Eigen库的使用

火柴的初心

已于 2022-05-22 15:55:01 修改

阅读量3.1k

点赞数 2

分类专栏： SLAM三方库文章标签： c++ 蓝桥杯开发语言

于 2019-04-28 21:47:18 首次发布

本文链接：https://blog.csdn.net/He3he3he/article/details/89645384

版权

SLAM三方库专栏收录该内容

2 篇文章 7 订阅

订阅专栏

一、Dev c++安装eigen环境

二、Eigen库

1.Matrix类（Matrix<类型, 行, 列>）：

1）行、列、大小可以通过rows()、cols()、size()获取

4）所有元素的和，积，最大值，最小值，迹sum())、prod(),、maxCoeff()、minCoeff()、trace()

5）块操作

参考：

一、Dev c++安装eigen环境

打开Dev c++编译器

点击Tools-Package Manager

点击左上角Install, 文件类型选择所有，选择压缩包

弹出窗口后点击Install即可,安装完毕后的包即在菜单中显示

点击Tools（工具）-compiler options(编译选项)-directories（目录）-C++ includes（C++包含文件）-右下角文件选项添加库地址

添加头文件成功后，点击🆗

新建source file，并保存

测试

#include <iostream>
#include <Eigen/Dense>
using Eigen::MatrixXd;
int main()
{
  MatrixXd m(2,2);
  m(0,0) = 3;
  m(1,0) = 2.5;
  m(0,1) = -1;
  m(1,1) = m(1,0) + m(0,1);
  std::cout << m << std::endl;
}

二、Eigen库

Eigen库被分为一个Core模块和其他一些模块，每个模块有一些相应的头文件。为了便于引用，Dense模块整合了一系列模块；Eigen模块整合了所有模块。一般情况下，include<Eigen/Dense> 就够了。

1.Matrix类（Matrix<类型, 行, 列>）：

所有矩阵或者向量都是Matrix这个模板类产生的对象。

Matrix<typename Scalar, int RowsAtCompileTime, int ColsAtCompileTime>

其中：

Scalar：表示元素的类型；
RowsAtCompileTime：矩阵的行；
ColsAtCompileTime：矩阵的列。

Matrix<typename Scalar,
       int RowsAtCompileTime,
       int ColsAtCompileTime,
       int Options = 0,
       int MaxRowsAtCompileTime = RowsAtCompileTime,
       int MaxColsAtCompileTime = ColsAtCompileTime>

Options：一个比特位，默认是按列存储，如果使用按行存储：

Matrix<float, 3, 3, RowMajor>

MaxRowsAtCompileTime和MaxColsAtCompileTime：表示在编译阶段矩阵的上限。主要是避免动态内存分配

Matrix<float, Dynamic, Dynamic, 0, 3, 4>

在库中，用typdef为我们定义了一些常用的矩阵，例如：

typedef Matrix<float, 4, 4> Matrix4f;

当然我们也可以自己设置，矩阵的行和列可以设置为固定的值也可以设置动态的（Dynamic），小的尺寸用固定的，大的尺寸用动态的，使用固定尺寸可以避免动态内存的开辟。

typedef Matrix<double, Dynamic, Dynamic> MatrixXd;

默认的构造函数不执行任何空间分配，也不初始化矩阵的元素。

Matrix3f a;
MatrixXf b;

指定大小的矩阵，只是分配相应大小的空间，未初始化元素。

MatrixXf a(10,15);
VectorXf b(30);

为了对固定大小和动态大小的矩阵提供统一的API，对指定大小的Matrix传递sizes也是合法的（传递也被忽略）。

Matrix3f a(3,3);

可以用构造函数提供4以内尺寸的vector的初始化。

Vector2d a(5.0, 6.0);
Vector3d b(5.0, 6.0, 7.0);
Vector4d c(5.0, 6.0, 7.0, 8.0);

2.Vector类（向量）

列向量：

typedef Matrix<float, 3, 1> Vector3f;

行向量：

typedef Matrix<int, 1, 2> RowVector2i

3.初始化方式

1）通过括号进行赋值

矩阵索引赋值：

    MatrixXd m1(2,2);
    m1(0,0) = 3;
    m1(1,0) = 2.5;
    m1(0,1) = -1;
    m1(1,1) = m1(1,0) + m1(0,1);

向量索引：

	Eigen::VectorXd v(2);
	v[0]=1;
	v[1]=2;

