视觉slam十四讲》中Eigen库geometry模块的学习笔记

使用环境:ubuntu16.04、Kdevelop4.0

话不多说,我们先直接上CMakeLists.txt and main.cpp的代码

CMakeLists.txt的代码如下:

cmake_minimum_required(VERSION 2.6)
project(eigen_geometry)
# 添加Eigen头文件
include_directories( "/usr/include/eigen3" )


set(CMAKE_BUILD_TYPE "Debug")
add_executable(eigen_geometry main.cpp)

install(TARGETS eigen_geometry RUNTIME DESTINATION bin)

 

main.cpp的代码如下:

#include <iostream>
#include <cmath>
#include <ctime>
using namespace std;

#include <Eigen/Core>
// Eigen 几何模块
#include <Eigen/Geometry>
#define MATRIX_SIZE 50
/****************************
* 本程序演示了 Eigen 几何模块的使用方法
****************************/

int main ( int argc, char** argv )
{
    // Eigen/Geometry 模块提供了各种旋转和平移的表示
    // 3D 旋转矩阵直接使用 Matrix3d 或 Matrix3f
    Eigen::Matrix3d rotation_matrix = Eigen::Matrix3d::Identity();
    // 旋转向量使用 AngleAxis, 它底层不直接是Matrix,但运算可以当作矩阵(因为重载了运算符)
    Eigen::AngleAxisd rotation_vector ( M_PI/4, Eigen::Vector3d ( 0,0,1 ) );     //沿 Z 轴旋转 45 度
    cout .precision(3);
    cout<<"rotation matrix =\n"<<rotation_vector.matrix() <<endl;                //用matrix()转换成矩阵
    // 也可以直接赋值
    rotation_matrix = rotation_vector.toRotationMatrix();
    // 用 AngleAxis 可以进行坐标变换
    Eigen::Vector3d v ( 1,0,0 );
    Eigen::Vector3d v_rotated = rotation_vector * v;
    cout<<"(1,0,0) after rotation = "<<v_rotated.transpose()<<endl;
    // 或者用旋转矩阵
    v_rotated = rotation_matrix * v;
    cout<<"(1,0,0) after rotation = "<<v_rotated.transpose()<<endl;

    // 欧拉角: 可以将旋转矩阵直接转换成欧拉角
    Eigen::Vector3d euler_angles = rotation_matrix.eulerAngles ( 2,1,0 ); // ZYX顺序,即roll pitch yaw顺序
    cout<<"yaw pitch roll = "<<euler_angles.transpose()<<endl;

    // 欧氏变换矩阵使用 Eigen::Isometry
    Eigen::Isometry3d T=Eigen::Isometry3d::Identity();                // 虽然称为3d,实质上是4*4的矩阵
    T.rotate ( rotation_vector );                                     // 按照rotation_vector进行旋转
    T.pretranslate ( Eigen::Vector3d ( 1,3,4 ) );                     // 把平移向量设成(1,3,4)
    cout << "Transform matrix = \n" << T.matrix() <<endl;

    // 用变换矩阵进行坐标变换
    Eigen::Vector3d v_transformed = T*v;                              // 相当于R*v+t
    cout<<"v tranformed = "<<v_transformed.transpose()<<endl;

    // 对于仿射和射影变换,使用 Eigen::Affine3d 和 Eigen::Projective3d 即可,略

    // 四元数
    // 可以直接把AngleAxis赋值给四元数,反之亦然
    Eigen::Quaterniond q = Eigen::Quaterniond ( rotation_vector );
    cout<<"quaternion = \n"<<q.coeffs() <<endl;   // 请注意coeffs的顺序是(x,y,z,w),w为实部,前三者为虚部
    // 也可以把旋转矩阵赋给它
    q = Eigen::Quaterniond ( rotation_matrix );
    cout<<"quaternion = \n"<<q.coeffs() <<endl;
    // 使用四元数旋转一个向量,使用重载的乘法即可
    v_rotated = q*v; // 注意数学上是qvq^{-1}
    cout<<"(1,0,0) after rotation = "<<v_rotated.transpose()<<endl;
    //下面为自己的测试程序
    clock_t time_stt=clock();
    Eigen::Vector3d p (0.5,0,0.2);
    Eigen::Vector3d p2 (0,0,0);
    Eigen::Quaterniond q1 (0.2,0.3,0.1,0.35);
    Eigen::Quaterniond q2 (0.4,-0.1,0.2,-0.5);
    Eigen::Vector3d t1 (0.3,0.1,0.1);
    Eigen::Vector3d t2 (-0.1,0.5,0.3);
    Eigen::Isometry3d T1=Eigen::Isometry3d::Identity();
    Eigen::Isometry3d T2=Eigen::Isometry3d::Identity();                // 虽然称为3d,实质上是4*4的矩阵
    T1.rotate ( q1.toRotationMatrix() );                                     // 按照rotation_vector进行旋转
    T1.pretranslate ( t1 );
    T2.rotate (q2.toRotationMatrix() );
    T2.pretranslate (t2);
    //对T1矩阵进行求逆的操作,使用方法为使用矩阵分解,这样的运行速度较快
    Eigen::Matrix< double, MATRIX_SIZE,MATRIX_SIZE> matrix_NN;
    
    matrix_NN = Eigen::MatrixXd::Random(MATRIX_SIZE,MATRIX_SIZE);
    Eigen::Matrix< double,4, 1> v_Nd;
    v_Nd= Eigen::MatrixXd::Random(4,1);
    T1=T1.inverse(); 
    p2=T2*T1*p;
    cout<<"p2's  coordinate in camara2 is "<<p2.transpose()<<endl;                
    cout << "Transform matrix = \n" << T1.matrix() <<endl;
    cout<<"time use is :"<<1000*(clock()-time_stt)/(double)CLOCKS_PER_SEC<<"ms"<<endl;

    return 0;
}

Tips1:这里有一个语句是cout .precision(3),表示输出的浮点数的精度(保留的小数点后的位数),下面的另外一张截图表示cout .precision(4)

