homework1
❖ 安装Ubuntu14.04或以上版本的linux系统并熟悉基本操作；
（一）查看系统目录结构
1）查看桌面在系统目录的位置，并观察目录结构
2）查看所有位置的存储设备
3）Linux的根目录
（1）/bin 用户二进制文件：包含二进制可执行文件，系统所有用户可执行文件都在这个文件夹里，例如：ls，cp，ping等。
（2）/sbin 系统二进制文件：包含二进制可执行文件，但只能由系统管理员运行，对系统进行维护。
（3）/etc 配置文件：包含所有程序配置文件，也包含了用于启动/停止单个程序的启动和关闭shell脚本。
（4）/dev 设备文件：包含终端所有设备，USB或连接到系统的任何设备。
（5）/proc 进程信息：包含系统进程的相关信息。
（6）/var 变量文件：可以找到内容可能增长的文件。
（7）/tmp 临时文件：包含系统和用户创建的临时文件。系统重启时，目录清空。
（8）/usr 用户程序
包含二进制文件、库文件、文档和二级程序的源代码。
/usr/bin中包含用户程序的二进制文件。如果你在/bin中找不到用户二进制文件，到/usr/bin目录看看。例如：at、awk、cc、less、scp。
/usr/sbin中包含系统管理员的二进制文件。如果你在/sbin中找不到系统二进制文件，到/usr/sbin目录看看。例如：atd、cron、sshd、useradd、userdel。
/usr/lib中包含了/usr/bin和/usr/sbin用到的库。
/usr/local中包含了从源安装的用户程序。例如，当你从源安装Apache，它会在/usr/local/apache2中。
（9）/home HOME目录：所有用户用来存档他们的个人档案。
（10）/boot 引导加载程序文件：包含引导加载程序相关的文件。
内核的initrd、vmlinux、grub文件位于/boot下。
（11）/lib 系统库：包含支持位于/bin和/sbin下的二进制文件的库文件.
库文件名为 ld或lib.so.*
（12）/opt 可选的附加应用程序：opt代表opitional；
包含从个别厂商的附加应用程序。
附加应用程序应该安装在/opt/或者/opt/的子目录下。
（13）/mnt 挂载目录：临时安装目录，系统管理员可以挂载文件系统。
（14）/media 可移动媒体设备：用于挂载可移动设备的临时目录。
举例来说，挂载CD-ROM的/media/cdrom，挂载软盘驱动器的/media/floppy;
（15）/srv 服务数据：srv代表服务。
包含服务器特定服务相关的数据。
例如，/srv/cvs包含cvs相关的数据。
4）主文件夹，位于根目录的/home/username下：所有用户用来存档他们的个人档案，每个用户对应一个主文件夹。
都是按照功能来命名，文件夹名称语言随系统语言同步变化
（二）Linux基本操作
1）增删查改文件或文件夹
2）练习：将f1文件夹中的a.txt的内容复制到f2文件夹中的b.txt中
复制前的文件内容
复制后的文件内容
查看文件的前十行
3）查看日期与时间
（三）Vim编辑器
1）删除vi编辑器，安装vim编辑器
2）进入vim编辑器教程
进去了解了解了集本操作，就是移动光标有点不习惯，感觉鼠标点击会快一些
（四）安装gcc&g++
（五）安装 Eigen
❖ 书写⼀个由 cmake 组织的 C++ ⼯程，并书写CMakeLists.txt，要求如下：
1. 参考示例代码，编译 include/hello.h 和 src/hello.c 构成libhello.so 库。其中hello.c 中提供⼀个函数 sayHello()，调⽤此函数时往屏幕输出⼀⾏“Hello ”
2. ⽂件 useHello.c 中含有⼀个 main 函数，它可以编译成⼀个可执⾏⽂件，名为“sayhello”。
3. 默认⽤ Release 模式编译这个⼯程。
4. 支持使⽤命令 sudo make install，该命令将 hello.h 放
⾄/usr/local/include/下，将 libhello.so 放 ⾄/usr/local/lib/下
1)准备程序文件
由题意文件目录结构如下：
.
