Eigen变换矩阵的几种用法Matrix4f、Affine3f

本文介绍了在计算机图形学中,如何使用Eigen库的Matrix4f和Affine3f类进行3D变换,包括旋转和平移操作,并展示了在处理点云数据时的矩阵乘法应用。

方法一:

  /* 提示: 变换矩阵工作原理 :
           |-------> 变换矩阵列
    | 1 0 0 x |  \
    | 0 1 0 y |   }-> 左边是一个3阶的单位阵(无旋转)
    | 0 0 1 z |  /
    | 0 0 0 1 |    -> 这一行用不到 (这一行保持 0,0,0,1)
    方法一 #1: 使用 Matrix4f
    这个是“手工方法”,可以完美地理解,但容易出错!
  */
  Eigen::Matrix4f transform_1 = Eigen::Matrix4f::Identity();
 
  // 定义一个旋转矩阵 (见 https://en.wikipedia.org/wiki/Rotation_matrix)
  float theta = M_PI/4; // 弧度角
  transform_1 (0,0) = cos (theta);
  transform_1 (0,1) = -sin(theta);
  transform_1 (1,0) = sin (theta);
  transform_1 (1,1) = cos (theta);
 
  // 在 X 轴上定义一个 2.5 米的平移.
  transform_1 (0,3) = 2.5;

方法二:

  /*  方法二 #2: 使用 Affine3f
    这种方法简单,不易出错
  */
  Eigen::Affine3f transform_2 = Eigen::Affine3f::Identity();
 
  // 在 X 轴上定义一个 2.5 米的平移.
  transform_2.translation() << 2.5, 0.0, 0.0;
 
  // 和前面一样的旋转; Z 轴上旋转 theta 弧度
  transform_2.rotate (Eigen::AngleAxisf (theta, Eigen::Vector3f::UnitZ()));
 
  // 打印变换矩阵
  printf ("\nMethod #2: using an Affine3f\n");
  std::cout << transform_2.matrix() << std::endl;
 
  // 执行变换,并将结果保存在新创建的 transformed_cloud 中
  pcl::PointCloud<pcl::PointXYZ>::Ptr transformed_cloud (new pcl::PointCloud<pcl::PointXYZ> ());
  // 可以使用 transform_1 或 transform_2; t它们是一样的
  pcl::transformPointCloud (*source_cloud, *transformed_cloud, transform_2);

方法三:

  Eigen::AngleAxisf rotation_x(alpha, Eigen::Vector3f::UnitX());
  Eigen::AngleAxisf rotation_y(beta, Eigen::Vector3f::UnitY());
  Eigen::AngleAxisf rotation_z(gamma, Eigen::Vector3f::UnitZ());

  Eigen::Translation3f translation(2.1, 6.3, 1.5);

  Eigen::Matrix4f transform =
      (translation * rotation_y * rotation_z * rotation_x).matrix();

方法四:

Eigen::Affine3f transform =
          Eigen::Translation3f(2.5, 0, 0)
        * Eigen::AngleAxisf(alpha, Vector3f::UnitX())
        * Eigen::AngleAxisf(beta, Vector3f::UnitY())
        * Eigen::AngleAxisf(gamma, Vector3f::UnitZ());

