一般C/C++的算法代码不适合直接移植到嵌入式设备，需要做一些优化和处理。一方面是出于速度考虑，另一方面是针对嵌入式设备支持的语言特性差异进行修改，还有就是硬件上的考虑，比如就定点DSP而言，就需要将原来的浮点运算进行转化。
近期博主在整理以往笔记，就将算法嵌入式移植这部分差分成两个章节，一是C代码优化部分，二是DSP代码移植部分，第一章节是语言层面的一般而言是适合所有嵌入式设备的，第二章节是和DSP开发环境相关方面的。特此整理，谨供参考。
PengChao
OpenCV特征点提取算法对比
除了我们熟知的SIFT、SURF、ORB等特征点提取算法，OpenCV中还提供了十余种特征点提取算法。最近在整理以往的ppt和报告，看到其中一页ppt，发现已经忘得差不多了，就再写篇博客复习下好了，这篇博客注重对比，技术方面的内容不会太过细致，希望能有帮助。当然，文章末尾会提供这些算法OpenCV调用的实例代码。
首先，引发内容的就是下面这张ppt：（不要注意Why Surf了，当时根据具体应用场景所做的选择）左边一栏是特征点的数目，右边一栏是检测的速度，数据是在博主自己的测试集（大概四五百张图片）上测试的。
点云数据处理方法概述
结束目标跟踪的研究，回到课题上，接下来要面对的就是点云数据的处理了。这篇博客主要介绍三维计算机视觉中点云数据处理面对的问题，主要方法和技术，概述其特点。这篇博客主要介绍最基本的点云数据处理技术和概念，不会有任何代码。
ICP点云配准就是我们非常熟悉的点云处理算法之一。实际上点云数据在形状检测和分类、立体视觉、运动恢复结构、多视图重建中都有广泛的使用。点云的存储、压缩、渲染等问题也是研究的热点。随着点云采集设备的普及、双目立体视觉技术、VR和AR的发展，点云数据处理技术正成为最有前景的技术之一。PCL是三维点云数据处理领域必备的工具和基本技能，这篇博客也将粗略介绍。
LeetCode_174: Dungeon Game 动态规划
做了一道很有意思的题目，要求是从左上角开始，在HP不掉到0的情况下，到达右下角。虽然明显是使用动态规划来解，但是其中隐藏了一些技巧 。这里，如果从左上角开始进行DP将使得问题复杂化，技巧就是反向，从终点开始反向DP，这篇博客将详细这种方法的应用条件。
LeetCode_134: Gas Station
这道题目可以使用一般的DP来做，但是博主想到的方法更加直接：对于判断是否存在解，直接把数组累加，如果和非负，那么必然存在一个位置，使得从这个位置开始进行累加的所有结构都非负。在进行累加的过程中，找到累加和最小的位置，从这个位置的下一个位置开始，就可以保证在累加过程中，累加曲线的最小值最大（想象积分曲线的过程，积分的终点sum相同，一个先下降再上升，一个先上升再下降）。有点绕，多想想 ：)
算法导论总结（四）字符串运算
刷了150多道题，再来一发总结。再LeetCode中有一类题目，要求直接使用数字字符串进行运算，这类题目掌握技巧之后不容易出错，也比较简单，那么这篇博客将对这类题目进行总结，希望有所帮助。
LeetCode_068: Text Justification
又是一道通过率不过20%的题，总结这种通过率比较多的题目，发现其中很多原理并不难，导致通过率比较低的原因是各种极端情况，还有就是题目理解和表述不够清晰。比如自己实现Atoi，如果列出要处理的各种情况，写出来并不难。这道题也是一样，其实没什么难度，只是有些情况下，具体说来就是最后一行或者一行的最后一个单词，需要特殊处理。
LeetCode_091: DecodeWays 从DFS到动态规划
从LeetCode中有一些数字字符串处理问题，它们的解法有许多相似之处，但是在具体操作上又有所不同，91题和93题IPAddress就是比较好的范例。这篇博客主要从DFS和DP两种方法来分析问题，并判断适应问题环境使用合适的方法。
LeetCode_131: Palindrome Partition 回文字符串
回文字符串问题可以看做是一个划分链问题，这个和算法导论中介绍动态规划时的矩阵链乘法是一样的，找到一个最优的划分方案。很自然的想到动态规划来得到一个回文串的真值表，然后就是要列举出所有的情况，回溯法可以做到，自然而然的DP+BackTracking解决掉。
LeetCode_010: 正则表达式匹配 与 044: 通配符匹配
最近在攻略动态规划，在做正则表达式匹配的时候看错了题目，发现写出来的是通配符匹配，后来看了下什么是正则表达式才明白过来。这两道题都是有很多解法的题目，按照标签刷题目还是限制了自己的思路，一开始就没有往其它地方想。事实上，通配符匹配用贪心算法（可以看做一种特殊的动态规划）更合适。
Scikit-learn学习笔记（一）环境搭建
Scikit-learn在机器学习领域已经无人不晓了，如此给力的工具应该早点接触到的。sk-learn既不支持深度学习，也不支持GPU加速，sk-learn是专门用来搞定传统机器学习的，这一点要给深度学习玩家提醒下。这篇博客主要讲Python环境的搭建，博主使用的是pycharm+anaconda，pycharm是python的IDE，支持断点调试和工作区变量查看，anaconda用来解决各种包的依赖关系，scikit-learn已经集成在其中了，安装之后检查包的更新就可以了。
算法导论总结（三）树
树作为重要的数据结构，在很多领域有着重要的用途。在LeetCode中对数的考察主要分为三个方面，一是树的遍历，二是BST（二叉搜索树），三是和树相关的算法。有时，树也常常被看做一个图，做BFS和DFS，树的考察是相当灵活的。这篇博客就这些问题做部分小结。
算法导论总结（二）链表
LeetCode刷了一百多道题，决定来发小小的总结。这篇博客主要对LeetCode中链表标签下的题目进行总结，linked-list标签下总共有27道题，这些题目较为全面的考察链表操作：插入、删除、反转、交换、合并、环路检查等。
LeetCode_023: Merge k Sorted Lists
一种结合链表和优先队列的优雅解法，巧妙之处在于使用优先队列出队元素，可以直接得到下一个入队元素，算法复杂度是O(nlgn)。联想到如果不是优先队列结构，那么我们可以使用同样的解法，只是我们需要在队列中记录每个元素属于哪一行，而使用链表结构就避免了这种麻烦。
LeetCode_126: Word Ladder II
最近总是Rank到很难的题目，这次遇到了LeetCode中通过率最低的题目。这道题目是一个图相关的问题，同时牵扯到很多坑，很多细节，即使思路正确稍不注意内存超出，时间超出都是常事儿，自己做出来还是需要废一番功夫的。博主写了BFS算法的大概就放弃了，后面翻了几份代码，找了个最简洁的 ，这里也只能讲解一下别人的代码了。
LeetCode_085: Maximal Rectangle 动态规划
这道题很难想，主要有两种解法，一种是把这道题目转化成之前那道（#084）直方图面积计算的题目，使用栈来做，但是还有更优雅的方法，使用DP。这两种方法的时间复杂度都是O(mn)，空间复杂度都是O(n)。
LeetCode_084: Largest Rectangle in Histogram
经典的题目，最开始没想到这种解法，只想着用优先队列去解了，看了下答案，大概有两种解法，一种是DP，另一种是维护一个栈，这种解法应该是见过最好的了。惯例，贡献高质量解法。