neo4j的UI节点和边的颜色、大小更新
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了neo4j的UI节点和边的颜色、大小更新相关的知识,希望对你有一定的参考价值。
参考技术A 1、图片自定义
讲图片放在neo4j-web-cn/webapps/ROOT/目录下
可以设置节点属性,image: "image/xxx/xxx.jpg"
2、指定节点尺寸
可以设置节点属性,n.diameter=40
3、指定节点颜色
设置节点的颜色,如 blue,red,yellow等
n.color=\'red\'
4、指定边连线的粗细
设置关系的粗细,如2\\3\\4\\25
r.shaftWidth=3
5、指定关系的颜色
连线的颜色,
r.color = \'green\'
图优化
1.图优化的流程
- 选择你想要的图里的节点与边的类型,确定它们的参数化形式;
- 往图里加入实际的节点和边;
- 选择初值,开始迭代;
- 每一步迭代中,计算对应于当前估计值的雅可比矩阵和海塞矩阵;
- 求解稀疏线性方程 H * detaX = -b,得到梯度方向;
- 继续用GN或LM进行迭代。如果迭代结束,返回优化值。
实际上,g2o能帮你做好第3-6步,你要做的只是前两步而已。
2.顶点和边
- 在图中,以顶点表示优化变量,以边表示观测方程。
两个顶点 | 一条边边 | |
机器人两个Pose之间的变换 | 两个pose |
变换关系: detaT = T1 * inv(T2) |
机器人在某个Pose处用激光测量到了某个空间点 |
一个2D Pose[x,y,theta]; 一个空间点(lamda_x,lamda_y) |
观测方程: |
机器人在某个Pose处用相机观测到了某个空间点,得到了它的像素坐标 |
一个像素坐标 Pose = [u; v] 一个空间点x = (x,y,z) |
z = [u; v] = C (R * x + t), C为相机内参 |
- 优化目标
e(x,k) 是x符合z的程度的一个度量,越小越符合,反之越不符合。对式进行求导和一阶泰勒展开,得到其极值为0的方程:
其中,deta X即为梯度。
- 可解性解释
只有和xk顶点相连的边,出现了非零值。相应的二阶导矩阵H中,大部分也是零元素。这种稀疏性能很好地帮助我们快速求解上面的线性方程。稀疏矩阵代数库:SBA、PCG、CSparse、Cholmod等等
- 引入核函数的原因,是因为SLAM中可能给出错误的边。如cauchy核,huber核等等。
- 问题: 四维变换矩阵T或者三维旋转矩R无法进行加减和求导:李群和李代数变换后可以,再变换回来。
2.g2o库
3.应用
参考:https://www.cnblogs.com/gaoxiang12/p/5304272.html
- 定义顶点
- 定义边
- 配置BlockSolver(LinerSolverType)
- 配置OptimizationAlgorithm
- 配置Optimizer
- 添加顶点
- 添加边
- 启动优化
总结:
重要参考:https://www.cnblogs.com/gaoxiang12/p/5244828.html
https://www.aiimooc.com/mall/preshow-htm-itemid-382.html
以上是关于neo4j的UI节点和边的颜色、大小更新的主要内容,如果未能解决你的问题,请参考以下文章