ros2_control diff_drive_controller

系列文章目录

前言

一、轮式移动机器人运动学

        本页介绍不同轮式移动机器人的运动学。如需进一步参考，请参阅 Siciliano et.al - Robotics： 建模、规划和控制》和 Kevin M. Lynch and Frank C. Park - Modern Robotics： 机械、规划和控制》。

        轮式移动机器人可分为两类：

  • 全向机器人
    • 可在平面内向任意方向瞬时移动，以及
  • 非全向机器人
    • 不能在平面内任何方向上瞬时移动。

        利用车轮执行器的编码器对运动学模型进行前向积分 —— 被称为测距定位或被动定位或死算。我们只称其为测距（odometry）。

1.1 差速驱动机器人

        引用 Siciliano et.al - Robotics： 建模、规划和控制：

        严格意义上的独轮车（即装有单轮的车辆）是一种在静态条件下存在严重平衡问题的机器人。然而，有一些车辆在运动学上与独轮车相当，但从机械角度来看更加稳定。差速驱动机器人就是其中之一，它有两个轮子，每个轮子都是独立驱动的。

  • \omega 是车轮轨迹（车轮之间的距离）。 

1.1.1 前向运动学

        差速驱动模型的前进运动学可以通过上述独轮车模型计算得出，计算公式为

\begin{gathered} v_{b,x} =\frac{v_{right}+v_{left}}2 \\ \omega_{b,z} =\frac{v_{right}-v_{left}}w \end{gathered}

1.1.2 逆运动学

        通过以下方法可以计算出实现理想车身扭转所需的车轮速度：

\begin{gathered} v_{left} =v_{b,x}-\omega_{b,z}w/2 \\ v_{right} =v_{b,x}+\omega_{b,z}w/2 \end{gathered}

1.1.3 里程计（Odometry）

        我们可以利用上述正向运动学方程，直接从编码器读数中计算出机器人的运动轨迹。

二、差分驱动控制器

        用于差速驱动移动机器人的控制器。

        它接收机器人本体的速度指令作为输入，并将其转换为差速驱动底座的车轮指令。

        通过硬件反馈计算并发布里程计（Odometry，运动轨迹）。

        有关移动机器人运动学的介绍和此处使用的术语，请参阅轮式移动机器人运动学。

2.1 其他特点

  • 实时安全实施。
  • 运动轨迹发布
  • 任务空间速度、加速度和颠簸限制
  • 指令超时后自动停止

2.2 控制器接口说明


2.2.1 参考资料

        (控制器尚未作为可链式控制器实施）

2.2.2 反馈

        作为反馈接口类型，使用关节的位置（hardware_interface::HW_IF_POSITION）或速度（hardware_interface::HW_IF_VELOCITY，如果参数 position_feedback=false）。

2.2.3 输出

        使用关节的速度（hardware_interface::HW_IF_VELOCITY）。

2.3 ROS 2 接口


2.3.1 订阅者

~/cmd_vel [geometry_msgs/msg/TwistStamped] 控制器的速度命令。
        控制器的速度指令。控制器提取线速度的 x 分量和角速度的 z 分量。其他分量上的速度将被忽略。

2.3.2 Publishers

~/odom [nav_msgs::msg::测距］
        这表示对机器人在自由空间中的位置和速度的估计。

/tf [tf2_msgs::msg::TFMessage] TF 树。
        TF 树。仅在 enable_odom_tf=true 时发布

~/cmd_vel_out [geometry_msgs/msg/TwistStamped] 控制器的速度命令。
        控制器的速度命令，其中应用了限制。仅在 publish_limited_velocity=true 时发布

2.3.3 参数

        该控制器使用 generate_parameter_library 来处理参数。位于 src 文件夹中的参数定义文件包含控制器使用的所有参数的说明。

left_wheel_names （字符串数组）
左侧车轮关节的名称

默认： {}

限制条件：

参数不为空

right_wheel_names （字符串数组）
右侧车轮关节的名称

默认： {}

限制条件： 参数不为空：

参数不为空

wheel_separation （双）
左右车轮之间的最短距离。如果此参数有误，机器人在弯道中将无法正常运行。

默认值：0.0

限制条件：

大于 0.0

wheel_radius (车轮半径，双）
轮子的半径，即轮子的大小，用于将线性速度转换为轮子旋转。如果该参数有误，机器人的移动速度会比预期的快或慢。

默认值： 0.0

限制条件：

大于 0.0

wheel_separation_multiplier（车轮分离倍增器，双）
车轮分离校正系数（TODO(destogl)： 请帮我正确描述）

默认值：1.0

left_wheel_radius_multiplier（左车轮半径乘数，double)
左侧车轮半径与 wheel_radius 参数中的标称值不同时的修正系数。