或

	Eigen::VectorXd v(2);
	v(0)=1;
	v(1)=2;

注意：

矩阵索引只能用（），因为C++操作符重载[]只能接收一个参数，而矩阵的行和列需要两个参数。
[]可以用在向量的索引，因为向量的索引是一维的。

2）通过逗号初始化

Matrix3f m;
m << 1, 2, 3,
     4, 5, 6,
     7, 8, 9;
std::cout << m;

4.矩阵的属性

1）行、列、大小可以通过rows()、cols()、size()获取

	std::cout<<"行："<<m.rows()<<std::endl;
	std::cout<<"列："<<m.cols()<<std::endl;
	std::cout<<"大小："<<m.size()<<std::endl;

可以指定输出某行或列的数据。

Operation	Method
ith row	matrix.row(i)
jth colum	matrix.col(j)

std::cout<<"第一行: "<<std::endl<<m.row(0)<<std::endl;

2）resize()

    m.resize(2,3);
    cout<<m<<endl;
    cout<<"行： "<<m.cols()<<" 列： "<<m.rows()<<" 大小： "<<m.size()<<endl;

注意：

只有行和列是动态参数的时候才可以使用，否则会报错，而且输入的时候编译器会检查；
如果matrix的实际大小不改变，resize函数不做任何操作。resize操作会执行析构函数，元素的值会被改变，如果不想改变执行 conservativeResize()

3）复制（操作符=）

将一个矩阵复制到另外一个。Eigen会自动resize左变量大小等于右变量大小，比如：

#include<iostream>
#include<Eigen/Dense>
int main(){
	Eigen::MatrixXi m(2,3);
	std::cout<<"m'size: "<<m.rows()<<"x"<<m.cols()<<std::endl;
	Eigen::MatrixXi n(5,3);
	m=n;	
	std::cout<<"m'size: "<<m.rows()<<"x"<<m.cols()<<std::endl;
return 0; 
}

5.矩阵的操作

1）矩阵的+、-、数×、乘法

左右两侧变量具有相同的尺寸（行和列），并且元素类型相同（Eigen不自动转化类型），其运算和int,float等基本类型相同。

二元运算 + 如a+b
二元运算 - 如a-b
一元运算 - 如-a
复合运算 += 如a+=b
复合运算 -= 如a-=b

二元运算 * 如matrix*scalar
二元运算 * 如scalar*matrix
二元运算 / 如matrix/scalar
复合运算 *= 如matrix*=scalar
复合运算 /= 如matrix/=scalar

#include<iostream>
#include<Eigen/Dense>
using namespace std;

int main()
{
	Eigen::Matrix2i m;
	m<<1,0,2,0;
	Eigen::Matrix<int,2,3> n;
	n(0,0)=1;
	n(0,1)=2;
	n(0,2)=3;
	
	n(1,0)=1;
	n(1,1)=2;
	n(1,2)=3;
	

	std::cout<<"m: "<<std::endl<<m<<std::endl;
	std::cout<<"n: "<<std::endl<<n<<std::endl;
	/*
	*乘法 
	*/
	Eigen::MatrixXi M;
	M=m*n;
	std::cout<<"M: "<<std::endl<<M<<std::endl;
	/*
	*加法 
	*/
	Eigen::MatrixXi N;
	N=M+n;
	std::cout<<"N: "<<std::endl<<N<<std::endl; 
	/*
	*数乘 
	*/
	Eigen::MatrixXi L;
	L=M*3;
	std::cout<<"L: "<<std::endl<<L<<std::endl; 
	
	return 0;
}

2）点×和叉×

点乘：dot();
叉乘：cross();

Eigen::Vector3d v(3,4,5);
Eigen::Vector3d w(0,2,3);
cout<<"dot: "<<v.dot(w)<<endl;
cout<<"cross: "<<std::endl<<v.cross(w)<<endl;

3）转置、共轭、伴随

表示transpose（转置）
表示conjugate（共轭）
表示adjoint(共轭转置/ 伴随矩阵）

/*
*转置、共轭、伴随 
*/
Eigen::MatrixXd a=Eigen::MatrixXd::Random(2,2); 
cout<<"a: "<<std::endl<<a<<endl;
cout<<"转置: "<<std::endl<<a.transpose()<<endl;
cout<<"共轭: "<<std::endl<<a.conjugate()<<endl;
cout<<"伴随: "<<std::endl<<a.adjoint()<<endl;