<think>我们已知: Eigen::Matrix4d 是一个4x4的双精度浮点数矩阵Eigen::Affine3f 是一个单精度的仿射变换类(4x4矩阵,但具有仿射变换的语义)。 转换步骤: 1. 由于Matrix4d是双精度,而Affine3f是单精度,所以需要先进行类型转换(double转float)。 2. 将转换后的矩阵Eigen::Matrix4f)赋值给Affine3f的矩阵部分。 注意:Affine3f的构造方式有多种,其中一种是通过其.matrix()成员来设置内部矩阵,但要注意.matrix()返回的是一个可写的引用吗?实际上,我们可以通过以下方式: 方法1:直接构造Affine3f对象,将Matrix4d转换为Matrix4f后作为参数传入。 但是,Affine3f的构造函数并不直接接受Matrix4f,但我们可以利用Eigen的类型转换和赋值。 方法2:先创建一个Affine3f对象,然后将其内部矩阵设置为转换后的矩阵(转换为float类型)。 根据引用[1]中的示例: Eigen::Matrix4d mat = Eigen::Matrix4d::Identity(); Eigen::Affine3d transform = Eigen::Affine3d::Identity(); transform.matrix() = mat; // 这里直接赋值 所以,我们可以类似地做: Eigen::Matrix4d mat_d; // 假设这是已有的双精度矩阵 Eigen::Matrix4f mat_f = mat_d.cast<float>(); // 将双精度矩阵转换为单精度矩阵 Eigen::Affine3f transform; transform.matrix() = mat_f; 但是,注意:Affine3f的构造函数中有一个接受Transform类(其基类)的构造函数,而Matrix4f可以隐式转换为Transform?实际上,Affine3f是Transform的一个特化别名。 更简洁的方式:我们可以直接通过转换后的Matrix4f来构造Affine3f,因为Affine3f有一个构造函数接受一个4x4矩阵(但是注意,这个矩阵必须是仿射变换矩阵,即最后一行为[0,0,0,1])。 因此,也可以这样: Eigen::Affine3f transform = mat_d.cast<float>(); 但是,我们查看Eigen文档:Affine3f有一个构造函数可以接受一个Matrix4f,所以直接转换是可以的。 但是,请注意:Affine3f的构造函数是显式的吗?实际上,在Eigen中,Transform类(Affine3f是其别名)的构造函数有多个,其中一个是: Transform(const MatrixType& matrix) : m_matrix(matrix) {} 所以,我们可以直接使用Matrix4f来构造Affine3f。 因此,步骤总结: 1. 将Matrix4d转换为Matrix4f(使用.cast<float>())。 2. 用这个Matrix4f构造Affine3f。 代码: Eigen::Matrix4d mat_d = ...; // 已有的双精度矩阵 Eigen::Affine3f transform = mat_d.cast<float>(); 但是,这里有一个注意点:Affine3f的构造函数会检查传入的矩阵是否是仿射变换(即线性部分在左上角3x3,平移在最后一列的前三个,最后一行是[0,0,0,1])。如果传入的矩阵不是仿射变换,那么构造出来的对象可能不符合仿射变换的语义。因此,确保mat_d是一个仿射变换矩阵。 如果mat_d不是仿射变换矩阵(例如,进行了透视变换),则不能这样转换。 根据问题,我们假设mat_d是一个仿射变换矩阵(即通常的旋转、平移、缩放等组合,但注意缩放也是仿射变换,而剪切也是仿射变换,但透视不是)。 因此,最终代码: ```cpp #include <Eigen/Dense> #include <Eigen/Geometry> // 假设已有Eigen::Matrix4d类型的变量mat_d Eigen::Matrix4d mat_d = ...; // 你的双精度矩阵 // 转换为单精度仿射变换 Eigen::Affine3f affine3f = mat_d.cast<float>(); ``` 或者,如果担心直接构造可能带来的问题(比如,如果mat_d不是严格的仿射变换矩阵,最后一行为[0,0,0,1]),我们可以使用中间步骤: ```cpp Eigen::Affine3f affine3f; affine3f.matrix() = mat_d.cast<float>(); ``` 这样,即使mat_d的最后一行不是[0,0,0,1],也会被强制赋值到affine3f的矩阵中。但是,affine3f要求其矩阵是仿射变换,所以一般情况下,我们应确保mat_d是仿射变换。 另外,根据引用[2]中的内容,在PCL中,使用Affine3d或Matrix4f取决于精度和场景。这里我们转换到单精度Affine3f,所以用cast<float>即可。 因此,两种方法都可以,推荐第一种直接转换,因为更简洁。 但是,注意:直接构造的方式实际上会调用Transform的构造函数,它不会改变矩阵的值,所以如果mat_d的最后一行为[0,0,0,1](仿射变换),那么转换是正确的。 如果mat_d不是仿射变换(例如,有透视分量),则转换后的Affine3f对象可能在使用时出现问题(因为其线性部分会包含透视畸变,而仿射变换不应该有透视)。所以,确保mat_d是仿射变换矩阵。 总结:使用`Eigen::Affine3f affine3f = mat_d.cast<float>();`即可。 相关问题: 1. 如果矩阵不是仿射变换(例如包含透视投影),如何安全转换? 2. Eigen中单精度和双精度转换的性能影响? 3. 在PCL库中,使用Affine3f和Matrix4f进行点云变换有何区别?</think>### 将 Eigen::Matrix4d 转换为 Eigen::Affine3f 的方法 #### 方法1:直接类型转换(推荐) ```cpp #include <Eigen/Geometry> Eigen::Matrix4d mat4d = ...; // 你的双精度矩阵 Eigen::Affine3f affine3f = mat4d.cast<float>(); ``` #### 方法2:通过 matrix() 赋值 ```cpp Eigen::Matrix4d mat4d = ...; // 你的双精度矩阵 Eigen::Affine3f affine3f; affine3f.matrix() = mat4d.cast<float>(); ``` #### 方法3:显式构造(更安全) ```cpp Eigen::Matrix4d mat4d = ...; // 你的双精度矩阵 Eigen::Matrix4f mat4f = mat4d.cast<float>(); Eigen::Affine3f affine3f(mat4f); ``` ### 关键说明: 1. **精度转换**:必须使用 `.cast<float>()` 将双精度(`double`)转换为单精度(`float`) 2. **类型安全**: - `Affine3f` 是单精度仿射变换4×4矩阵) - `Matrix4d` 是双精度通用4×4矩阵 3. **有效性检查**: ```cpp // 检查是否为有效仿射变换 if (affine3f.matrix()(3,3) != 1.0f || affine3f.matrix().block<1,3>(3,0).squaredNorm() > 1e-6) { // 处理无效变换 } ``` ### 性能与精度建议: 1. **精度敏感场景**(如SLAM、NDT匹配):使用 `Affine3d`(双精度)减少精度损失[^2] ```cpp Eigen::Affine3d affine3d = mat4d; // 无精度损失 ``` 2. **实时系统**:使用 `Affine3f`(单精度)减少内存和计算开销 3. **PCL兼容性**:PCL库更推荐使用 `Affine3d/Affine3f` 而非原始 `Matrix4d/Matrix4f`[^2] ### 典型应用场景: ```cpp // 点云变换示例 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::PointCloud<pcl::PointXYZ>::Ptr transformed_cloud(new pcl::PointCloud<pcl::PointXYZ>); Eigen::Matrix4d transformation_matrix = ...; // 从外部获取的变换矩阵 Eigen::Affine3f transform = transformation_matrix.cast<float>(); pcl::transformPointCloud(*cloud, *transformed_cloud, transform); ```
评论
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