默认值：1.0

right_wheel_radius_multiplier（右车轮半径乘数，双）
当右侧车轮半径与 wheel_radius 参数中的标称值不同时的修正系数。

默认值：1.0

tf_frame_prefix_enable （bool）
启用或禁用在 tf 帧 id 上附加 tf_prefix。

默认值：true

tf_frame_prefix （字符串）
(可选）附加到 tf 框架的前缀，发布前将添加到 odom_id 和 base_frame_id 中。如果参数为空，将使用控制器的命名空间。

默认值：""

odom_frame_id （字符串）
用于里程测量的框架名称。控制器发布里程计时，该框架是 base_frame_id 的父框架。

默认值："odom

base_frame_id （字符串）
作为里程测量框架子框架的机器人基本框架的名称。

默认值："base_link

pose_covariance_diagonal（对角线双数组）
机器人编码器输出的姿态的轨迹协方差。这些值应根据机器人的轨迹测量样本数据进行调整，但这些值是一个很好的起点： [0.001, 0.001, 0.001, 0.001, 0.001, 0.01].

默认值：{0.0, 0.0, 0.0, 0.0, 0.0, 0.0}。

twist_covariance_diagonal（扭转协方差对角线）（双数组）
机器人速度编码器输出的扭转协方差。这些值应根据机器人的轨迹测量样本数据进行调整，但这些值是一个很好的起点： [0.001, 0.001, 0.001, 0.001, 0.001, 0.01].

默认值：{0.0, 0.0, 0.0, 0.0, 0.0, 0.0}

open_loop （bool）
如果设置为 "true"，机器人的运动轨迹将根据指令值而非反馈值计算。

默认值：假

position_feedback （位置反馈）（bool
是否有来自硬件的位置反馈。

默认值： true

enable_odom_tf （bool）
发布 odom_frame_id 和 base_frame_id 之间的转换。

默认值：true

cmd_vel_timeout (double)
超时时间（以秒为单位），超时后 cmd_vel 主题上的输入命令将被视为已关闭。

默认值：0.5

publish_limited_velocity （bool）
发布限制速度值。

默认值：false

velocity_rolling_window_size （int）
用于计算里程测量中使用的平均速度的滚动窗口大小。

默认值：10

publish_rate （双）
里程测量和 TF 信息的发布速率（赫兹）。

默认值：50.0

linear.x
线性 x 轴的关节限位结构。限制器忽略位置限制。详情请参阅 ros2_control 资源库中的 joint_limits 包。

linear.x.has_velocity_limits （bool）
默认值：false

linear.x.has_acceleration_limits (bool) (线性.x.有加速度限制)
默认值：false

linear.x.has_jerk_limits (bool) (线性.x.有加速度限制)
默认值：false

linear.x.max_velocity (double) 线性.x.最大速度（双倍
默认值: std::numeric_limits<double>::quiet_NaN()

linear.x.min_velocity （双倍）
默认值: std::numeric_limits<double>::quiet_NaN()

linear.x.max_acceleration （双）
默认值: std::numeric_limits<double>::quiet_NaN()

linear.x.min_acceleration (double)
默认值: std::numeric_limits<double>::quiet_NaN()

linear.x.max_jerk (double)
默认值: std::numeric_limits<double>::quiet_NaN()

linear.x.min_jerk (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z
围绕 Z 轴旋转的关节限位结构。限制器忽略位置限制。详情请参阅 ros2_control 软件仓库中的 joint_limits 软件包。

angular.z.has_velocity_limits (bool)
默认：false

angular.z.has_acceleration_limits (bool)
默认值：false

angular.z.has_jerk_limits (bool)
默认值：false

angular.z.max_velocity (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z.min_velocity (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z.max_acceleration (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z.min_acceleration (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z.max_jerk (double)
默认值: std::numeric_limits<double>::quiet_NaN()

angular.z.min_jerk (double)
默认值: std::numeric_limits<double>::quiet_NaN()

