- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我尝试编写一个 C++ 模板类,它应该能够通过相同的接口(interface)处理“简单”类型和类似“Eigen::MatrixBase”的类型。我设法用两种不同的简单类型获得了所需的行为,但很难将 Eigen 语法压缩到我的最小示例中……也许有人可以给我建议?
环顾四周,this接近我想要的 - 没有 Eigen。 This看起来也很相似。
#ifndef __MINIMAL_H__
#define __MINIMAL_H__
#include <Eigen/Core>
// base-class defining and interface + common functions
// child-classes with possible overloads. does not work to
// define basic eigen-types as template specialization parameter
template<typename T>
class MinimalBase
{
public:
MinimalBase(const T& val)
:val(val){};
T val;
// pure virtual interface
virtual void setZero() = 0;
// the common functionality
void increase() { val = val*6; };
void decrease() { val = val/7; };
};
// again pure virtual, so that the compiler will not instantiate this when
// trying to deduce the correct template specialization
template<typename T>
class Minimal : public MinimalBase<T>
{
public:
Minimal(const T& val)
:MinimalBase<T>(val){};
virtual void setZero() = 0;
// the rest of the common functionality is inherited from MinimalBase
};
// one spezialization for "int"
template<>
class Minimal<int> : public MinimalBase<int>
{
public:
Minimal()
:MinimalBase<int>(4){};
virtual void setZero() { val = 0; };
};
// this one is actually shorter...
template<>
class Minimal<short> : public MinimalBase<short>
{
public:
Minimal()
:MinimalBase<short>(1){};
virtual void setZero() { val = 0; };
void increase() { val = val*3; };
};
// and the eigen-one (at best limited to vector-like matrices)... how to do this?
template<class Derived>
class Minimal<Eigen::MatrixBase<Derived> > : public MinimalBase<Eigen::MatrixBase<Derived> >
{
public:
Minimal<Eigen::MatrixBase<Derived> >()
:MinimalBase<Eigen::MatrixBase<Derived> >(Eigen::MatrixBase<Derived>::Zero()){};
virtual void setZero() { this->val.setZero(); };
};
#endif
最后一个 block ,带有 Eigen 的东西,不编译。我更迷失在如何解决这个问题的大方向上,我不清楚具体的语法。使用此 header ,以下行将不会在您的通用 minimal-example-main-cpp 中编译(缺少 Eigen-stuff):
Minimal<int>A;
Minimal<short>B;
// this does not work:
Minimal<Eigen::Vector2f>C;
std::cerr << "before: " << A.val << " " << B.val << "\n";
A.increase();
A.decrease();
B.increase();
B.setZero()
std::cerr << "after: " << A.val << " " << B.val << "\n";
编译器错误消息如下所示:
/home/joe/test/test.cpp: In function ‘int main()’:
/home/joe/test/test.cpp:36:29: error: no matching function for call to ‘Minimal<Eigen::Matrix<float, 2, 1> >::Minimal()’
Minimal<Eigen::Vector2f>C;
^
/home/joe/test/test.cpp:36:29: note: candidates are:
In file included from /home/joe/test/test.cpp:7:0:
/home/joe/test/minimal.h:26:9: note: Minimal<T>::Minimal(const T&) [with T = Eigen::Matrix<float, 2, 1>]
Minimal(const T& val)
^
/home/joe/test/minimal.h:26:9: note: candidate expects 1 argument, 0 provided
/home/joe/test/minimal.h:23:7: note: Minimal<Eigen::Matrix<float, 2, 1> >::Minimal(const Minimal<Eigen::Matrix<float, 2, 1> >&)
class Minimal : public MinimalBase<T>
^
/home/joe/test/minimal.h:23:7: note: candidate expects 1 argument, 0 provided
/home/joe/test/test.cpp:36:29: error: cannot declare variable ‘C’ to be of abstract type ‘Minimal<Eigen::Matrix<float, 2, 1> >’
Minimal<Eigen::Vector2f>C;
^
In file included from /home/joe/test/test.cpp:7:0:
/home/joe/test/minimal.h:23:7: note: because the following virtual functions are pure within ‘Minimal<Eigen::Matrix<float, 2, 1> >’:
class Minimal : public MinimalBase<T>
^
/home/joe/test/minimal.h:29:22: note: void Minimal<T>::setZero() [with T = Eigen::Matrix<float, 2, 1>]
virtual void setZero() = 0;
^
编辑:由此产生的最小示例演示终于找到了通往 github 的道路
最佳答案
类型Eigen::Vector2f
不等于 Eigen::MatrixBase<Derived>
对于任何类型 Derived
.它继承了Eigen::MatrixBase<Eigen::Vector2f>
, 但这对于模板特化匹配来说还不够好。
首先,让我们定义一个“类型特征”,它确定一个类型是否是一个特征矩阵。在 C++11 中:
#include <type_traits>
namespace is_eigen_matrix_detail {
// These functions are never defined.
template <typename T>
std::true_type test(const Eigen::MatrixBase<T>*);
std::false_type test(...);
}
template <typename T>
struct is_eigen_matrix
: public decltype(is_eigen_matrix_detail::test(std::declval<T*>()))
{};
或者在 C++03 中:
namespace is_eigen_matrix_detail {
typedef char yes_type[2];
typedef char no_type[1];
template <typename T>
yes_type test(const Eigen::MatrixBase<T>*);
no_type test(...);
}
template <typename T>
struct is_eigen_matrix {
static const bool value =
(sizeof(is_eigen_matrix_detail::test(static_cast<T*>(0))) ==
sizeof(is_eigen_matrix_detail::yes_type));
};
然后,一个标准enable_if
trick 可以设置一个类模板特化,它接受所有类型,并且只接受那些满足特征的类型。
// Don't bother to define the primary template, and only your
// specializations can ever be used.
template <typename T, typename Enable = void>
class Minimal;
// When not using enable_if tricks, ignore the Enable parameter.
template<>
class Minimal<int> : public MinimalBase<int>
{
// Just as before.
