Eigen學習總結

最早接觸eigen，是在高翔博士編著的《視覺slam十四講》中，今天在這裡整理一下。

eigen是乙個c++ 開源線性代數庫。它提供了快速的有關矩陣的線性代數運算，還包括解方程等功能。許多上層的軟體庫也使用eigen 進行矩陣運算，包括g2o、sophus 等。

sudo apt-get install libeigen3-dev

eigen 標頭檔案的預設位置為/usr/include/eigen3/。

如果是vs專案，開啟專案的屬性頁，依次進入屬性配置—>c/c++—>附加包含目錄，然後新增eigen檔案的路徑。

這裡直接上高博的**。

**1source:

#include

using namespace std;

#include

// eigen 部分

#include

// 稠密矩陣的代數運算（逆，特徵值等）

#include

#define matrix_size 50

/****************************

* 本程式演示了 eigen 基本型別的使用

****************************/

int main( int argc, char** ar** )

這個程式講解了：

eigen中矩陣的定義，初始化，訪問，矩陣運算，求特徵值，解方程

注意事項：不能混合兩種不同型別的矩陣；不能搞錯矩陣的維度

如何計算程式執行時間

說明：1.eigen提供的矩陣和matlab很相似，幾乎所有的資料都當作矩陣來處理。但是，為了實現更好的效率，在eigen中你需要指定矩陣的大小和型別。對於在編譯時期就知道大小的矩陣，處理起來會比動態變化大小的矩陣更快一些。因此，像旋轉矩陣、變換矩陣這樣的資料，完全可在編譯時期確定它們的大小和資料型別。

2.eigen矩陣不支援自動型別提公升，這和c++ 的內建資料型別有較大差異。在c++程式中，我們可以把乙個float資料和double資料相加、相乘，編譯器會自動把資料型別轉換為最合適的那種。而在 eigen 中，出於效能的考慮，必須顯式地對矩陣型別進行轉換。而如果忘了這樣做，eigen會（不太友好地）提示您乙個「you mixed different numeric types …」的編譯錯誤。你可以嘗試找一下這條資訊出現錯誤提示的哪個部分。如果錯誤資訊太長最好儲存到乙個檔案裡再找。

3.在計算過程中你也需要保證矩陣維數的正確性，否則會出現「you mixed matrices of different sizes」。請你不要抱怨這種錯誤提示方式，對於c++模板元程式設計，能夠提示出可以閱讀的資訊已經是很幸運的了。以後，若發現 eigen 出錯，你可以直接尋找大寫的部分，推測出了什麼問題。

4.可以去學習更多關於 eigen 的知識。

**2source:

在eigen 中使用四元數、尤拉角和旋轉矩陣，並演示它們之間的變換方式。

#include

using namespace std;

#include

// eigen 幾何模組

#include

/****************************

* 本程式演示了 eigen 幾何模組的使用方法

****************************/

int main ( int argc, char** ar** )

總結：旋轉矩陣（3×3）：eigen::matrix3d

旋轉向量（3×1）：eigen::angleaxisd

尤拉角（3×1）：eigen::vector3d

四元數（4×1）：eigen::quaterniond

歐氏變換矩陣（4×4）：eigen::isometry3d

仿射變換（4×4）：eigen::affine3d

射影變換（4×4）：eigen::projective3d

每種型別都有單精度和雙精度兩種資料型別。

cmake_minimum_required( version 2.8 )

project( useeigen )

# 新增eigen標頭檔案

include_directories( "/usr/include/eigen3" )

add_executable( eigenmatrix eigenmatrix.cpp )

新增eigen標頭檔案這裡經常出錯，因為在很多cmake工程中一般都用find_package(eigen required)語句，然而這種方式找不到eigen，所以還是用以上方式吧。

Eigen學習總結

Eigen學習總結1

Eigen使用總結

Eigen學習筆記

Eigen學習總結

Eigen學習總結1

Eigen使用總結

Eigen學習筆記

相關推薦