该控制器的参数文件示例可在 test 目录中找到：

test_diff_drive_controller:
  ros__parameters:
    left_wheel_names: ["left_wheels"]
    right_wheel_names: ["right_wheels"]

    wheel_separation: 0.40
    wheel_radius: 0.02

    wheel_separation_multiplier: 1.0
    left_wheel_radius_multiplier: 1.0
    right_wheel_radius_multiplier: 1.0

    odom_frame_id: odom
    base_frame_id: base_link
    pose_covariance_diagonal: [0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
    twist_covariance_diagonal: [0.0, 0.0, 0.0, 0.0, 0.0, 0.0]

    position_feedback: false
    open_loop: true
    enable_odom_tf: true

    cmd_vel_timeout: 0.5 # seconds
    publish_limited_velocity: true
    velocity_rolling_window_size: 10

    linear.x.has_velocity_limits: false
    linear.x.has_acceleration_limits: false
    linear.x.has_jerk_limits: false
    linear.x.max_velocity: 0.0
    linear.x.min_velocity: 0.0
    linear.x.max_acceleration: 0.0
    linear.x.max_jerk: 0.0
    linear.x.min_jerk: 0.0

    angular.z.has_velocity_limits: false
    angular.z.has_acceleration_limits: false
    angular.z.has_jerk_limits: false
    angular.z.max_velocity: 0.0
    angular.z.min_velocity: 0.0
    angular.z.max_acceleration: 0.0
    angular.z.min_acceleration: 0.0
    angular.z.max_jerk: 0.0
    angular.z.min_jerk: 0.0

三、DiffBot（差速机器人）

        DiffBot 或 "差分移动机器人 "是一种具有差分驱动的简单移动底座。该机器人基本上是一个根据差分驱动运动学原理移动的盒子。

        在示例_2 中，硬件接口插件只有一个接口。

  • 与机器人控制盒的通信使用专有的应用程序接口。
  • 所有关节的数据均一次性交换。

        DiffBot URDF 文件可在 description/urdf 文件夹中找到。

注意事项

        以下命令既适用于本地安装本软件源及其附属程序，也适用于在 docker 容器中运行它们。有关 docker 使用的更多信息，请参阅使用 Docker。

3.1 教程步骤

  1. 要检查 DiffBot 说明是否正常工作，请使用以下启动命令 
    ros2 launch ros2_control_demo_example_2 view_robot.launch.py

    警告

            在终端中获得以下输出是正常的： 警告： 传给 canTransform 参数 target_frame 的无效帧 ID "odom"--帧不存在。出现这种情况是因为 joint_state_publisher_gui 节点需要一些时间才能启动。

  2.  要启动 DiffBot 示例，请打开终端，将 ROS2- 工作空间作为源代码，然后用以下命令执行启动文件 
    ros2 launch ros2_control_demo_example_2 diffbot.launch.py

    启动文件加载并启动机器人硬件和控制器，并打开 RViz。在启动终端，您将看到硬件执行器的大量输出，显示其内部状态。过度打印只是为了演示。一般来说，在实现硬件接口时应尽量避免向终端打印。

    如果能在 RViz 中看到一个橙色方框，那么一切都已正常启动。不过，为了确保万无一失，在移动 DiffBot 之前，我们还是要先检查一下控制系统。

  3. 打开另一个终端，执行

    ros2 control list_hardware_interfaces

    您应该获得

    command interfaces
      left_wheel_joint/velocity [available] [claimed]
      right_wheel_joint/velocity [available] [claimed]
state interfaces
      left_wheel_joint/position
      left_wheel_joint/velocity
      right_wheel_joint/position
      right_wheel_joint/velocity

