目录
(1) set(CMAKE_BUILD_TYPE "Debug")
(2) set(CMAKE_CXX_FLAGS "-O3")
(3) add_definitions("-DENABLE_SSE")
(4) list(APPEND CMAKE_MODULE_PATH ${PROJECT_SOURCE_DIR}/cmake)
(2) int main(int argc,char** argv)
(5) chrono::steady_clock::time_point
(6) vector keypoints_1, keypoints_2
(1) if (image.type() != CV_8UC1 && image.type() != CV_8UC3)
(3) 矩形类 cv::Rect(0, 0, 100, 100) 为openCV 中 cv::Rect
(4) cv::waitKey(0) 与cv::destroyAllWindows()
(5) Mat img = imread(argv[1], CV_LOAD_IMAGE_COLOR)
(6) assert(img_1.data && img_2.data && "Can not load images!")
0. 前言:
- 学习视觉SLAM,但对于C++等最基础的知识并不熟悉,按照《视觉SLAM14讲》的内容学习,目前处于代码的研读阶段,因此利用此博客记录学习代码过程中不理解的地方与对应解释。
- 整理的内容围绕VSLAM,代码内容限定于《视觉SLAM14讲》,目的在于能够自主阅读ORBSLAM2的代码。
1. Cmake中的命令
- 详细的参考资料:
- 《cmake实践》
- https://blog.csdn.net/zhuiyunzhugang/article/details/88142908
(1) set(CMAKE_BUILD_TYPE "Debug")
- 断点调试:我们使用keveloper调试代码时,希望能够断点调试,那么就需要在CMakelists.txt中设置CMAKE_BUILD_TYPE的类型为Debug,但此时的运行速度会很慢;如果我们不进行调试,则使用Release模式,运行速度较快,没有调试信息。
(2) set(CMAKE_CXX_FLAGS "-O3")
- 设置编译器类型
- 测试发现,注释掉之后并不影响编译,但是感觉编译时间变长
- 参考:https://blog.csdn.net/zhanghm1995/article/details/80902807
(3) add_definitions("-DENABLE_SSE")
- 并不是很理解
- 注释掉之后依然可以编译
- 参考:https://blog.csdn.net/dongjideyu/article/details/79267683
(4) list(APPEND CMAKE_MODULE_PATH ${PROJECT_SOURCE_DIR}/cmake)
- 添加cmake其他依赖库的cmake 文件,详细可在IDE工具中查看list解释
- 参考:https://www.cnblogs.com/li-yao7758258/p/9040759.html
2. C++中的命令
(1) #define MATRIX_SIZE 50
- 宏定义:#define 预处理指令用于创建符号常量。该符号常量通常称为宏,指令的一般形式是:
#define macro-name replacement-text
当这一行代码出现在一个文件中时,在该文件中后续出现的所有宏都将会在程序编译之前被替换为 replacement-text。所以可以先简单的理解为替换。
- 参考:https://www.runoob.com/cplusplus/cpp-preprocessor.html
(2) int main(int argc,char** argv)
- argc:命令行总的参数个数
argv[]:保存命令行参数的字符串指针,其中第0个参数是程序的全名,以后的参数为命令行后面跟的用户输入的参数,argv参数是字符串指针数组,其各元素值为命令行中各字符串(参数均按字符串处理)的首地址。 指针数组的长度即为参数个数argc。数组元素初值由系统自动赋予。比如:
#include<iostream>
using namespace std;
int main(int argc, char* argv[])
{
int i;
for(i=0;i<argc;i++)
{
cout<<argv[i]<<endl;
}
cout<<"argc = " << argc << " ; " << "i = " << i << endl;
return 0;
}
执行时敲入 : ./a.out a b c d回车,输出如下:
./a.out
a
b
c
argc = 4 ; i = 4
(3) CLOCKS_PER_SEC
time_stt = clock();
cout << "time of ldlt decomposition is "
<< 1000 * (clock() - time_stt) / (double) CLOCKS_PER_SEC << "ms" << endl;
- CLOCKS_PER_SEC是标准c的time.h头函数中宏定义的一个常数,表示一秒钟内CPU运行的时钟周期数,用于将clock()函数的结果转化为以秒为单位的量,但是这个量的具体值是与操作系统相关的。
- 参考:https://baike.baidu.com/item/CLOCKS_PER_SEC/2767233?fr=aladdin
(4) CLOCKS_PER_SEC
- cout与cerr输出看起来是一样的,但是用途和机制不一样:cout 写到标准输出的ostream对象;cerr 输出到标准错误的ostream对象,常用于程序错误信息。
- 参考:https://www.cnblogs.com/shikamaru/p/5358333.html
(5) chrono::steady_clock::time_point
- steady_clock的刻度是1纳秒,起点并非1970-01-01 00:00:00 UTC,一般是系统启动时间,这就是问题的关键。steady_clock的作用是为了得到不随系统时间修改而变化的时间间隔,所以凡是想得到绝对时点的用法都是错误的。steady_clock是没有to_time_t()的实现的,而system_clock是有的。
- 参考:https://www.cnblogs.com/zhongpan/p/7490657.html
- 计时方法如下:
chrono::steady_clock::time_point t1 = chrono::steady_clock::now();
for (...; ...; i++) {
......
