编码小技巧

最新推荐文章于 2024-07-04 16:01:11 发布

梦风

最新推荐文章于 2024-07-04 16:01:11 发布

阅读量161

点赞数 1

文章标签： c++

本文链接：https://blog.csdn.net/weixin_45810093/article/details/125341005

版权

编码小技巧

1，根据类里面的某个参数排序类

sort(vpKFs.begin(),vpKFs.end(),  KeyFrame::lId);
static bool lId(KeyFrame* pKF1, KeyFrame* pKF2)
{
   return pKF1->mnId  <  pKF2->mnId;
}
//类的排序也可以用Lam的方式
//返回所有关键帧
vector<KeyFrame*> vpKFs = mpMap->GetAllKeyFrames();
void GetAllKeyFrames()
{
   return vector<KeyFrame*>(mspKeyFrames.begin(),mspKeyFrames.end());
}
sort(vpKFs.begin(),vpKFs.end(),  KeyFrame::lId);  //返回的关键帧进行排序

//初始化地图点
std::vector<MapPoint*>  mvpMapPoints ;
mvpMapPoints = vector<MapPoint*>(N,  static_cast<MapPoint*>(NULL));

1.1 map存储key和value，现在想根据value对map里面的key进行排序。

map<KeyFrame*,int>KFcounter；
vector<pair<int,KeyFrame*> > vPairs;   //将map转为vector，用vector来排序
 for(map<KeyFrame*,int>::iterator mit = KFcounter.begin(), mend=KFcounter.end(); mit!=mend; mit++)
 {
      vPairs.push_back(make_pair(mit->second,mit->first));
 }
sort(vPairs.begin(),vPairs.end());    // sort函数默认升序排列
 // 将排序后的结果用list存储，方便查找
  list<KeyFrame*> lKFs;
   list<int> lWs;
  for(size_t i=0; i < vPairs.size();i++)
  {
       // push_front 后变成了从大到小顺序
       lKFs.push_front(vPairs[i].second);
       lWs.push_front(vPairs[i].first);
 }
 //与当前帧的共视关键帧中权重从大到小排序后的关键帧          
std::vector<KeyFrame*>  mvpOrderedConnectedKeyFrames = vector<KeyFrame*>(lKFs.begin(),lKFs.end());
std::vector<int> mvOrderedWeights = vector<int>(lWs.begin(), lWs.end());

2，sleep() Sleep() unsleep()

#include <unistd.h> //头文件
功  能: usleep() ,能把进程挂起一段时间， 单位是微秒
             Sleep() ,执行挂起指定的毫秒（）
             sleep(),执行挂起指定的秒
              1s = 1000ms
              1ms = 1000us

3,使用Opencv读取和写入文件，新建一个文档编写。
4，

//cvRound : 返回个参数最接近的整数值
//cvFloor返回不大于参数的最大整数值，cvCeil返回不小于参数的最小整数值，cvRound则是四舍五入
mnFeaturesPerLevel[level] = cvRound(nDesiredFeaturesPerScale);

5，std::copy(start, end, std::back_inserter(container));
copy只负责复制，不负责申请空间，所以复制前必须有足够的空间
添加链接描述看这个说明。

eg1:
int a[3] = {1, 2, 3};
int b[3];
std::copy(a, a+3, b);
for(int j=0; j<3; j++)
  cout<< b[j] << endl;
  
eg2:
vector temp(3);
int a[3] = {1, 2, 3};
std::copy(a, a+3, &temp.front());
for(int j=0; j<3; j++)
  cout<< temp[j] << endl;
  
eg3：
   const int npoints = 512;
  const Point* pattern0 = (const Point*)bit_pattern_31_;	
  std::vector<cv::Point> pattern；
  //使用std::back_inserter的目的是可以快覆盖掉这个容器pattern之前的数据
  //其实这里的操作就是，将在全局变量区域的、int格式的随机采样点以cv::point格式复制到当前类对象中的成员变量中
  std::copy(pattern0, pattern0 + npoints,   std::back_inserter(pattern));