    命令接口上的[声称]标记意味着控制器可以对 DiffBot 发出命令。

    此外，我们还可以看到命令接口的类型是速度，这是差分驱动机器人的典型特征。

  4. 检查控制器是否运行

    ros2 control list_controllers

    您应该获得

    diffbot_base_controller[diff_drive_controller/DiffDriveController] active
joint_state_broadcaster[joint_state_broadcaster/JointStateBroadcaster] active
  5. 如果一切正常，现在可以使用 ROS 2 CLI 界面向 Diff Drive Controller 发送命令： 
    ros2 topic pub --rate 30 /diffbot_base_controller/cmd_vel geometry_msgs/msg/TwistStamped "
twist:
  linear:
    x: 0.7
    y: 0.0
    z: 0.0
  angular:
    x: 0.0
    y: 0.0
    z: 1.0"

    现在你应该能在 RViz 中看到一个橙色方框在盘旋。此外，在启动文件的终端中也会看到状态的变化。

    [DiffBotSystemHardware]: Got command 43.33333 for 'left_wheel_joint'!
[DiffBotSystemHardware]: Got command 50.00000 for 'right_wheel_joint'!

  6.  让我们反观一下 ros2_control 硬件组件。调用 
    ros2 control list_hardware_components

    应该给你

    Hardware Component 1
        name: DiffBot
        type: system
        plugin name: ros2_control_demo_example_2/DiffBotSystemHardware
        state: id=3 label=active
        command interfaces
                left_wheel_joint/velocity [available] [claimed]
                right_wheel_joint/velocity [available] [claimed]

    这表明自定义硬件接口插件已加载并运行。如果您使用的是真实机器人，但没有运行模拟器，通常使用 mock_components/GenericSystem 硬件组件比编写自定义组件更快。停止启动文件，然后使用附加参数重新启动

    ros2 launch ros2_control_demo_example_2 diffbot.launch.py use_mock_hardware:=True

    呼叫

    ros2 control list_hardware_components

    现在应该给你

    Hardware Component 1
    name: DiffBot
    type: system
    plugin name: mock_components/GenericSystem
    state: id=3 label=active
    command interfaces
            left_wheel_joint/velocity [available] [claimed]
            right_wheel_joint/velocity [available] [claimed]

    你会发现加载了一个不同的插件。在 diffbot.ros2_control.xacro 中，可以找到加载该插件和参数 calculate_dynamics 的说明。

    <hardware>
  <plugin>mock_components/GenericSystem</plugin>
  <param name="calculate_dynamics">true</param>
</hardware>

    这样就能将速度指令整合到位置状态界面，并通过 ros2 topic echo /joint_states 进行检查： 如果机器人在移动，位置值会随时间增加。现在，您可以使用上述命令对设置进行测试，其工作原理应与自定义硬件组件插件相同。

    有关 mock_components 的更多信息，请参阅 ros2_control 文档。

3.2 本演示使用的文件

  • 启动文件： diffbot.launch.py
  • 控制器 yaml： diffbot_controllers.yaml
  • URDF 文件： diffbot.urdf.xacro
  • 描述： diffbot_description.urdf.xacro
  • ros2_control 标签： diffbot.ros2_control.xacro
  • RViz 配置：diffbot.rviz
  • 硬件接口插件： diffbot_system.cpp

3.3 本演示中的控制器

  • Joint State Broadcaster (ros2_controllers repository): doc
  • Diff Drive Controller (ros2_controllers repository): doc

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/774389.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

什么是网络抓取｜常见用例和问题

什么是网络抓取｜常见用例和问题

你可能听说过数据被称为现代信息社会的新石油。由于线上信息量庞大&#xff0c;能够有效地收集和分析网页数据已经成为企业、研究人员和开发人员的关键技能。这就是网页抓取技术的用武之地。网页抓取&#xff0c;也称为网页数据提取&#xff0c;是一种强大的技术&#xff0c;能…
阅读更多...
配置jupyter时出现问题？怎么办？

配置jupyter时出现问题？怎么办？

在自己创建的虚拟环境&#xff08;nmjpytorch&#xff09;安装完jupyter&#xff0c;没有跳转到链接&#xff0c;问题如图&#xff1a; 解决方法&#xff1a; 1、查看自己的tornado版本为5.1.1&#xff0c;坑太高了&#xff0c;降低版本为4.5.3 2、卸载tornado-5.1.1 3、安装t…
阅读更多...
哪些场景下可以更好地使用行列视（RCV）报表工具呢？

