Truck History POJ - 1789 最小生成树Prim

传送门

题目大意: 有n个字符创代表n个车型, 每个车型都是另外一个车型派生出来的, 最初的那个假设存在。派生的代价就是两个字符串的不同字符的个数。 求派生出所有车辆的最小的代价。

题目分析: 每一辆都得派生出来, 代价最小, 最小生成树裸题。 把每辆车之间的代价求出来做边权重, 每辆车做顶点建图。 每辆车相互之间都有边, 稠密图, 因此用Prim算法。

代码:

#include <iostream>
#include <cstdio>
#include <cstring>

using namespace std;
const int INF = 1 << 31 -1;
int cost[2005][2005];
char s[2005][8];
int n;
int mincost[2005];
bool used[2005];

int Prim(int s)
{
	int ans = 0;
	for(int i=0; i<n; ++i)
	{
		mincost[i] = INF;
		used[i] = false;
	}
	mincost[s] = 0;

	while(true)
	{
		int v = -1;
		for(int i=0; i<n; ++i)
			if(!used[i] && (v == -1 || mincost[i] < mincost[v])) v = i;

		if(v == -1) break;
		used[v] = true;
		ans += mincost[v];
		
		for(int i=0; i<n; ++i)
		{
			mincost[i] = min(mincost[i], cost[v][i]);
		}
	}
	return ans;
}


int main()
{
	while(scanf("%d", &n) && n)
	{
		memset(cost, 0, sizeof(cost));
		for(int i=0; i<n; ++i)
			scanf("%s", s[i]);
		for(int i=0; i<n; ++i)
			for(int j=0; j<=i; ++j)
			{
				for(int k=0; k<7; ++k)
					if(s[i][k] != s[j][k]) ++cost[i][j];
				cost[j][i] = cost[i][j];
			}
		printf("The highest possible quality is 1/%d.\n", Prim(0));
	}
	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,根据标注数据的格式,可以得到Truck的信息如下: - 类别:Truck - 难易程度:0.00 - 我们假设该车辆的朝向为负y方向,即旋转了-90度,因此旋转角度为-1.57弧度。 - 中心点在图像上的x坐标为599.41,y坐标为156.40,物体的宽度为2.85,高度为2.63,长度为12.34。 - 该车辆的置信度为0.47,视角为1.49弧度,截距为69.44,高度为-1.56。 接下来,我们需要进行坐标系的转换。假设激光雷达坐标系的原点在车辆的重心处,与车辆坐标系重合,且激光雷达坐标系的x、y、z轴分别指向车辆的前、左、上方向,则可以将标注框从相机坐标系转换到激光雷达坐标系的公式如下: ``` P_lidar = R_lidar2cam * P_cam + T_lidar2cam ``` 其中,`P_cam`为在相机坐标系下的标注框的位置,`R_lidar2cam`和`T_lidar2cam`为从相机坐标系到激光雷达坐标系的旋转矩阵和平移向量,可以通过外部标定得到。 假设已经得到了相机坐标系到激光雷达坐标系的旋转矩阵和平移向量: ``` R_lidar2cam = [[0, 0, 1], [-1, 0, 0], [0, -1, 0]] T_lidar2cam = [1.73, 0.0, 1.75] ``` 则可以将标注框从相机坐标系转换到激光雷达坐标系: ``` x_lidar = 0.0 - y_cam y_lidar = -z_cam z_lidar = -x_cam width_lidar = height_cam height_lidar = length_cam length_lidar = width_cam x_lidar += T_lidar2cam[0] y_lidar += T_lidar2cam[1] z_lidar += T_lidar2cam[2] theta_lidar = -np.arctan2(R_lidar2cam[1, 0], R_lidar2cam[0, 0]) - theta_cam ``` 其中,`x_cam`、`y_cam`、`z_cam`、`width_cam`、`height_cam`、`length_cam`、`theta_cam`分别为标注框在相机坐标系下的位置、宽度、高度、长度和旋转角度。将上述计算公式带入Truck的标注数据中,可以得到在激光雷达坐标系下的标签: ``` Truck 0.00 -1.75 599.41 2.85 2.63 12.34 -1.57 ``` 其中,第二列为车辆在激光雷达坐标系下的高度,为-1.75。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值