├── build
├── CMakeLists.txt
├── include
│ └── hello.h
└── src
├── hello.c
└── useHello.c
生成目录结构
头文件hello.h，如下所示：
源文件hello.c，如下所示：
useHello.c主函数，如下所示：
2) 编写CMakeLists.txt
接下来编写CMakeLists.txt文件，该文件放在和src，include的同级目录，实际方哪里都可以，只要里面编写的路径能够正确指向就好了。CMakeLists.txt文件，如下所示：
3) 编译和运行程序
准备好了以上的所有材料，接下来，就可以编译了，由于编译中出现许多中间的文件，因此最好新建一个独立的目录build，在该目录下进行编译：
编译步骤如下所示：
注意在build的目录下生成了一个可执行的文件HELLO（忘记改成sayhello了）
运行获取结果如下：
4）最后执行make install
刚开始失败了，于是找教程，需要重写3个cmakelists.txt文件
在对应路径下新建文件
总目录下的cmakelists.txt文件
需要添加子目录操作
include目录下的cmakelists.txt文件
设置了一些依赖关系
src目录下的cmakelists.txt文件
也设置了一些依赖关系
编译并添加到库中
完成安装
附.书上示例代码练习
尝试用g++单文件编译，并执行
使用cmake编译
生成了可执行文件
CMakeLists.txt的写法
生成静态库：
生成共享库：
从编译到执行：
❖ 运行参考书《视觉SLAM十四讲》P45-47的eigenMatrix.cpp程序并熟悉代码；
1）编译
创建了build文件，避免编译后的文件太乱
查看CMakeLists.txt包含了eigen3线性代数库
2）运行
查看输出结果
查看eigenMatrix.cpp程序复习
#include <iostream>
using namespace std;
#include <ctime>
// Eigen 部分
#include <Eigen/Core>
// 稠密矩阵的代数运算（逆，特征值等）
#include <Eigen/Dense>
#define MATRIX_SIZE 50
/****************************
* 本程序演示了 Eigen 基本类型的使用
****************************/
int main( int argc, char** argv )
{
// Eigen 中所有向量和矩阵都是Eigen::Matrix，它是一个模板类。它的前三个参数为：数据类型，行，列
// 声明一个2*3的float矩阵
Eigen::Matrix<float, 2, 3> matrix_23;
// 同时，Eigen 通过 typedef 提供了许多内置类型，不过底层仍是Eigen::Matrix
// 例如 Vector3d 实质上是 Eigen::Matrix<double, 3, 1>，即三维向量
Eigen::Vector3d v_3d;
// 这是一样的
Eigen::Matrix<float,3,1> vd_3d;
// Matrix3d 实质上是 Eigen::Matrix<double, 3, 3>
Eigen::Matrix3d matrix_33 = Eigen::Matrix3d::Zero(); //初始化为零
// 如果不确定矩阵大小，可以使用动态大小的矩阵
Eigen::Matrix< double, Eigen::Dynamic, Eigen::Dynamic > matrix_dynamic;
// 更简单的
Eigen::MatrixXd matrix_x;
// 这种类型还有很多，我们不一一列举
// 下面是对Eigen阵的操作
// 输入数据（初始化）
matrix_23 << 1, 2, 3, 4, 5, 6;
// 输出
cout << matrix_23 << endl;
// 用()访问矩阵中的元素
for (int i=0; i<2; i++) {
for (int j=0; j<3; j++)
cout<<matrix_23(i,j)<<"\t";
cout<<endl;
}
// 矩阵和向量相乘（实际上仍是矩阵和矩阵）
v_3d << 3, 2, 1;
vd_3d << 4,5,6;
// 但是在Eigen里你不能混合两种不同类型的矩阵，像这样是错的
// Eigen::Matrix<double, 2, 1> result_wrong_type = matrix_23 * v_3d;
// 应该显式转换
Eigen::Matrix<double, 2, 1> result = matrix_23.cast<double>() * v_3d;
cout << result << endl;
Eigen::Matrix<float, 2, 1> result2 = matrix_23 * vd_3d;
cout << result2 << endl;
// 同样你不能搞错矩阵的维度
// 试着取消下面的注释，看看Eigen会报什么错
// Eigen::Matrix<double, 2, 3> result_wrong_dimension = matrix_23.cast<double>() * v_3d;
// 一些矩阵运算
// 四则运算就不演示了，直接用+-*/即可。
matrix_33 = Eigen::Matrix3d::Random(); // 随机数矩阵
cout << matrix_33 << endl << endl;
cout << matrix_33.transpose() << endl; // 转置
cout << matrix_33.sum() << endl; // 各元素和
cout << matrix_33.trace() << endl; // 迹
cout << 10*matrix_33 << endl; // 数乘
cout << matrix_33.inverse() << endl; // 逆
cout << matrix_33.determinant() << endl; // 行列式
// 特征值
// 实对称矩阵可以保证对角化成功
Eigen::SelfAdjointEigenSolver<Eigen::Matrix3d> eigen_solver ( matrix_33.transpose()*matrix_33 );
cout << "Eigen values = \n" << eigen_solver.eigenvalues() << endl;
cout << "Eigen vectors = \n" << eigen_solver.eigenvectors() << endl;
// 解方程
// 我们求解 matrix_NN * x = v_Nd 这个方程
// N的大小在前边的宏里定义，它由随机数生成
// 直接求逆自然是最直接的，但是求逆运算量大
Eigen::Matrix< double, MATRIX_SIZE, MATRIX_SIZE > matrix_NN;
matrix_NN = Eigen::MatrixXd::Random( MATRIX_SIZE, MATRIX_SIZE );
Eigen::Matrix< double, MATRIX_SIZE, 1> v_Nd;
v_Nd = Eigen::MatrixXd::Random( MATRIX_SIZE,1 );
clock_t time_stt = clock(); // 计时
// 直接求逆
Eigen::Matrix<double,MATRIX_SIZE,1> x = matrix_NN.inverse()*v_Nd;
cout <<"time use in normal inverse is " << 1000* (clock() - time_stt)/(double)CLOCKS_PER_SEC << "ms"<< endl;
// 通常用矩阵分解来求，例如QR分解，速度会快很多
time_stt = clock();
x = matrix_NN.colPivHouseholderQr().solve(v_Nd);
cout <<"time use in Qr decomposition is " <<1000* (clock() - time_stt)/(double)CLOCKS_PER_SEC <<"ms" << endl;
return 0;
}