哪些场景下可以更好地使用行列视（RCV）报表工具呢？

行列视产品是我们公司自主研发的一套基于HTML5技术的Excel式web生产报表应用系统&#xff0c;这款产品定位于发电企业生产指标的收集、报表制作和指标报表可视化&#xff0c;是国内首套专业化、自助化、智能化的生产指标管理及分析应用平台。功能强大但是却简单易用。 这款产品…
阅读更多...
正确使用Pytorch Geometric打开Cora（Planetoid）数据集

正确使用Pytorch Geometric打开Cora（Planetoid）数据集

文章目录 关于报错&#xff08;"Cannot connect to host"&#xff09;解决方法 关于报错&#xff08;“Cannot connect to host”&#xff09; 我们在使用PyG调用Planetoid数据集的时候&#xff0c;常会碰到如下报错&#xff1a; 解决方法就是手动下载这个数据集。…
阅读更多...
电商价格监测：品牌控价的基石

电商价格监测：品牌控价的基石

品牌进行控价的前提是要对电商数据进行高效且准确的监测&#xff0c;倘若数据不准确或者覆盖率欠佳&#xff0c;就会致使控价方向出现偏差。力维网络始终秉持的数据驱动服务原则&#xff0c;唯有做好电商价格监测&#xff0c;提供高准确率的低价数据&#xff0c;方能为品牌控价…
阅读更多...
Spring解耦合分析和总结

Spring解耦合分析和总结

在我们的日常开发中&#xff0c;创建对象的操作随处可见以至于对其十分熟悉的同时又感觉十分繁琐&#xff0c;每次需要对象都需要亲手将其new出来&#xff0c;甚至某些情况下由于坏编程习惯还会造成对象无法被回收&#xff0c;这是相当糟糕的。但更为严重的是&#xff0c;我们一…
阅读更多...
【Python】九种数据类型详讲(内含常见常见的字符串函数汇总)

【Python】九种数据类型详讲(内含常见常见的字符串函数汇总)

个人主页&#xff1a;【&#x1f60a;个人主页】 系列专栏&#xff1a;【❤️Python】 文章目录 前言Number&#xff08;数字&#xff09;整数类型int &#xff08;整型&#xff0c;长整型&#xff09;float&#xff08;浮点型&#xff09;complex&#xff08;复数&#xff09;…
阅读更多...
基于 Transformers库的ResNet扩展

基于 Transformers库的ResNet扩展

构建自定义模型&#xff1a;基于&#x1f917; Transformers库的ResNet扩展 引言 在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;&#x1f917; Transformers库已经成为了一个不可或缺的工具&#xff0c;它提供了大量的预训练模型和灵活的API&#xff0c;极大地…
阅读更多...
用flutter实现五种寻路算法的可视化效果，快来看看！

用flutter实现五种寻路算法的可视化效果，快来看看！

前言 半年前我写了一篇《十几种排序算法的可视化效果&#xff0c;快来看看&#xff01;&#x1f440;》&#xff0c;还是很有意思的。这篇文章中的内容还被张风捷特烈张老师收录进了FlutterUnit&#xff1a;《FlutterUnit 周边 | 收录排序算法可视化》。今天让我们再来做一个有…
阅读更多...
Postman保存API返回的token以全局使用的整个流程

Postman保存API返回的token以全局使用的整个流程

1、 调通获取token的接口&#xff0c;包含传递参数的类型&#xff0c;和输入密码是否需要md5加密&#xff0c;根据接口的要求&#xff0c;传入数据 2、 查看接口响应的报文&#xff0c;可以看到token的有效时间&#xff0c;token的类型&#xff0c;里面的access_token就是想要获…
阅读更多...
【密码学】RSA公钥加密算法

【密码学】RSA公钥加密算法

文章目录 RSA定义RSA加密与解密加密解密 生成密钥对一个例子密钥对生成加密解密 对RSA的攻击通过密文来求得明文通过暴力破解来找出D通过E和N求出D对N进行质因数分解通过推测p和q进行攻击 中间人攻击 一些思考公钥密码比对称密码的机密性更高&#xff1f;对称密码会消失&#x…
阅读更多...
【Java自动化测试框架--TestNG】