};
// This specialization only exists when T is or inherits an Eigen::MatrixBase
// specialization.
template <typename T>
class Minimal<T, typename std::enable_if<is_eigen_matrix<T>::value>::type>
: public MinimalBase<T>
{
public:
Minimal() : MinimalBase<T>(T::Zero()) {}
virtual void setZero() { this->val.setZero(); }
};
std::enable_if
是 C++11。在 C++03 中,要么替换 boost::enable_if
或者只是定义和使用你自己的:
template <bool Check, typename T = void>
struct enable_if {};
template <typename T>
struct enable_if<true, T> {
typedef T type;
};
关于c++ - Eigen:基类模板特化中的类型推导,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22725867/
我想了解表达式模板如何在 Eigen 中工作。 我知道两个动态双向量的总和是由如下所示的东西执行的: CwiseBinaryOp, VectorXd const, VectorXd const > o
在本征中,我们可以创建一个矩阵 Matrix3f m; m m(3, 8, 6); // Input after construction m.diagonal() << 3, 8, 6; Diag
我想知道是否有比使用 for 循环更简单的方法来解决我的问题。所以情况是这样的: 一般来说,我想从我的传感器收集数据点(消息类型为 Eigen::Vector3d,我无法更改它,因为它是一个巨大的框架
简而言之,问题是如何通过一个 Eigen::Map 反对一个期待一个函数 Eigen::MatrixXd 对象。 长话短说: 我有这个 C++ 函数声明 void npMatrix(const Eig
考虑以下代码。 const int N = 100; const float alpha = 0.9; Eigen::MatrixXf myVec = Eigen::MatrixXf::Random(
我试图获得两个张量的矩阵乘积,其中一个张量应该在相乘之前转置( At*B )。 到目前为止,我在 eigen documentation 中发现了什么是没有任何转置和两个矩阵都转置的矩阵乘积。 我正在
我的问题很简单,希望也有一个很好的答案:当我构造了 Eigen::MatrixXd 矩阵时,我可以使用多个线程同时填充矩阵中的行吗(如果我可以确保没有行被同时写入),或者我必须在每个线程中创建临时行对
#include #include namespace Eigen { // float op double -> double template struct ScalarBinaryOpTr
我在 Eigen 库的 API 上遇到了一些困难,即用于稀疏矩阵 Cholesky 分解的 SimplicialLLT 类。我需要分解三个矩阵,然后用它们来求解许多方程组(仅更改右侧) - 因此我只想
我正在尝试使用 Eigen 的 JacobiSVD 进行实验。特别是我试图从奇异值分解中重建输入矩阵。 http://eigen.tuxfamily.org/dox/classEigen_1_1Jac
我刚刚阅读了 Structures having static members Eigen 页。后者陈述如下: If you define a structure having members of
我正在使用 C++ 中的 Eigen 库来获取浮点方阵的平方根: MatrixXf gPrime(QUAD_EKF_NUM_STATES, QUAD_EKF_NUM_STATES); gPri
我正在尝试使用 vector 中的相应值来缩放矩阵中的所有列。如果此值为 0,我想用另一个按常数缩放的矩阵中的列替换该列。听起来很复杂,但在 Matlab 中它非常简单(但可能没有完全优化): a(:
使用 Eigen 将仿射变换转换为等距变换(即仅由旋转和平移组成)的最简单方法是什么? 图书馆? 两种变换都是 3D 的。仿射矩阵在左上象限有一个通用的 3x3 矩阵(即旋转、缩放和剪切),而等轴测在
我正在尝试生成 PCL 点云。我所有的点都在以下容器类型中: std::vector > 我想创建一个指向 PCL 点云的指针: pcl::PointCloud::Ptr pc 创建此点云的最有效方法
最近,我编译了 Eigen3 并用它在 Windows 上做一些线性代数任务。 但我想知道为什么 Eigen3 不需要链接额外的 lib 或 DLL(我只需要包含它的头文件) Eigen 是否在编译时
我正在使用特征张量库,在我看来,shuffle() 方法需要一个对象 Eigen::array 作为输入。 在我的实现中,我有一个 std::list 需要传递给 shuffle (当然我只在运行时知
我有两个问题。 Eigen::Affine3f 和 Eigen::Matrix4f 中表示的刚性变换是否相同? 我们如何从 Eigen::Affine3f 转换为 Eigen::Matrix4f,反之
我想用单个 3-D Eigen::Tensor 替换代码中的一系列矩阵。考虑到这一点,我尝试比较张量和矩阵的性能。 下面的函数“tensorContractTest”执行 (n,n,n) 3 阶张量与
如何将 ArrayXXd 数组转换为 MatrixXd?到目前为止,我已经完成了 MatrixXd temp_mat = my_array; 并且隐式转换似乎工作正常,但这是应该完成的方式吗?或者我应
我是一名优秀的程序员,十分优秀!