1，确定待迁移容器的名字docker ps -a2，将此容器提交为新的镜像docker commit 容器名 镜像名3，把镜像保存为tar文件docker save 镜像名 >备份文件.tar4，将 备份文件.tar 复制到目的主机下5，将 备份文件.tar恢复为镜像 ，详见docker load --help6，根据镜像重新运行起容器docker run-it --name=pv-stat

论文链接：https://arxiv.org/pdf/2203.16527.pdf这一篇论文是Facebook AI Research 的 Yanghao Li、何恺明等新作。论文思想主要是证明了将普通的、非分层的视觉 Transformer 作为主干网络进行目标检测的可行性。仅仅通过VIT的最后一层特征，通过多次反卷积来实现特征的多尺度。摘要本文探索研究了一种链式的，非层级结构的VIT作为目标检

第一步：明确四个坐标系base坐标系：base法兰坐标系:falan相机坐标系:cam标定板/物坐标系: cal第二步：坐标系间的转换关系A1，A2：已知即为falan坐标系到base坐标系的转换关系，由机器人系统得知（已知）B1,B2：相机坐标系到标定板坐标系的转换关系（相机外参），由相机标定求出；（相当于已知）X：相机坐标系到标定falan坐标系的转换关系，机械手运动过程中保持不变（未知，待求