注意：

transpose和adjoint会简单的返回一个代理对象并不对本身做转置。
如果执行 b=a.transpose() ，a不变，转置结果被赋值给b。
如果执行 a=a.transpose() Eigen在转置结束之前结果会开始写入a，所以a的最终结果不一定等于a的转置。
对 a=a.transpose() 这种操作，如果要就地转置可以使用a.transposeInPlace();（别名问题）

Matrix2i a; a << 1, 2, 3, 4;
cout << "Here is the matrix a:\n" << a << endl;
a = a.transpose(); // !!! do NOT do this !!!
cout << "and the result of the aliasing effect:\n" << a << endl;

Here is the matrix a:
1 2
3 4
and the result of the aliasing effect:
1 2
2 4

4）所有元素的和，积，最大值，最小值，迹

和：sum();
积：prod();
最大值：maxCoeff();
最小值：minCoeff();
迹：trace();

#include <Eigen/Core>
#include<Eigen/Dense>
#include<iostream>
using namespace std;
using namespace Eigen;
int main()
{
    Matrix2d m(2,2);
    m(0,0)=-1;
    m(0,1)=2;
    m(1,0)=3;
    m(1,1)=1;
    Vector2d v1(1,2),v2(2,3);


    cout<<m.sum()<<endl;
    cout<<m.prod()<<endl;
    cout<<m.trace()<<endl;
    cout<<m.minCoeff()<<endl;
}

同时，maxCoeff()、minCoeff()可以换回最大值或者最小值的位置

int max=m.maxCoeff(&i,&j);

5）块操作

函数.block()：

operation	构建一个动态尺寸的block	构建一个固定尺寸的block
起点(i,j)块大小(p,q)	.block(i,j,p,q)	.block< p,q >(i,j)

注意：

Eigen中的索引从0开始。
两种方式都可以用于固定尺寸和动态尺寸的matrix/array，功能是等价的；
区别：只是固定尺寸的版本在block较小时速度更快一些。

int main()
{
  Eigen::MatrixXf m(4,4);
  m <<  1, 2, 3, 4,
        5, 6, 7, 8,
        9,10,11,12,
       13,14,15,16;
  cout << "Block in the middle" << endl;
  cout << m.block<2,2>(1,1) << endl << endl;
  for (int i = 1; i <= 3; ++i)
  {
    cout << "Block of size " << i << "x" << i << endl;
    cout << m.block(0,0,i,i) << endl << endl;
  }
}

矩阵的其他块。

operation	dynamic-size block	fixed-size block
左上角p\*q	matrix.topLeftCorner(p,q);	matrix.topLeftCorner< p,q >();
左下角p\*q	matrix.bottomLeftCorner(p,q);	matrix.bottomLeftCorner< p,q >();
右上角p\*q	matrix.topRightCorner(p,q);	matrix.topRightCorner< p,q >();
右下角p\*q	matrix.bottomRightCorner(p,q);	matrix.bottomRightCorner< p,q >();
前q行	matrix.topRows(q);	matrix.topRows< q >();
后q行	matrix.bottomRows(q);	matrix.bottomRows< q >();
左p列	matrix.leftCols(p);	matrix.leftCols< p >();
右p列	matrix.rightCols(p);	matrix.rightCols< p >();

vector的块

operation	dynamic-size block	fixed-size block
前n个	vector.head(n);	vector.head< n >();
后n个	vector.tail(n);	vector.tail< n >();
i起始的n个元素	vector.segment(i,n);	vector.segment< n >(i);

参考：

Dev C++安装第三方库小教程（以配置Eigen为例）_YTS8885的博客-CSDN博客_devc++添加库文件

Eigen教程(3) - 侯凯 - 博客园

火柴的初心

关注

2
点赞
踩
15

收藏

觉得还不错? 一键收藏
打赏
0
评论
Eigen库的使用

1.Matrix类：定义：Matrix<类型, 行, 列>eigen库中封装好了一些常用的矩阵，例如：typedef Matrix<float, 4, 4> Matrix4f;当然我们也可以自己设置，矩阵的行和列可以设置为固定的值也可以设置动态的（Dynamic），小的尺寸用固定的，大的尺寸用动态的，使用固定尺寸可以避免动态内存的开辟。1）初始化...
复制链接

扫一扫