Eigen入门系列 —— Eigen::Matrix矩阵特征值、特征向量计算

最新推荐文章于 2024-09-17 10:48:20 发布

工业机器视觉

最新推荐文章于 2024-09-17 10:48:20 发布

阅读量1.8k

点赞数

分类专栏： Eigen 文章标签：计算机视觉 c++

本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的。

本文链接：https://blog.csdn.net/memorynode/article/details/124640991

版权

Eigen 专栏收录该内容

6 篇文章 7 订阅

订阅专栏

Eigen入门系列 —— Eigen::Matrix矩阵特征值、特征向量计算

前言

随着工业自动化、智能化的不断推进，机器视觉（2D/3D）在工业领域的应用和重要程度也同步激增（识别、定位、抓取、测量，缺陷检测等），而针对不同作业场景进行解决方案设计时，通常会借助PCL、OpenCV、Eigen等简单方便的开源算法库进行方案的快速验证和迭代以满足作业场景下的目标需求。

为了让对工业机器视觉方向感兴趣的同学能够少走一些弯路，故推出了此一系列简易入门教程示例，让初次使用者能够最简单直观地感受到当前所用算法模块的执行效果。

后续会逐步扩增与工业机器视觉相关的一些其它内容，如：

项目案例剖析、场景数据分析、基础算法模块、相机评测 等；

如有兴趣可加入群聊（若入群二维码被屏蔽，则可以通过Q群（1032861997）或评论、私信博主“群聊”，邀请入群），与同道同学及圈内同行一起交流讨论。

在这里插入图片描述

程序说明

展示Eigen::Matrix矩阵特征值、特征向量计算；

输出结果

在这里插入图片描述

代码示例

/*
 * @File: eigenvalue_eigenvector.cpp
 * @Brief: eigen course
 * @Description: 展示Eigen::Matrix矩阵特征值、特征向量计算
 * @Version: 0.0.1
 * @Author: MuYv
 */
#include <iostream>
#include <Eigen/Dense>



int main(int argc, char** argv){
    
    // 使用随机数填充初始化创建
    Eigen::Matrix3f matrix_3f = Eigen::Matrix3f::Random();
    // 确保可以对角化成功
    matrix_3f = matrix_3f.transpose()*matrix_3f;
    std::cout<<"matrix_3f:\n"<<matrix_3f<<std::endl<<std::endl;

    Eigen::SelfAdjointEigenSolver<Eigen::Matrix3f> eigen_solver(matrix_3f);
    std::cout<<"Eigen values:\n"<<eigen_solver.eigenvalues()<<std::endl<<std::endl;
    std::cout<<"Eigen vectors:\n"<<eigen_solver.eigenvectors()<<std::endl<<std::endl;
    
    return 0;
}