百度所谓的信息存储和检索平台，如果有两个完全相同的网站，一个就够了，再多也是多余的。

　　之前搜源被降权的时候还在犹豫，考虑过一段时间更新一下内容原创看能不能恢复。

　　现在，我只能对学生说声对不起。您看到的案例站可能又是*敏*感*词*的。

　　从训练到现在，展示给大家的每一个案例站都未能全部做到，基本上都以降权收场。

　　也许这个博客以后不会更新了。

　　对于做抄袭站的人，我想说：机会不是赚钱的捷径。

　　真正赚钱的捷径是：能够在短时间内强化自己>所有网赚项目。

　　完整解决方案:ROS下利用realsense采集RGBD图像合成点云

　　总结：在ROS kinetic下，使用realsense D435深度相机采集标定的RGBD图像合成点云，在rviz中查看点云，最后保存为pcd文件。

　　1.各种bug

　　代码编译成功后，打开rviz添加pointcloud2选项卡。当我订阅合成点云时，可视化失败，选项卡报错：

　　1）数据大小（9394656字节）与宽度（640）乘以高度（480）乘以point_step（32）不匹配。丢弃消息。

　　解读：通过rostopic echo /pointcloud_topic读取相机节点发布的原创点云的相关数据，可以发现每帧原创点云的点数为307200。合成中的点数点云为 9394656/32，约 260,000。可以猜测，由于某种原因，系统丢弃了合成点云的每一帧数据。

　　原因：我提前给了合成点云的大小，height = 480, width = 640。但是在合成点云的过程中，排除了一些非法值（d=0），导致数量合成点云中的点。与指定的点数不匹配，合成点云的数据因此被丢弃。

　　解决方法：使用如下方法给出点云大小，cloud->height =1；cloud->width = cloud->points.size();

　　2）变换xxxx；

　　解读：通过rostopic echo /pointcloud_topic发现原创点云数据有如下信息，

　　header:

seq: 50114

stamp:

secs: 1528439158

nsecs: 557543003

frame_id: "camera_color_optical_frame"

　　由此推断，合成点云缺少参考坐标系header.frame_id。点云中点的XYZ属性是相对于某个坐标系来描述的，因此需要指定点云的参考坐标系。

　　解决方法：添加点云的头部信息，

　　pub_pointcloud.header.frame_id = "camera_color_optical_frame";

pub_pointcloud.header.stamp = ros::Time::now();

　　3）将合成的点云存储为pcd文件时，遇到如下错误：

　　[ INFO] [1528442016.931874649]: point cloud size = 0

terminate called after throwing an instance of 'pcl::IOException'

what(): : [pcl::PCDWriter::writeASCII] Input point cloud has no data!

Aborted (core dumped)

　　经过多次搜索，我发现了一个窍门，并与大家分享。报错的真正原因尚未查明，期待前辈指点。

　　高博的源码如下，里面的云是pcl的数据类型，

　　pcl::io::savePCDFile("./pointcloud.pcd", *cloud); .

　　我的源码如下图，先通过pcl::toROSMsg()将pcl的数据类型转换成ros的数据类型，然后写入pcd，可以跳过报错。

　　4) 相机内部参数

　　由于在彩图和深度图配准过程中选择了彩图的坐标系，所以在合成点云时要选择彩图的相机内参（像素坐标转换为相机坐标）。

　　realsense 官方提供了一个应用程序来查看所有视频流的内部参数。

　　gordon@gordon-5577:/usr/local/bin$ ./rs-sensor-control

　　如下

　　84：颜色#0（视频流：Y16 640x480@60Hz）

　　85：颜色#0（视频流：BGRA8 640x480@60Hz）

　　86：颜色#0（视频流：RGBA8 640x480@60Hz）

　　87：颜色#0（视频流：BGR8 640x480@60Hz）

　　88：颜色#0（视频流：RGB8 640x480@60Hz）

　　89：颜色#0（视频流：YUYV 640x480@60Hz）

　　90：颜色#0（视频流：Y16 640x480@30Hz）

　　91：颜色#0（视频流：BGRA8 640x480@30Hz）

　　92：颜色#0（视频流：RGBA8 640x480@30Hz）

　　93：颜色#0（视频流：BGR8 640x480@30Hz）

　　94：颜色#0（视频流：RGB8 640x480@30Hz）

　　95：颜色#0（视频流：YUYV 640x480@30Hz）

　　96：颜色#0（视频流：Y16 640x480@15Hz）

　　97：颜色#0（视频流：BGRA8 640x480@15Hz）

　　98：颜色#0（视频流：RGBA8 640x480@15Hz）

　　99：颜色#0（视频流：BGR8 640x480@15Hz）

　　100：颜色#0（视频流：RGB8 640x480@15Hz）

　　101：颜色#0（视频流：YUYV 640x480@15Hz）

　　102：颜色#0（视频流：Y16 640x480@ 6Hz）

　　103：颜色#0（视频流：BGRA8 640x480@6Hz）

　　104：颜色#0（视频流：RGBA8 640x480@6Hz）

　　105：颜色#0（视频流：BGR8 640x480@6Hz）

　　106：颜色#0（视频流：RGB8 640x480@6Hz）

　　107：颜色#0（视频流：YUYV 640x480@6Hz）

　　5）深度图从ROS数据类型转换为CV数据类型

　　见链接

　　二、程序代码

　　#include

#include

#include

#include

#include

#include

// PCL 库

#include

#include

#include

<p>

#include

// 定义点云类型

typedef pcl::PointCloud PointCloud;

using namespace std;

//namespace enc = sensor_msgs::image_encodings;

// 相机内参

const double camera_factor = 1000;

const double camera_cx = 321.798;

const double camera_cy = 239.607;

const double camera_fx = 615.899;

const double camera_fy = 616.468;

// 全局变量：图像矩阵和点云

cv_bridge::CvImagePtr color_ptr, depth_ptr;

cv::Mat color_pic, depth_pic;

void color_Callback(const sensor_msgs::ImageConstPtr& color_msg)

{

//cv_bridge::CvImagePtr color_ptr;

try

{

cv::imshow("color_view", cv_bridge::toCvShare(color_msg, sensor_msgs::image_encodings::BGR8)->image);

color_ptr = cv_bridge::toCvCopy(color_msg, sensor_msgs::image_encodings::BGR8);

cv::waitKey(1050); // 不断刷新图像，频率时间为int delay，单位为ms

}

catch (cv_bridge::Exception& e )

{

ROS_ERROR("Could not convert from '%s' to 'bgr8'.", color_msg->encoding.c_str());

}

color_pic = color_ptr->image;

// output some info about the rgb image in cv format

cout