不是日记,什么也不是

灌了13个底层方法到引擎里,多么吉利的数字,实际上13,14是我最喜欢的数字。
今天是制作引擎的第3天,比想象中顺利一些,这完全归功于我的决策和正确的心态。
我强迫我自己每天必须在日志中粘贴一份当天的工作内容,对进度有好处。


Quat Vec3ToQuat( const Vec3d& v, float theta ); //用轴-角对方式初始化1个四元数
float QuatDot( const Quat& qa, const Quat& qb ); //计算2个四元数的点积
Quat EulerToQuat( float z, float y, float x ); //欧拉角转四元数,ZYX顺序
void QuatToVec3d( const Quat& q, Vec3dp v, float *theta ); //将1个四元数转换成1个3D向量和1个弧度值
Quat QuatConjuagte( const Quat& q ); //输出指定四元数的共轭
float QuatLength( const Quat& q ); //输出四元数的长度
Quat QuatNorm( const Quat& q ); //输出归一化的四元数
void QuatNorm( Quatp q ); //上式的self形式.
Quat QuatInverse( const Quat& q ); //输出单位四元数的逆,实际上单位四元数的逆和共轭是一回事
//如果抛弃复数的概念只匹配结果甚至可以用-w替代-V来节约两次取负计算
void QuatInverse( Quatp q); //上式的self形式.
Quat QuatInverseReal( const Quat& q ); //计算非单位四元数的逆返回一个新的四元数
void QuatInverseReal( Quatp q ); //上式的self形式.
void QuatPrint( const Quat& q, char *name="Quat" ); //传统惯例之输出四元数信息

/* 我不确定定点数的作用是否能让我的引擎提高5帧的速率,我把它留到最后,也许这段文字会被定点数支持函数替换,但不是现在 */
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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