	// 存储所有的特征点，注意此处为二维的vector，第一维存储的是金字塔的层数，第二维存储的是那一层金字塔图像里提取的所有特征点
    vector < vector<KeyPoint> > allKeypoints; 
    allKeypoints.resize(nlevels);
    vector<KeyPoint> & keypoints = allKeypoints[level];
   // 这样子存入keypoints 这个vector就好了。

7 cv::KeyPoint 的一些特性

cv::KeyPoint* pKP = &vNodeKeys[0];
float maxResponse = pKP->response;  //特征点的响应值。

 vector<KeyPoint> & keypoints = allKeypoints[level];
 keypoints[i].pt.x   //像素坐标u
 keypoints[i].pt.y  //像素坐v
 keypoints[i].octave=level;  //金字塔第几层
 keypoints[i].size = scaledPatchSize;  //记录计算IC_angle方向的patch半径（灰度质心法的半径）
 keypoint[i].angle  ;//IC_angle方向  angle是角度制

cv::Point2f  p//描述一个特征点
p.x   p.y //特征点x坐标,y坐标

8,ICangle计算的是角度

//获得这个特征点所在的图像块的中心点坐标灰度值的指针center
  const uchar* center = &image.at<uchar> (cvRound(pt.y), cvRound(pt.x));
  image.at<uchar> (cvRound(pt.y), cvRound(pt.x)) //获得改点的灰度值。
  //如果是Point的点获取该点的灰度值
  cv::Point2f p；
  float pp = image.at<uchar>(p);  //p就已经包含了x ,y信息。
  cv::KeyPoint q;
  
   for (int u = -HALF_PATCH_SIZE; u <= HALF_PATCH_SIZE; ++u)
   {
      //注意这里的center下标u可以是负的！中心水平线上的像素按x坐标（也就是u坐标）加权
      //先存第0行，这一行的v为0；
        m_10 += u * center[u];
   }
     int step = (int)image.step1();
     for (int v = 1; v <= HALF_PATCH_SIZE; ++v)
    {
		//本来m_01应该是一列一列地计算的，但是由于对称以及坐标x,y正负的原因，可以一次计算两行
        int v_sum = 0;
		// 获取某行像素横坐标的最大范围，注意这里的图像块是圆形的！
        int d = u_max[v];
		//在坐标范围内挨个像素遍历，实际是一次遍历2个
        // 假设每次处理的两个点坐标，中心线下方为(x,y),中心线上方为(x,-y) 
        // 对于某次待处理的两个点：m_10 = Σ x*I(x,y) =  x*I(x,y) + x*I(x,-y) = x*(I(x,y) + I(x,-y))
        // 对于某次待处理的两个点：m_01 = Σ y*I(x,y) =  y*I(x,y) - y*I(x,-y) = y*(I(x,y) - I(x,-y))
        for (int u = -d; u <= d; ++u)
        {
			//得到需要进行加运算和减运算的像素灰度值
			//val_plus：在中心线下方x=u时的的像素灰度值
            //val_minus：在中心线上方x=u时的像素灰度值
            int val_plus = center[u + v*step], val_minus = center[u - v*step];
			//在v（y轴）上，2行所有像素灰度值之差
            v_sum += (val_plus - val_minus);
			//u轴（也就是x轴）方向上用u坐标加权和（u坐标也有正负符号），相当于同时计算两行
            m_10 += u * (val_plus + val_minus);
        }
        //将这一行上的和按照y坐标加权
        m_01 += v * v_sum;
    }
    return fastAtan2((float)m_01, (float)m_10);  //fastAtan2计算得出的是角度  atan2计算得出的是弧度，openCV存储的angle是角度

9,计算时间

#include <chrono>
 chrono::steady_clock::time_point t1 = chrono::steady_clock::now();
 chrono::steady_clock::time_point t2 = chrono::steady_clock::now();
 chrono::duration<double> time_used = chrono::duration_cast<chrono::duration<double>>(t2 - t1);
 cout << "extract ORB cost = " << time_used.count() << " seconds. " << endl;

10 Mat

//这里的step1表示这个图像一行包含的字节总数。参考[https://blog.csdn.net/qianqing13579/article/details/45318279]
int step = (int)image.step1();
//Mat的博客
https://blog.csdn.net/giantchen547792075/article/details/9107877