首页 > 其他分享 >VINS-Fusion学习笔记(一)

VINS-Fusion学习笔记(一)

时间:2023-06-21 20:44:45浏览次数:32  
标签:int double namespace 笔记 Fusion test VINS include

1. operator的用法

c++工程文件结构:
image

test.h具体:

#include<iostream>
using namespace std;
class V_3d{
public:
	double x,y,z;
	V_3d(double x_,double y_, double z_):x(x_),y(y_),z(z_)
	{
		cout<<x<<","<<y<<","<<z<<endl;
	} 
	
	 bool operator() (){
	 	cout<<"你好啊,重载的()"<<endl;
	 	if(x>0&&y>0&&z>0)
	 		return 1;
	 	else
	 		return 0;
	 }
};

test.cpp具体:

#include"test.h"
using namespace std;
int main(int argc,char* argv[]){
cout<<"hello world, hello operator"<<endl;

V_3d p0={-10,0,0};
V_3d p1={0,0,0};
V_3d p2={2,3,4};
V_3d p3={3,5,7};

cout<<p1.x<<","<<p1.y<<","<<p1.z<<endl;
cout<<p3.x<<","<<p3.y<<","<<p3.z<<endl;

cout<<p0()<<endl;
cout<<p1()<<endl;
cout<<p3()<<endl;

return 0;
}

CMakeLists.txt 具体:

cmake_minimum_required(VERSION 3.10)
project(test)
include_directories(include)
add_executable(test test.cpp)

标签:int,double,namespace,笔记,Fusion,test,VINS,include
From: https://www.cnblogs.com/derek-dhb/p/17497123.html

相关文章

  • 网络单纯形 学习笔记
    网络单纯形算法是一种神奇的算法。它可以求解带负圈的费用流,可以过HLPP板子,但它的(最坏)复杂度好像是指数级,尽管我并不会证感性理解:它和线规算法simplex有许多相似之处,而simplex(最坏)是指数级的.虽然但是,据CF[1]上所讲,它的平均时间复杂度是\(O(VE)\),且常数较小(无LCT情况......
  • Stable Diffusion 常用的视角
    角度提示词可以帮助摄影师选择拍摄角度,使得拍摄出的照片更有层次感和视觉冲击力。我们用草地上的一只猫来常见的视角效果:注意:这里我们没法固定seed种子了,因为seed部分时候会固定视角,我们提示词的视角会不起作用。默认不带任何视角PromptacatonthegrassSteps:20,Sampler:E......
  • Stable Diffusion 的 CFG Scale 参数
    在图像生成过程中,CFGScale参数是一个关键因素,它控制着文本提示对生成图像的影响程度。简而言之CFGScale:参数越大,生成的图像与文本提示的相关性越高,但可能会失真。数值越小,相关性则越低,越有可能偏离提示或输入图像,但质量越好。在实际应用中,将其设置在7到11之间往往能获得最......
  • Stable Diffusion 的随机种子 seed
    seed参数允许您指定一个随机种子,将用于初始化图像生成过程。相同的种子值每次都会产生相同的图像集,这对于再现性和一致性很有用。如果将种子值保留为-1,则每次运行文本-图像特性时将生成一个随机种子。最重要的是,具有相同参数、prompt和seed将产生完全相同的图像。多亏了这一......
  • Stable Diffusion 反向提示词 Negative prompts
    反向提示词(Negativeprompts)用于描述图片中不希望出现的内容。常用于阻止生成特定的事物、样式或修复某些图像异常。下面是一些例子从“宁静的精灵森林”中移除“苔藓”宁静的精灵森林peacefulelvenforest,thickforest,largelivingtreesarevisibleinthebackground,b......
  • 【笔记】大一下数值分析碎碎念——数值积分与微分
    数值微分与积分数值微分:只利用\(f(x)\)来计算\(f',f'',\cdots\)比如\(f'(x_0)\approx\frac{f(x_0+h)-f(x_0)}{h}\)两点前向差分。\(f'(x_0)\approx\frac{f(x_0+h)-f(x_0-h)}{2h}\)三点中心差分。误差分析:设\(f\inC^2[a,b]\)\[f(x_0+h)=f(x_0)......
  • 深度学习阅读笔记(四)之卷积网络CNN
    卷积神经网络  17.《基于卷积神经网络的木材缺陷识别》(具体应用)(1)主要内容:采用卷积神经网络(CNN)来建立木材缺陷识别系统。详细介绍了CNN网络的基本结构和技术特点。详细介绍了实验CNN网络模型的构件。(2)采用方法:卷积神经网络(CNN)(3)特点:权值共享,下采样,局部感受野(4)优点:卷积神经网络在处......
  • 深度学习论文阅读笔记(三)之深度信念网络DBN
    深度神经网络   12.《受限波尔兹曼机简介》(1)主要内容:主要介绍受限玻尔兹曼机(RBM)的基本模型、学习算法、参数设置、评估方法、变形算法等,探讨了RBM在未来值得研究的方向。(2)RBM的基本模型和学习算法(描述比较清楚):对比散度学习算法(Gibbs采样),(3)RBM参数设置(叙述比较详细):1)小批量数据处理......
  • 深度学习阅读笔记(二)之自动编码器SAD
    一、自动编码器(DAE)   7. 《深度自动编码器的研究与展望》   主要内容:讲述了自动编码器的发展由来。阐述了DAE的基本概念和原理;网络模型的构建和训练方法。并对DAE进行了分类,指出了DAE存在的问题和对DAE未来发展的展望。  (1)自动编码器比传统BP网络的优势:免去了人工提取数据......
  • 深度学习学术论文阅读笔记(一)之经典学术论文阅读笔记
    深度学习算法主要分类三大类:自动编码器,深度神经网络和卷积神经网络。下面是对这三种网络分类进行的初步调研。深度学习6篇非常重要的文章:  1.《Learning multiple layers of representation》 / G E. Hinton(1)主要内容:论述采用多层网络表达(深度学习网络:卷积网络,堆叠自动编......