最新信息:网站SEO优化中的定向采集复制站问题
优采云 发布时间: 2022-11-03 02:40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