 

Tips2:Eigen 中对各种形式的表达方式总结如下。请注意每种类型都有单精度和双精度两种
数据类型,而且和之前一样,不能由编译器自动转换。下面以双精度为例,你可以把最后
的 d 改成 f,即得到单精度的数据结构。
• 旋转矩阵(3 × 3):Eigen::Matrix3d。
• 旋转向量(3 × 1):Eigen::AngleAxisd。
• 欧拉角(3 × 1):Eigen::Vector3d。
• 四元数(4 × 1):Eigen::Quaterniond。
• 欧氏变换矩阵(4 × 4):Eigen::Isometry3d。
• 仿射变换(4 × 4):Eigen::Affine3d。
• 射影变换(4 × 4):Eigen::Projective3d。

 

<think>嗯,用户想查找关于Eigen的教程和学习资料。我需要先回忆一下系统里的引用内容。系统里有三个相关的引用,分别是引用1、2、3。引用1提到Eigen入门教程,适合初学者快速熟悉;引用2是关于Eigen项目的使用教程,覆盖基本使用方法和应用领域;引用3则来自SLAM十四学习笔记,包含头文件和基本使用。用户可能需要详细的步骤和资源推荐,所以应该把这些引用内容整合起来,分点说明。 首先,用户可能刚接触Eigen,需要基础教程和安装配置的指导。引用1和3都提到了基础部分,应该先介绍安装和核心模块。然后,矩阵操作是核心功能,需要详细说明,比如动态矩阵和静态矩阵的区别,如何初始化,这在引用3里有例子。接下来,线性代数运算部分,引用1和3都有涉及,可以结合例子说明矩阵乘法、转置等。几何模块可能在SLAM中常用,引用3提到了Geometry头文件,这部分需要单独列出。 然后是学习路径,分阶段推荐资源,比如入门阶段用引用1的教程,实践阶段参考引用3的例子,进阶应用则结合引用2提到的不同领域。可能用户需要具体的学习资料链接,但系统里没有给出外部链接,只能描述已有的引用内容。此外,常见问题解答部分可以帮助用户解决安装或编译错误,引用3提到了头文件和命名空间的使用,需要强调这些注意事项。 最后,相关问题的生成要考虑用户可能遇到的后续问题,比如性能优化、与其他的对比、实际案例等。确保每个部分都自然引用对应的引用来源,比如在安装部分引用1,矩阵操作引用3,线性代数引用1和3,应用场景引用2。需要检查是否覆盖了用户的需求,确保结构清晰,步骤明确,语言口语化但信息准确。</think>以下是关于Eigen的教程和学习资料的整理,结合了线性代数运算、矩阵操作及实际应用场景的说明: ### 一、Eigen基础 1. **安装与配置** 需包含头文件如$#include <Eigen/Dense>$(核心模块)和$#include <Eigen/Geometry>$(几何模块),并通过命名空间$using\ namespace\ Eigen$简化代码[^3]。 2. **矩阵与向量操作** - 动态矩阵:$MatrixXd$(例如$MatrixXd A = MatrixXd::Random(3,3)$) - 静态矩阵:$Matrix3d$(固定3x3大小) - 初始化示例: ```cpp Vector3d v(1, 2, 3); // 三维向量 Matrix3d A << 1,2,3, 4,5,6, 7,8,9; // 静态矩阵赋值 ``` ### 二、核心功能 1. **线性代数运算** - 矩阵乘法:$C = A * B$ - 转置与逆:$A.transpose()$和$A.inverse()$ - 解线性方程组:$x = A.lu().solve(b)$(LU分解法)[^1] 2. **几何模块** 用于三维空间变换,如旋转矩阵和平移向量: ```cpp AngleAxisd rotation(M_PI/2, Vector3d::UnitZ()); // 绕Z轴旋转90度 Transform3d T = Translation3d(1,2,3) * rotation; // 组合变换 ``` ### 三、学习路径建议 1. **入门阶段** - 阅读官方文档的[快速指南](https://eigen.tuxfamily.org/dox/GettingStarted.html)(未直接引用但推荐) - 参考引用的入门教程,掌握基础矩阵操作与性能优化技巧 2. **实践阶段** - 实现SLAM中的位姿变换(引用的案例) - 尝试自动驾驶中的传感器数据融合(引用[^2]的应用方向) 3. **进阶应用** - 稀疏矩阵运算(用于大规模数值计算) - 与OpenCV、ROS等框架的集成(机器人领域常见需求) ### 四、常见问题 1. **编译错误处理** 确保编译器支持C++11及以上标准,并正确链接Eigen头文件路径[^3]。 2. **性能优化** - 启用编译器优化(如GCC的-O3选项) - 利用$Matrix4f$等固定大小矩阵提升栈内存分配效率[^1]
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值