特征库 – >用文件或现有std :: vector内容中的数据初始化矩阵(c)

我的问题是如何初始化一个特征矩阵,但不是这样:

matrix << 1,0,1,0,
          1,0,1,0,
          1,0,1,0,

我有一个看起来像上面的矩阵(逗号或没有逗号无关紧要)
存储在txt文件中.

我已经编写了一个函数来读取每一行并将其放入向量中
现在我想用这个数据创建一个矩阵

但它不起作用,我找不到任何解释如何在不编写值的情况下将数据分配给矩阵的页面.(如上例所示)

我需要的只是我的文件中的一个特征矩阵的数据

到目前为止我尝试了什么:(PS:有迭代器的想法,但我想用真正的大矩阵需要太长时间,我只是用1-2维矩阵试过这个例子)

int readFromFile (const char * path, vector <string> & mv)
{
    fstream file;
    string line;
    file.open(path);

    while (getline(file,line))
    {
        mv.push_back(line);
    }
    file.close();
    return 0;
}


typedef Matrix <int, 1, 2> MyMatrix;

int fromVectoEigen (vector<string> & source, MyMatrix & target)
{   //for (int i = source.size(); i<0 ; i--)
    //{

        string valuerow = source.back();
        string::iterator it = valuerow.begin();
        target.row(0)<< *it;
        target.row(0)<<*it+1;
        //source.pop_back();
    //}

    return 0;
}

不幸的是,只能说Matrix.row(i)= vector.back()不起作用.

解决方法:

以下代码适用于包含任意大小矩阵的文件:

#include <iostream>
#include <fstream>
#include <string>
#include <Eigen/Dense>

using namespace std;
using namespace Eigen;

#define MAXBUFSIZE  ((int) 1e6)

MatrixXd readMatrix(const char *filename)
    {
    int cols = 0, rows = 0;
    double buff[MAXBUFSIZE];

    // Read numbers from file into buffer.
    ifstream infile;
    infile.open(filename);
    while (! infile.eof())
        {
        string line;
        getline(infile, line);

        int temp_cols = 0;
        stringstream stream(line);
        while(! stream.eof())
            stream >> buff[cols*rows+temp_cols++];

        if (temp_cols == 0)
            continue;

        if (cols == 0)
            cols = temp_cols;

        rows++;
        }

    infile.close();

    rows--;

    // Populate matrix with numbers.
    MatrixXd result(rows,cols);
    for (int i = 0; i < rows; i++)
        for (int j = 0; j < cols; j++)
            result(i,j) = buff[ cols*i+j ];

    return result;
    };

问候.

上一篇:SLAM环境配置:Linux+Clion+Eigen+Ceres+g2o+Sophus+PCL+OpenCV+测试代码


下一篇:SLAM / 3D Vision求职专题 | SLAM知识篇(D3)