2016秋季练习

来源:POJ2104

划分树:

#include<iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
int n,Qm;
const int MAXN = 100010;
int a[MAXN];
int tree[20][MAXN];
int tol[20][MAXN];
void build(int dep,int l,int r){
    if(l == r) return ;
    int mid = (l+r)>>1;
    int same = mid-l+1;
    for(int i=l;i<=r;i++) {
        if(tree[dep][i] < a[mid]) same -- ;
    }
    int lpos = l;
    int rpos = mid+1;
    for(int i=l;i<=r;i++) {
        if(tree[dep][i] < a[mid])
            tree[dep+1][lpos++] = tree[dep][i];
        else if(tree[dep][i] == a[mid] && same > 0){
            tree[dep+1][lpos++] = tree[dep][i];
            same -- ;
        }
        else
            tree[dep+1][rpos++] = tree[dep][i];
        tol[dep][i] = tol[dep][l-1]+lpos-l;
    }
    build(dep+1,l,mid);
    build(dep+1,mid+1,r);
}
int query(int left,int right,int l,int r,int dep,int k){
//    cout<<left<<" "<<right<<" "<<l<<" "<<r<<" "<<dep<<endl;
    if(l == r) return tree[dep][l];
    int mid = (left+right)>>1;
    int cnt = tol[dep][r]-tol[dep][l-1];
    if(cnt>=k){
        int newl = left+tol[dep][l-1]-tol[dep][left-1];
        int newr = newl+cnt-1;
        return query(left,mid,newl,newr,dep+1,k);
    }
    else{
        int newr = r+tol[dep][right]-tol[dep][r];
        int newl = newr-(r-l-cnt);
        return query(mid+1,right,newl,newr,dep+1,k-cnt);
    }

}
int main(){
    int l,r,k;
    while(scanf("%d%d",&n,&Qm)==2){
        memset(tree,0,sizeof tree);
        for(int i=1;i<=n;i++) {
            scanf("%d",a+i);
            tree[0][i] = a[i];
        }
        sort(a+1,a+1+n);
        build(0,1,n);
        while(Qm--){
            scanf("%d%d%d",&l,&r,&k);
            printf("%d\n",query(1,n,l,r,0,k));
        }
    }
    return 0;
}


一种基于有效视角点方法的相机位姿估计MATLAB实现方案 该算法通过建立三维空间点与二维图像点之间的几何对应关系,实现相机外部参数的精确求解。其核心原理在于将三维控制点表示为四个虚拟基点的加权组合,从而将非线性优化问题转化为线性方程组的求解过程。 具体实现步骤包含以下关键环节:首先对输入的三维世界坐标点进行归一化预处理,以提升数值计算的稳定性。随后构建包含四个虚拟基点的参考坐标系,并通过奇异值分解确定各三维点在该基坐标系下的齐次坐标表示。接下来建立二维图像点与三维基坐标之间的投影方程,形成线性约束系统。通过求解该线性系统获得虚拟基点在相机坐标系下的初步坐标估计。 在获得基础解后,需执行高斯-牛顿迭代优化以进一步提高估计精度。该过程通过最小化重投影误差来优化相机旋转矩阵和平移向量。最终输出包含完整的相机外参矩阵,其中旋转部分采用正交化处理确保满足旋转矩阵的约束条件。 该实现方案特别注重数值稳定性处理,包括适当的坐标缩放、矩阵条件数检测以及迭代收敛判断机制。算法能够有效处理噪声干扰下的位姿估计问题,为计算机视觉中的三维重建、目标跟踪等应用提供可靠的技术基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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