목차
코드를 가지고 있으며 알고리즘에 대한 설명은 인터넷에 충분에 나와있음
본문내용
#include "util.h"
const int DIM_VECTOR = 128;
const double THRESHOLD = 0.3;
/**
* 2개 벡터의 유클리드거리의 계산해서 반환
*
* @param[in] vec 벡터1의 배열
* @param[in] mvec 벡터2의 배열
* @param[in] length 벡터의 길이
*
* @return 유클리드 거리
*/
double euclidDistance(float* vec1, float* vec2, int length) {
double sum = 0.0;
for (int i = 0; i < length; i++) {
sum += (vec1[i] - vec2[i]) * (vec1[i] - vec2[i]);
}
return sqrt(sum);
}
/**
* 최근접점 탐색
*
* @param[in] vec 특징 벡터
* @param[in] laplacian 라플라시안
* @param[in] keypoints 키포인트의 집합(집합의 중심으로부터 최근접점의 탐색)
* @param[in] descriptors 특징 벡터의 집합
*
* @return 최근접점의 인덱스(발견되지 않을 때는 -1)
*/
const int DIM_VECTOR = 128;
const double THRESHOLD = 0.3;
/**
* 2개 벡터의 유클리드거리의 계산해서 반환
*
* @param[in] vec 벡터1의 배열
* @param[in] mvec 벡터2의 배열
* @param[in] length 벡터의 길이
*
* @return 유클리드 거리
*/
double euclidDistance(float* vec1, float* vec2, int length) {
double sum = 0.0;
for (int i = 0; i < length; i++) {
sum += (vec1[i] - vec2[i]) * (vec1[i] - vec2[i]);
}
return sqrt(sum);
}
/**
* 최근접점 탐색
*
* @param[in] vec 특징 벡터
* @param[in] laplacian 라플라시안
* @param[in] keypoints 키포인트의 집합(집합의 중심으로부터 최근접점의 탐색)
* @param[in] descriptors 특징 벡터의 집합
*
* @return 최근접점의 인덱스(발견되지 않을 때는 -1)
*/
소개글