！壞人必需做好事！

現在改到UE4的Git Hub了
https://github.com/damody/UE4-ThirdParty/tree/damody
 




Donate Damody



Donate Damody (small) NT$500 TWD
Donate Damody (normal) NT$1,000 TWD
Donate Damody (huge) NT$3,000 TWD

DEPRECATED
check
這兩個巨集，直接衝突~
記得要搜尋取代喔

有人說 文學是苦悶的象徵
我說 幸福是靈感的來源
OK，這是一個場面，我要HOLD住。
 

上次是 knnsearch 自定義要找到最近的幾個點，
這次是找半徑內的所有點~
#include <cmath>
#include <cstdio>
#include <flann/flann.hpp>
#include <boost/timer/timer.hpp>
#include <boost/random/linear_congruential.hpp>
#include <boost/random/uniform_int.hpp>
#include <boost/random/uniform_real.hpp>
#include <boost/random/mersenne_twister.hpp>
#include <boost/generator_iterator.hpp>
#include <boost/random/mersenne_twister.hpp>
int main(int argc, char** argv)
{
    boost::random::mt19937 rng;
    boost::random::uniform_real_distribution<> uniform_rand(-10000, 10000);
    // 你要找幾個最近點用nn
    int nn = 100;
    // 資料總數
    const int rows = 30000;
    // 資料維度
    const int cols = 3;
    // 查找的位置數
    const int qsize = 2;
    double* rdata = new double[cols * rows];
    double* qdata = new double[cols * qsize];
    // 產生亂數資料
    {
        boost::timer::auto_cpu_timer t;
        for (int i = 0; i < rows; ++i)
        {
            for (int j = 0; j < cols; ++j)
            {
                rdata[i * cols + j] = uniform_rand(rng) * 0.01f;
            }
        }
        for (int i = 0; i < qsize; ++i)
        {
            for (int j = 0; j < cols; ++j)
            {
                qdata[i * cols + j] = uniform_rand(rng) * 0.01f;
                printf("%d %f\n", i * cols + j, qdata[i * cols + j]);
            }
        }
    }
    // 初始化
    flann::Matrix<double> dataset(rdata, rows, cols);
    flann::Matrix<double> query(qdata, qsize, cols);
    flann::Matrix<int> indices(new int[query.rows * nn], query.rows, nn);
    flann::Matrix<double> dists(new double[query.rows * nn], query.rows, nn);
    // construct an randomized kd-tree index using 4 kd-trees
    flann::Index<flann::L2<double> > index(dataset, flann::KDTreeIndexParams(1));
    {
        boost::timer::auto_cpu_timer t;
        index.buildIndex();
    }
    int res = 0;
    printf("index.knnSearch\n");
    {
        boost::timer::auto_cpu_timer t;
        res = index.radiusSearch(query, indices, dists, 100, flann::SearchParams());
    }
    for (int i = 0; i < 2; ++i)
    {
        for (int j = 0; j < nn; ++j)
        {
            int idx = indices[i][j];
            if (idx > 0)
            {
                printf("index:%d distance:%.2f position:(%.2f, %.2f, %.2f)\n",
                       idx, dists[i][j], rdata[idx * cols], rdata[idx * cols + 1],
                       rdata[idx * cols + 2]);
            }
            else // idx == -1
            {
                break;
            }
        }
    }
    delete[] dataset.ptr();
    delete[] query.ptr();
    delete[] indices.ptr();
    delete[] dists.ptr();
    return 0;
}

#include <cmath>
#include <cstdio>
#include <flann/flann.hpp>
int main(int argc, char** argv)
{
    // 你要找幾個最近點用nn
    int nn = 3;
    // 資料總數
    const int rows = 9000;
    // 資料維度
    const int cols = 3;
    // 查找的位置數
    const int qsize = 2;
    float* rdata = new float[cols * rows];
    float* qdata = new float[cols * qsize];
    // 產生亂數資料
    for (int i = 0; i < rows; ++i)
    {
        for (int j = 0; j < cols; ++j)
        {
            rdata[i * cols + j] = rand() * 0.01f;
        }
    }
    for (int i = 0; i < qsize; ++i)
    {
        for (int j = 0; j < cols; ++j)
        {
            qdata[i * cols + j] = rand() * 0.01f;
            printf("%d %f\n", i * cols + j, qdata[i * cols + j]);
        }
    }
    // 初始化
    flann::Matrix<float> dataset(rdata, rows, cols);
    flann::Matrix<float> query(qdata, qsize, cols);
    flann::Matrix<int> indices(new int[query.rows * nn], query.rows, nn);
    flann::Matrix<float> dists(new float[query.rows * nn], query.rows, nn);
    // construct an randomized kd-tree index using 4 kd-trees
    flann::Index<flann::L2<float> > index(dataset, flann::KDTreeIndexParams(4));
    index.buildIndex();
    printf("index.knnSearch\n");
    // do a knn search, using 128 checks
    index.knnSearch(query, indices, dists, nn, flann::SearchParams(128));
    for (int i = 0; i < query.rows; ++i)
    {
        for (int j = 0; j < nn; ++j)
        {
            int idx = indices[i][j];
            printf("index:%d distance:%f position:(%f, %f, %f)\n",
                   idx, dists[i][j], rdata[idx * cols], rdata[idx * cols + 1],
                   rdata[idx * cols + 2]);
        }
    }
    delete[] dataset.ptr();
    delete[] query.ptr();
    delete[] indices.ptr();
    delete[] dists.ptr();
    return 0;
}

error LNK2001: unresolved external symbol __imp__stricmp
去把 _mingw.h 裡面的
#      define _CRTIMP  __attribute__ ((__dllimport__))
改成
#      define _CRTIMP  //__attribute__ ((__dllimport__))
再重編 library 即可。

基本上這個東西沒有很紅，
我個人覺得有幾個原因：
一．架設與維護人員訓練耗時
要找精通 c++ & javascript & css & (ajax | html5 | flash)的人
你是要殺人喔？
二．網站製作時間相對較長、成本較高
語言本身的難度、編譯的時間、溝通的時間、debug的時間
三．要錢而且很貴
599美金，跟一個microchip編譯器一樣貴。
四．沒有人幫他寫framework跟plugin
不像 wordpress 一樣，掛一掛就解一半的問題~

因為新版的 visual studio 不能新增建置規則，
所以從舊版開始，再自動轉換上去。

加入 clang 規則檔

把 sln 旁邊的 .user 砍掉！ 解決！

參考以下文章：
http://blogs.msdn.com/b/vcblog/archive/2013/04/26/nuget-for-c.aspx
http://blogs.technet.com/b/openness/archive/2013/04/26/nuget-coapp-release.aspx
https://nuget.org/profiles/coapp/
有機會的話真想跟該作者合作，把常用的 library 都推上 nuget 。