C++ 内存效率-循环中的特征：：VectorXd

我有一个测量对象，它有两个特征：：VectorXd成员-一个用于位置，另一个用于速度

测量通过扫描排列在数据集中-即，在每个时间步，向数据集中添加新的测量扫描。这些类型被定义为：

typedef std：：共享的测量tptr； typedef std:：向量扫描； typedef std:：向量数据集\u t； 在算法的每次迭代开始时，我需要对每个度量应用新的转换。目前，我有：

对于自动扫描=数据集\开始；扫描！=数据集结束++扫描 自动测量=扫描->开始；米！=扫描->结束++梅斯{ //将此测量值转换为相同的值 //坐标帧作为当前扫描 如果扫描！=std:：prevdataset_u2;uu2.end{ 核心：：utils：：透视图\u变换图\u，*meas->pos； 核心：：utils：：透视图/变换图，*meas->vel； } } 其中，透视_变换定义为

void perspective\u transformconst特征：：投影2D&T，特征：：矢量XD&pos{ pos=T*pos.均质.h标准化； } 当我在数据集中运行扫描算法时，添加这段代码会将计算时间增加40倍，每次扫描50个测量值，这使得计算速度相当慢。我相信这是因为我有550个小对象，每个对象有2个本征内存写入。我删除了将结果写入内存的操作，而我的基准测试只显示了轻微的减少——这表明这是内存效率问题，而不是计算瓶颈

---

如何加快计算速度？是否有一种方法可以首先循环并从Eigen:：Map中创建一个Eigen:：Matrix，然后我可以进行一次计算，并让它自动更新所有测量对象的两个成员？

您可能需要修改数据结构。 目前，您有一个struct ao数组，其中包含许多间接寻址。 SOA阵列结构通常在内存访问方面更有效

那怎么办

struct Scant_t
{
     Eigen::MatrixXd position;
     Eigen::MatrixXd velocity;
}

---

.rowwise和.colwise运算符可能足够强大，可以执行齐次变换，这将节省编写内部循环的时间。

使用固定大小的向量而不是动态大小的向量。如果您希望共享齐次和hnormalized的代码，要真正找出根本原因，@codekaizer同质化和hnormalized都是特征值有理由使用共享指针向量来表示扫描吗？对象的共享指针只有32字节大，听起来很可疑。如果scan_t是一个简单的std:：vector>或等效项，则可以使用Map和colwise使用单个特征表达式编写内部循环。如果度量包含其他成员，则可以使用两个表达式；扫描！=std：：prevdataset_u2;u.end++扫描分支预测可能由于某种原因而失败，这可能会使任何循环运行得非常慢。另外，您是否使用-O3-DNDEBUG进行编译？Eigen有很多断言和范围检查，这使得您的代码比它慢。