[基础]JavaScript中的面向对象(个人学习笔记) 一

本文深入探讨了JavaScript中对象和类的概念,解释了ECMAScript规范下对象的定义及其属性和方法。同时介绍了如何声明和实例化对象,并讨论了对象的废除机制以及JavaScript为何没有重载。
最近总是遇见JavaScript中对象和类的问题,于是重新学习JavaScript,也把它当作自己的第一篇学习笔记,如果有理解错误的地方,请大家指出,谢谢。
首先说明一下ECMAScript,它是在一个叫做ECMA-262的标准中定义的,ECMAScript
一个重要的标准,它可以为不同的宿主环境提供核心的脚本编程能力,是一个JavaScript的核心。通常一个完整的JavaScript实现是由以下三个不同部分组成:
 核心(ECMAScript)
 文档对象模型(DOM)
 浏览器对象模型(BOM)
*以下内容正式开始,一切还是从对象入手

1、面向对象术语
[b]对象(Object)[/b]
ECMA-262把‘对象’定义为“属性的无序组合,每个属性存放一个原始值、对象或函数”。‘对象’由特性(attribute)构成,特性可以使原始值,也可以是引用值。如果特性存放的是函数,它被看作对象的方法(method),否则该特性被看作属性(property)。

[b]类(Class)[/b]
ECMAScript并没有正式的类。其实对象的定义就是类的定义。类定义了一个对象的属性和方法,还有一些相关业务的代码。对象的定义放在类的构造函数中。

2、对象的声明和实例化
对象是用关键字new后跟要实例化的类名创建:

var oObject = new Object();
var sString = new String();

上面的代码就分别创建了一个Object对象和一个String对象。如果类的构造函数没有参数,括号是不必需的。所以上面的代码可以改写成:

var oObject = new Object;
var sString = new String;

3、对象的废除
先说概念,当再没有对对象的引用时,就称该对象被废除(dereference)了。说到对象的废除,就不得不说[color=red]无用储存单元收集程序[/color],每当程序执行完它的代码,无用储存单元收集程序都会运行,释放所有局部变量,还有一些不可知的情况它也会运行。
把对象的所有引用都设置成null,可以强制性的废除对象。比如:

var oObject = new Objcet;
//do something here
oObject = null;


当变量oObject设置成null后,就没有任何对对象的引用了。这意味着下次运行无用储存单元收集程序时,该对象将被销毁。
[b]*每用完一个对象后,就将其废除,来释放内存,这是一个好习惯。
*废除对象的引用时要当心。如果一个对象有两个或多个引用,要废除该对象,则需要将对象的所有引用都设置成null![/b]
最后还要补充一个问题,说一下为什么javascript中没有重载。在ECMAScript中函数实际上是功能完整的对象,实际上是创建了一个Function类的实例对象。用Function类直接创建函数的语法如下:

var function_name = new Function(argument1,argument2, …,argument,function_body);

先来看一段简单的代码:

function sayHello(name,msg){
alert("Hello" + name + "you are very " + msg);
}

通过Function类可以将原代码改写成:

var sayHello = new Function("name","msg","alert(\"Hello \" + name + \", you are very\" + msg );");
sayHello("yzl","handsome");

以上的两段代码都实现的相同的功能,实际上更应该说成是第一段代码最后都会被计算机理解为第二段,个人感觉跟高级语言被转换为机器语言一样,所以很容易可以看出在定义函数时无法实现重载,因为在第二次定义函数的时候已经把函数的引用指向了新的引用,就好像你对同一个变量new了两次一个道理,第一个函数已经“不在”了。
[b]*Function中有个很重要的东西arguments放到了类的初始化那里说明[/b]
内容概要:本文介绍了个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊体等场景的应用实践。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值