【Java自动化测试框架--TestNG】

目录 一、 背景介绍 二、核心概念与联系 2.1 JUnit核心概念 2.2 TestNG核心概念 2.3 JUnit与TestNG的联系 三. 核心算法原理的详细讲解 3.1 JUnit算法原理 3.2 TestNG算法原理 四、什么是TestNG 五、 TestNG配置 2.1 Maven项目的结构: 2.2 POM文件中配置: 2.3 Tes…
阅读更多...
【C++】相机标定源码笔记- 立体视觉相机的校准和图像矫正类

【C++】相机标定源码笔记- 立体视觉相机的校准和图像矫正类

类主要用于双目相机的标定和矫正。它包含了读取和保存相机模型、计算标定参数以及矫正图像的功能。通过这些功能&#xff0c;可以实现双目相机的标定和矫正&#xff0c;从而提高双目相机的精度和稳定性。 公有函数&#xff1a; 构造函数、带参构造函数、析构函数、读取双目相机…
阅读更多...
【C】Structure

【C】Structure

参考摘抄学习来自&#xff1a; C 结构体C语言必学知识点 "结构体"详细解析&#xff01;C 语言之结构体最全面总结C typedef 文章目录 1 定义2 初始化3 结构体大小的计算4 访问结构成员5 结构作为函数参数6 指向结构的指针7 结构体数组8 动态申请结构体 1 定义 它允…
阅读更多...
GPT-4o还没完全开放，Moshi就提前开源了

GPT-4o还没完全开放，Moshi就提前开源了

GPT-4o已经发布有段时间了&#xff0c;但大众迟迟没有等到成型的产品出来&#xff0c;这会的功夫&#xff0c;法国创业团队抢先OpenAI发布端到端实时音频模型——Moshi。单从响应时效上&#xff0c;体验下来应该比GPT-4o还要快&#xff0c;但是音色及语言多样性的支持上&#x…
阅读更多...
从资金管理的角度 谈谈伦敦金投资技巧

从资金管理的角度 谈谈伦敦金投资技巧

刚进入伦敦金市场的时候&#xff0c;笔者认为技术分析是很重要的&#xff0c;所以将学习伦敦金投资技巧的精力全部投入到技术分析的学习中。经过一系列交易的亏损&#xff0c;笔者才发现&#xff0c;其实交易管理才是最重要的。如果管理得好&#xff0c;30%的胜率&#xff0c;投…
阅读更多...
mysql修改字符集为UTF-8

mysql修改字符集为UTF-8

启动 mysql 服务 systemctl start mysqld 登录 mysql mysql -uroot -p 查询 mysql 字符集 ## 在 mysql 命令行下查询 mysql 状态 mysql>status; 退出 mysql 并关闭 mysql ## 退出 mysql mysql>exit; ## 关闭 mysql systemctl stop mysqld 编辑 my.cnf 配置文…
阅读更多...
数学建模----滑翔伞伞翼面积的设计及运动状态描述

数学建模----滑翔伞伞翼面积的设计及运动状态描述

摘要 滑翔伞作为一项融合了挑战、冒险和刺激于一体的运动&#xff0c;近年来在全球范围内受到了广泛的关注。滑翔伞在救援、探险、体育、娱乐、环保和交通等领域的应用展现了其重要价值。然而&#xff0c;中国在滑翔伞领域尚未取得突破&#xff0c;缺乏全球影响力和竞争力。因此…
阅读更多...
[C++]——继承 深继承

[C++]——继承 深继承

一、继承概念 (1)、定义 继承(inheritance)机制是面向对象程序设计使代码复用最重要的手段&#xff0c;它允许程序员在保持原有类特性的基础上进行扩展&#xff0c;增加功能。继承呈现了面向对象程序设计的层次结构&#xff0c;体现了由简单到复杂的认知过程&#xff0c;是类…
阅读更多...
qq六七年前的聊天记录怎么找？80%的人是这么做的

qq六七年前的聊天记录怎么找？80%的人是这么做的

在使用QQ的过程中&#xff0c;六七年前的聊天记录可能承载了许多珍贵的回忆和重要的信息。然而&#xff0c;随着时间的推移&#xff0c;这些记录可能变得难以寻找甚至被遗忘。那么&#xff0c;qq六七年前的聊天记录怎么找呢&#xff1f;事实上&#xff0c;有80%的人通过以下三种…
阅读更多...
最新文章

Copyright @ 2022~2023