eigen sparseView 稀疏表示

一. 示例和解释

1. 代码

#include <iostream>
#include <vector>
#include <cmath>
#include "OsqpEigen/OsqpEigen.h"
using namespace std;

int main(){

  Eigen::Matrix3d D;
  D << 1, 2, 3, 4, 0, 5, 0, 7, 9;
  cout << "Here is the matrix D:" << endl << D << endl;
  Eigen::SparseMatrix<double> S;
  S = D.sparseView(1, 1e-20);//将矩阵D稀疏表示为S
  cout << "Here is the matrix S:" << endl << S << endl;

  return 0;
}
  • 结果
seivl@seivl-Default-string:~/my_codebase/path_optimizer_test/build$ ./main 
Here is the matrix D:
1 2 3
4 0 5
0 7 9
Here is the matrix S:
Nonzero entries:
(1,0) (4,1) (2,0) (7,2) (3,0) (5,1) (9,2) 

Outer pointers:
0 2 4  $

1 2 3 
4 0 5 
0 7 9 

2. 解释

Nonzero entries:
(1,0) (4,1) (2,0) (7,2) (3,0) (5,1) (9,2) 

以上计为 A

这个元组里面是这么存的(value, row), 第一个是值,第二个是所在的行数。

eg:

  • (1, 0),值是1,第0行
  • (4, 1),值是4,第1行
  • (2, 0),值是2,第0行
  • (7, 2),值是7,第2行
  • (3, 0),值是3,第0行
  • (5, 1),值是5,第1行
  • (9, 2),值是9,第2行
Outer pointers:
0 2 4  $

存的是原矩阵中每一列的第一个非0元素在 A 中的下标

eg:

  • 0 :第0列中的第一个元素是 A[0],A[0] = (1,0),即第0列中的第一个元素是1
  • 2 :第1列中的第一个元素是 A[2],A[2] = (2,0),即第1列中的第一个元素是2
  • 4 :第2列中的第一个元素是 A[4],A[4] = (3,0),即第2列中的第一个元素是3

二. 还有个栗子

hessian:
0.01    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0 0.01    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0 0.01    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0 0.01    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0 0.01    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0 0.01    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0 0.01    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0 0.01    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0 0.01    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0 0.01    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0   22  -20    0    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0  -20   42  -20    0
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0  -20   42  -20
   0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0    0  -20   22
-------end test TensionSmoother2::setHessianMatrix--------
*matrix_h:
Nonzero entries:
(0.01,0) (0.01,1) (0.01,2) (0.01,3) (0.01,4) (0.01,5) (0.01,6) (0.01,7) (0.01,8) (0.01,9) (22,15) (-20,16) (-20,15) (42,16) (-20,17) (-20,16) (42,17) (-20,18) (-20,17) (22,18) 

Outer pointers:
0 1 2 3 4 5 6 7 8 9 10 10 10 10 10 10 12 15 18  $

0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0.01 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 22 -20 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -20 42 -20 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -20 42 -20 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -20 22 

同理

评论 1
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