OpenMV上的矩阵库

17届全国大学生智能汽车竞赛 中国石油大学（华东）智能视觉组 国特开源

OpenMV上的矩阵库

众所周知啦，numpy是python中非常重要的的一个库，支持各种矩阵的操作。在我们比赛的使用的art上是不可以调用的。但我们在art上确实会有一定的需求，比如进行透视变换。这时候就需要一个矩阵运算库了。
其实OpenMV的文档上也给出了几个第三方的矩阵运算库，它们都很不错，但是其接口风格与numpy不太相似，并且有些也没有操作符重载。为了满足我自己的需求，于是便自己动手编写了一个。
在这个库，用法基本与numpy一致。如果你熟悉numpy，相信一定能很快掌握。这里需要解释一下为什么要模仿numpy的接口：在测试算法时，我有时候会先在电脑上用opencv进行测试（在电脑上方便调试），这个时候，算法的核心部分一般由numpy实现，当将其移到art或者OpenMV上时，只需要将 import numpy as np 改为 import openmv_numpy as np就可以了，算法核心部分基本不用改。
因为能力与时间有限，还要很多需要完善的地方，这里仅是抛砖引玉。

基本用法介绍

1. 定义

import openmv_numpy as np
A = np.array([[2,1],
              [2,2]])
print(A)
print(A.shape)

[[2, 1], [2, 2]]
(2, 2)

2. 基本运算

通过操作符重载实现矩阵的基本运算
这里需要注意，与numpy的不同，矩阵乘法用*代替，而不是@。

B= np.array([[1,1],
             [1,1]])
print(A+B)
print(A-B)
print(A*B)

[[3, 2], [3, 3]]
[[1, 0], [1, 1]]
[[3, 3], [4, 4]]

3. 其它运算

• 转置
• 求逆
• 求矩阵行列式值

print(A.T)
print(A.inv())
print(A.det())

[[2, 2], [1, 2]]
[[1.0, -0.5], [-1.0, 1.0]]
2.0

4. 快速构建

print(np.ones((2,2)))
print(np.zeros((2,2)))
print(np.full((2,2),1))
print(np.eye(2,1))

[[1, 1], [1, 1]]
[[0, 0], [0, 0]]
[[1, 1], [1, 1]]
[[1, 0], [0, 1]]

5. 解线性方程组

A = np.array([[12,-3,3],
              [-18,3,-1],
              [1,1,1]])
B = np.array([[15],
              [-15],
              [6]])

X = np.solve(A,B)
print(X)

[[1.0000000000000004], [2.0000000000000004], [3.0]]