第七周实验报告 任务二

本次实验报告主要讲述了在完成任务二的过程中,根据提供的模板进行编程。尽管过程中因粗心将CPoint误写成CPiont导致错误,并在多个地方出现,但通过友元函数的运用,体验到了编程的乐趣。此次事件强调了编程中细心的重要性。

源程序:

#include<iostream>

#include<cmath>

using namespace std;

class CPoint  
{
	
public: 

    CPoint(double xx=0,double yy=0):x(xx),y(yy){}  

	double distance1(CPoint &p);//成员函数的声明

	friend double distance2(CPoint &, CPoint &);//友元函数的声明

	double getx();//用于调出私有成员x

	double gety();//用于调出私有成员y

private:  
	
    double x;  // 横坐标  
	
    double y;  // 纵坐标  
	
};

double distance3(CPoint &p1, CPoint &p2);//一般函数的声明

double CPoint::distance1(CPoint &p)//成员函数的定义
{
	return (sqrt((x - p.x) * (x - p.x) + (y - p.y) * (y - p.y)));
}

double distance2(CPoint &p1, CPoint &p2)//友元函数的定义
{
	return (sqrt((p1.x - p2.x) * (p1.x - p2.x) + (p1.y - p2.y) * (p1.y - p2.y)));
}

double distance3(CPoint &p1, CPoint &p2)//一般函数的定义
{
	return (sqrt((p1.getx() - p2.getx()) * (p1.getx() - p2.getx()) + (p1.gety() - p2.gety()) * (p1.gety() - p2.gety())));
}

double CPoint::getx()
{
	return x;
}

double CPoint::gety()
{
	return y;
}
int main()
{
	CPoint a(1, 0), b(3, 0);

	cout << "利用成员函数输出距离:" << a.distance1(b) <<endl;

	cout << "利用友元函数输出距离:" << distance2(a, b) <<endl;

	cout << "利用一般函数输出距离:" << distance3(a, b) <<endl;

system("pause");

return 0;

截图:

 

这个程序与上次的程序差不太多~再加上贺老慈悲的发了个模板···照猫画虎做起来没有遇到太多困难···但是也遇到了一些问题···特别是粗心···一不小心将CPoint写成了CPiont···然后复制粘贴到了好几个地方···呵呵···好傻···必需细心才行啊···友元函数真的挺有意思哈~

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 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