摘要: SVD分解 只有非方阵才能进行奇异值分解 SVD分解:把矩阵分解为 特征向量矩阵+缩放矩阵+旋转矩阵 定义 设$A∈R^{m×n}$,且$ rank(A) = r (r 0) $,则矩阵A的奇异值分解(SVD)可表示为 $A = UΣV^T = U\begin{bmatrix} \sum &0\\ 阅读全文
posted @ 2019-01-22 21:20 narjaja 阅读(5287) 评论(0) 推荐(0) 编辑
摘要: ORBSLAM2中计算描述子距离时用到了计算不同位的个数 没看懂很神奇记下来 // Bit set count operation from // http://graphics.stanford.edu/~seander/bithacks.html CountBitsSetParallel int 阅读全文
posted @ 2019-01-22 17:34 narjaja 阅读(171) 评论(0) 推荐(0) 编辑