CGAL::2D Arrangements-3
Arrangement里面最重要的查询操作是point-location，给定一个点，查找到包含这个点的Arrangement。通常情况下，point-location查询得到的结果是Arrangement的一个face，退化情况下会是一个edge，查一个重合的点。另一个经常用到Arrangemen
[课程笔记]（李沐-动手学深度学习）
比如y=|x|的导数，可以在[-1,1]之间取任意值将导数拓展到向量->梯度第一种情况：y标量x向量（y标量x向量）补充：内积可以这样来理解向量内积：向量a、b的内积等于向量a在b方向的分量（或投影）与b的内积，当a、b垂直时，a在b方向上无分量，所以内积为0。其他几何意义：从内积数值上我们可以看出
非常详细的相机标定原理、步骤（一）
主要说明了 世界坐标系到相机坐标系，相机的外参与内参
计算机视觉—— 相机标定
目录简介一、相机模型1.坐标系2.坐标系变化3.相机畸变模型二、相机标定原理 三、张正友黑白棋盘格标定2.1.算法思想2.2.求解内参和外参的积2.3.求解内参矩阵2.4.求解外参矩阵2.5.得到相机畸变矫正参数2.6.L-M算法参数优化三、实验3.1 实验要求3.2 实验数据环境3.3 代码3.
旋转矩阵及左右乘的意义，看这一篇就够了
旋转矩阵及左右乘的意义，别浪费时间了，看这一篇就够了前言这些天研究旋转矩阵，被教科书和视频课绕迷糊了，可悲的是 ，如此简单的概念竟然没有一篇文章 （至少我没搜到）能够直观解释清楚（有些作者不懂就不要胡扯好吧！），一气之下，我决定自己研究，经过不懈努力，终于解决了这一可爱又可恨的概念，也希望看到这篇文
旋转矩阵及左右乘的意义，看这一篇就够了
旋转矩阵及左右乘的意义，别浪费时间了，看这一篇就够了前言这些天研究旋转矩阵，被教科书和视频课绕迷糊了，可悲的是 ，如此简单的概念竟然没有一篇文章 （至少我没搜到）能够直观解释清楚（有些作者不懂就不要胡扯好吧！），一气之下，我决定自己研究，经过不懈努力，终于解决了这一可爱又可恨的概念，也希望看到这篇文
梯度和法向量的统一理解
在学习梯度和曲面上一点处的法向量的时候，发现它们的计算方法非常相似，但是一开始进入了误区，甚至以为梯度应该是模最大的切向量。想了好久才从几何意义的角度把梯度和法向量统一，希望下面的内容能帮助你加深理解。1.梯度严格意义上梯度只能说是只是函数的梯度。以二元函数为例，对应的平面方程：在某一点=处，如果我
点到直线的距离求法
直线方程是AX+BY+C=0，直线外面一点到直线的距离,传统证明方法如下图：结束！
各种距离概念与计算公式
对各种常用的距离的概念和计算公式的汇总整理
python在球面上随机生成均匀点最简单的方法
python在球面上随机生成均匀点最简单的方法
