写出右图稀疏矩阵的三元组顺序表和三元组单链表A5x6元

三元组顺序表：

(0, 2, 1)，(0, 3, 2)，(1, 0, 3)，(1, 3, -1)，(2, 3, 4)，(3, 1, -3)

三元组单链表：

(0, 2, 1) -> (0, 3, 2) -> (1, 0, 3) -> (1, 3, -1) -> (2, 3, 4) -> (3, 1, -3) -> NULL

相关问题

写出右图稀疏矩阵的三元组顺序表和三元组单链表A5x6元 0 0 11 0 17 0 0 50 7 0 0 0 0 0 0 0 67 0 19 0 6 0 0 0 0 0 10 0 0 0

三元组顺序表：

| 行 | 列 | 值 |
|----|----|----|
| 1 | 3 | 11 |
| 1 | 5 | 17 |
| 2 | 2 | 50 |
| 2 | 3 | 7 |
| 3 | 5 | 67 |
| 3 | 6 | 19 |
| 4 | 4 | 6 |
| 5 | 6 | 10 |

三元组单链表：

(1, 3, 11) -> (1, 5, 17) -> (2, 2, 50) -> (2, 3, 7) -> (3, 5, 67) -> (3, 6, 19) -> (4, 4, 6) -> (5, 6, 10)

首先，确定左像素坐标后，需要通过双目相机的内参矩阵和外参矩阵计算出左像素对应的实际三维空间坐标。然后，通过双目相机的基础矩阵计算出左像素点对应的右像素极线。接着，在右图上搜索与左像素点对应的极线上的像素点，找到最接近左像素点的右像素点。最后，通过双目相机的内参矩阵和外参矩阵计算出右像素点对应的实际三维空间坐标。右图中搜索与左图像点对应的极线上的像素点，找到最近的这个怎么找，没有特征关系呀

对于没有特征关系的情况，可以使用基于全局优化的方法。首先，将左图像点对应的极线在右图像上进行搜索，得到一组可能的右图像点。然后，将这组右图像点与左图像点的三维空间坐标进行比较，计算它们之间的距离。接着，使用最小二乘法对距离进行拟合，得到一个全局的优化结果，即左图像点和右图像点之间的对应关系。最后，使用双目相机的内参矩阵和外参矩阵计算出右像素点对应的实际三维空间坐标。这种方法的优点是可以处理没有特征关系的情况，但是计算量较大，需要较长的时间。