矩陣的特徵向量跟特徵值的英文名字分別是 eigenvector 跟 eigenvalue,這倆概念非常非常有用,根據他們倆可以外延出很多有趣的功能。大部分同學可能腦子裏想一下還能記得他們倆是怎麼計算出來的,但是他們為什麼可以代表一個矩陣的“特徵”呢?除了這倆,相信大多數同學都不記得矩陣的行列式是個什麼東西了,總之不太直觀。相比較而言,矩陣的跡(trace)這個概念就比較直觀,就是
前言 這篇文章我開始和大家一起探討機器人SLAM建圖與自主導航 ,在前面的內容中,我們介紹了差速輪式機器人的概念及應用,談到了使用Gazebo平台搭建仿真環境的教程,主要是利用gmapping slam算法,生成一張二維的仿真環境地圖 。我們也會在這篇文章中繼續介紹並使用這片二維的仿真環境地圖,用於我們的演示。 教程 SLAM算法的引入 (1)SLAM:S
基礎單色 畫筆的基礎實現,除了點與點之間的連接,還需要注意兩點 首先是在鼠標移動時計算當前移動的速度,然後根據速度計算線寬,這個是為了實現鼠標移動快,線寬就變窄,移動慢,線寬就恢復正常這個效果 為了避免直線連接點效果不好,我會採用貝塞爾曲線進行連接 /** * 鼠標移動時添加新的座標 * @param positi
74. 搜索二維矩陣 給你一個滿足下述兩條屬性的m x n整數矩陣: 每行中的整數從左到右按非嚴格遞增順序排列。 每行的第一個整數大於前一行的最後一個整數。 給你一個整數target,如果target在矩陣中,返回true;否則,返回false。 示例 1: 輸入:matrix = [[1,3,5,