}
chrono::steady_clock::time_point t2 = chrono::steady_clock::now();
chrono::duration<double> time_used = chrono::duration_cast < chrono::duration < double >> (t2 - t1);
cout << "遍历图像用时:" << time_used.count() << " 秒。" << endl;
(6) vector<KeyPoint> keypoints_1, keypoints_2
- vector<typename> vt(e_elem):vector是模板类,是数组的替代品,可以理解为一个容器。
- 参考:C++ Primer Plus, https://www.cnblogs.com/my-idiot-days/archive/2013/05/01/3053831.html
3. Eigen中的一些运算
(1) Eigen/Dense
- matrix_23.cast<double>() 为矩阵类型转换
- result.transpose()为转置
- Matrix3d::Random()为随机数矩阵
- ……
- 参考:https://blog.csdn.net/u012541187/article/details/53420432
- SelfAdjointEigenSolver<Matrix3d> eigen_solver(matrix_33.transpose() * matrix_33) 为计算特征值和特征向量
- eigen_solver.eigenvalues() 特征值
- eigen_solver.eigenvectors() 特征向量
- 参考:https://blog.csdn.net/u012936940/article/details/79871941
- x = matrix_NN.colPivHouseholderQr().solve(v_Nd) 为QR分解
- x = matrix_NN.ldlt().solve(v_Nd) 为cholesky分解
-
参考:https://blog.csdn.net/xiamentingtao/article/details/54341475
(2) Eigen/Geometry
- 参考:https://blog.csdn.net/u011092188/article/details/77430988
- AngleAxisd rotation_vector(M_PI / 4, Vector3d(0, 0, 1)) 定义旋转向量
- rotation_vector.matrix() 向量转换为矩阵
- .toRotationMatrix() 转化为旋转矩阵
- .eulerAngles() 转化为欧拉角
- Eigen::Isometry 变换矩阵
- Isometry3d 虽然称为3d,实质上是4*4的矩阵
- T.rotate(rotation_vector) 按照rotation_vector进行旋转
- T.pretranslate(Vector3d(1, 3, 4)) 平移向量设成(1,3,4)
- Quaterniond 四元数定义
- .coeffs() 输出系数
4. OpenCV中的一些命令
(0) *查看opencv版本:
pkg-config --modversion opencv
(1) if (image.type() != CV_8UC1 && image.type() != CV_8UC3)
CV_<bit_depth>(S|U|F)C<number_of_channels>
- CV_8UC1---则可以创建----8位无符号的单通道---灰度图片
- CV_8UC3---则可以创建----8位无符号的三通道---RGB彩色图像---colorImg
(2) 图像中操作像素的方法
for (size_t y = 0; y < image.rows; y++) {
// 用cv::Mat::ptr获得图像的行指针
unsigned char *row_ptr = image.ptr<unsigned char>(y); // row_ptr是第y行的头指针
for (size_t x = 0; x < image.cols; x++) {
// 访问位于 x,y 处的像素
unsigned char *data_ptr = &row_ptr[x * image.channels()]; // data_ptr 指向待访问的像素数据
// 输出该像素的每个通道,如果是灰度图就只有一个通道
for (int c = 0; c != image.channels(); c++) {
unsigned char data = data_ptr[c]; // data为I(x,y)第c个通道的值
// cout << "data = " << data << endl;
}
}
}
(3) 矩形类 cv::Rect(0, 0, 100, 100) 为openCV 中 cv::Rect
(4) cv::waitKey(0) 与cv::destroyAllWindows()
- cv::waitKey(0)暂停程序,等待一个按键输入;
- cv::destroyAllWindows() 关闭窗口并释放掉相关联的内存空间
- 如果没有这两行的话,在terminal里执行命令,图片只会一闪而过。有了这个命令之后图像就会一直显示。
- 参考:http://www.sofasofa.io/forum_main_post.php?postid=1004129
(5) Mat img = imread(argv[1], CV_LOAD_IMAGE_COLOR)
- imread的函数原型是:Mat imread( const string& filename, int flags=1 );
- Mat是OpenCV里的一个数据结构,在这里我们定义一个Mat类型的变量img,用于保存读入的图像,在本文开始有写到,我们用imread函数来读取图像,第一个字段标识图像的文件名(包括扩展名),第二个字段用于指定读入图像的颜色和深度,它的取值可以有以下几种:
- 1) CV_LOAD_IMAGE_UNCHANGED (<0),以原始图像读取(包括alpha通道),
- 2) CV_LOAD_IMAGE_GRAYSCALE ( 0),以灰度图像读取
- 3) CV_LOAD_IMAGE_COLOR (>0),以RGB格式读取
- 参考:https://blog.csdn.net/JerryandQilin/article/details/43791979?utm_source=blogkpcl7
(6) assert(img_1.data && img_2.data && "Can not load images!")
- assert 的值为假(即为0),那么它先向stderr打印一条出错信息,然后通过调用 abort 来终止程序运行。 使用assert的缺点是,频繁的调用会极大的影响程序的性能,增加额外的开销。
- 属于opencv中的函数还是c++中的函数,为何后面可以 && "Can not load images!"
- 参考:https://www.cnblogs.com/thisway/p/5558914.html
(7) vector<KeyPoint> 和 vector<DMatch>
- 参考:OenCV官方教程
(8) GFTTDetector可以均匀提取特征点
cv::Ptr<cv::FastFeatureDetector> detector = cv::FastFeatureDetector::create();
cv::Ptr<cv::FeatureDetector> detector = cv::GFTTDetector::create(500, 0.01, 20);
(9) vector<cv::Point2f> last的含义与坐标值输出方法
- 标识定义一个名字为last的向量,向量中的每一个元素是cv::Point2f。如果要从中提取坐标点,首先需要指明其在向量中的第几个元素,如last[0]; 此时输出一个Point2f类型的元素。若要输出坐标点,需要了解Point2f的定义,即通过last[0].x可以输出横坐标。
根据学习持续更新……