从零开始一起学习SLAM(4)C++新特性要不要学?

文章目录


  此文发于公众号:计算机视觉life。
  原文链接:从零开始一起学习SLAM | C++新特性要不要学?

 

从零开始一起学习SLAM | C++新特性要不要学?

  学习SLAM,C++编程是必备技能。不过,大家在学校里学习的书本一般比较老,主要还是C++98那些老一套。

  本文所谓的C++新特性是指C++11及其以后的C++14、C++17增加的新关键字和新语法特性。其中C++11是C++98以来最重要的一次变化,而其后的C++14、C++17是在该基础上的完善和补充。

  那么,问题来了,如果我不想学习新特性,还是像以前那样编程可以吗?

  答案是:可以,不过这就像是别人已经在用铁制刀具切瓜了,你还在石器时代使用石头刀具,你说,效率能一样吗?

  看看下面你心里就有答案了。

为何要学习新特性?

  1、可以大幅度提高编程效率,切瓜更6

  C++新特性增加了很多非常高效的关键字和语法,比如std::swap,C++11之前的swap执行了三次内存拷贝操作,这种不必要的内存操作会影响效率。而C++11之后的swap引入了右值引用和数据移动的概念,使用内存移管代替了不必要的内存拷贝,大大提高了效率。

  2、省心省力,减少脱发

  举个栗子。C++11之前如果我们要定义并初始化一个新变量,必须得知道其类型并定义,这在很多时候是非常繁琐的,比如迭代器的使用,而C++11之后引入了自动类型推导,一个auto解决一切,不需要关心类型,编译器会帮你自动推导出类型。

  3、能看懂别人的代码,不被新时代抛弃

  由于上述的优点,很多开源代码都是使用C++新特性,工作学习中大家也都使用新特性,如果你根本不了解这些新特性,估计很难看懂别人的代码,时代的战车会轰隆隆把你抛弃。

  下面就列举几个比较典型的、经常使用的新特性,供大家入门。

常用的C++新特性

1 更方便的列表初始化

  C++11前只有数组能使用初始化列表。而C++11后大部分类型都可以初始化列表,方便的很。如下所示。

在这里插入图片描述

2 省心省力的自动类型推导

  C++11中引入了auto,可以用来进行自动类型推导,不用关心数据类型,编译器会帮你推导好,而且这种方式也不影响编译速度。

  比如迭代器使用了自动类型推导后,感觉清爽多了,如下图所示:

在这里插入图片描述

  不过,auto使用时也有需要注意的地方:

  比如auto不能代表一个实际的类型声明,auto声明的变量必须马上初始化

  见下图:

在这里插入图片描述

  更多内容可以网上查询,如果懒得找可以参考:

https://blog.csdn.net/m_buddy/article/details/72828576

3 简洁舒服的循环体

  for循环是使用频率非常高的循环方式,在新特性里我们不需要再像以前那样每次都使用自增或者自减的方式来索引了,结合前面介绍的auto,我们可以极大简化循环方式,如下图所示:

在这里插入图片描述

  而且这种循环支持大部分数据类型,比如数组,容器,字符串,迭代器等等。

在这里插入图片描述

4 简洁的lambda表达式

  lambda表达式可以使得编程非常简洁,尤其适用于简单的函数,一般形式如下:

  [函数对象参数](操作符重载函数参数)->返回值类型{函数体}

  下面是几个例子及解释:

在这里插入图片描述

5 随心所欲可变长的参数模板

  在Python和MATLAB中可以非常方便的使用可以变长的参数,C++11以后引入了tuple,可以实现类似功能,并且可以传入多个不同类型的数据,如下图所示

在这里插入图片描述

6 其他新特性

  自己学吧

  除了上述介绍的常用的几种新特性外,还有很多新特性,比如:

  decltype:像auto的反函数,可以从一个变量或表达式中得到类型;
  nullptr:解决原来C++中NULL的二义性问题;
  STL容器、智能指针、多线程相关的新特性

  可以在网上查到很多资料,如果懒得找,可以看看下面两个链接。

https://www.cnblogs.com/feng-sc/p/5710724.html

http://towriting.com/blog/2013/08/01/what-is-cpp11/

练习题

  请使用C++新特性改写以下函数。该函数功能:将一组无序的坐标按照“Z”字形排序,并输出。

本程序学习目标:

  熟悉C++新特性(简化循环、自动类型推导、列表初始化、lambda函数)

  题目:

在这里插入图片描述

  正确输出结果:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
学习SLAM(Simultaneous Localization and Mapping)是一个相对复杂的过程,但是你可以按照以下步骤开始学习: 1. 学习基础知识:首先,你需要了解机器人感知、运动控制和地图构建的基本概念。熟悉概率和统计的基本概念也是非常有帮助的,因为SLAM中经常使用到这些方法。 2. 学习传感器:了解常用的传感器,如激光雷达、摄像头和惯性测量单元(IMU),以及它们的工作原理、数据处理方法和误差模型。 3. 学习SLAM算法:掌握常见的SLAM算法,如扩展卡尔曼滤波(EKF)、粒子滤波(PF)和图优化。理解这些算法的原理和实现方式是非常重要的。 4. 编程实践:选择一种编程语言(如C++或Python)并开始实践编写SLAM算法的代码。使用开源库,如ROS(Robot Operating System)或PCL(Point Cloud Library)可以加速你的学习过程。 5. 实验和调试:通过实验和调试来验证你的SLAM算法。使用模拟器或真实的机器人进行实验,分析结果并调整算法参数以优化性能。 6. 阅读论文和参考资料:定期阅读与SLAM相关的最新研究论文和参考资料,了解最新的算法和技术发展。 7. 实际项目:最终,尝试应用你所的知识到实际项目中。参与开源项目或者参加机器人比赛等活动,将帮助你更深入地理解和实践SLAM技术。 需要注意的是,SLAM是一个广泛而复杂的领域,需要持续学习和实践才能真正掌握。所以,耐心和持之以恒的学习态度是非常重要的。

“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