~maus-scifi/maus/tracker_devel

« back to all changes in this revision

Viewing changes to src/common_cpp/Recon/SciFi/LeastSquaresFitter.cc

  • Committer: cheid001
  • Date: 2015-04-27 21:34:57 UTC
  • Revision ID: cheid001-20150427213457-cqvn7u73q1715sfm
style updates and test corrections, still doesn't pass all tests

Show diffs side-by-side

added added

removed removed

Lines of Context:
120
120
    R = sqrt((4 * alpha) + (beta * beta) + (gamma * gamma)) / (2 * alpha);
121
121
 
122
122
  // Transform the covariance matrix to the same basis
123
 
  TMatrixD jacobian( 3, 3 );
124
 
  jacobian(0,0) = beta / (2.0*alpha*alpha);
125
 
  jacobian(0,1) = -1.0 / (2.0*alpha);
126
 
  jacobian(1,0) = gamma / (2.0*alpha*alpha);
127
 
  jacobian(1,2) = -1.0 / (2.0*alpha);
128
 
  jacobian(2,0) = ( -1.0/(2.0*alpha) ) * ( ( (beta*beta + gamma*gamma) / (2.0*alpha) ) + 1 ) /
129
 
                                                sqrt( ( (beta*beta + gamma*gamma) / 4.0 ) + alpha );
130
 
  jacobian(2,1) = ( beta/(4.0*alpha*alpha) ) /
131
 
                            sqrt( ( (beta*beta + gamma*gamma)/(4.0*alpha*alpha) ) + ( 1.0/alpha ) );
132
 
  jacobian(2,2) = ( gamma/(4.0*alpha*alpha) ) /
133
 
                            sqrt( ( (beta*beta + gamma*gamma)/(4.0*alpha*alpha) ) + ( 1.0/alpha ) );
134
 
  TMatrixD jacobianT(3,3);
135
 
  jacobianT.Transpose( jacobian );
 
123
  TMatrixD jacobian(3, 3);
 
124
  jacobian(0, 0) = beta / (2.0*alpha*alpha);
 
125
  jacobian(0, 1) = -1.0 / (2.0*alpha);
 
126
  jacobian(1, 0) = gamma / (2.0*alpha*alpha);
 
127
  jacobian(1, 2) = -1.0 / (2.0*alpha);
 
128
  jacobian(2, 0) = (-1.0/(2.0*alpha)) * (((beta*beta + gamma*gamma) / (2.0*alpha)) + 1) /
 
129
                                                sqrt(((beta*beta + gamma*gamma) / 4.0) + alpha);
 
130
  jacobian(2, 1) = (beta/(4.0*alpha*alpha)) /
 
131
                            sqrt(((beta*beta + gamma*gamma)/(4.0*alpha*alpha)) + (1.0/alpha));
 
132
  jacobian(2, 2) = (gamma/(4.0*alpha*alpha)) /
 
133
                            sqrt(((beta*beta + gamma*gamma)/(4.0*alpha*alpha)) + (1.0/alpha));
 
134
  TMatrixD jacobianT(3, 3);
 
135
  jacobianT.Transpose(jacobian);
136
136
 
137
137
  covariance = jacobian * V_p * jacobianT;
138
138