matlab和eigen在旋转向量，欧拉角，四元数，旋转矩阵转换的对比（二 四元数转其他）

1. 参考：

eigen安装：clion使用Eigen_gxt_kt的博客-CSDN博客_clion eigen

matlab 角度转四元数_四元数的两种写法与转换_女王丁丁的博客-CSDN博客

2. 测试

四元数转其他格式

	eigen	matlab
四元数转欧拉角	Eigen::Quaterniond quaternion4(0.92388, 0, 0, 0.382683); Eigen::Vector3d eulerAngle4 = quaternion4.matrix().eulerAngles(2,1,0); cout << "yaw(z) pitch(y) roll(x) = " << eulerAngle4.transpose() << endl;	quaternion4 = [0.92388, 0, 0, 0.382683]; [pitch, roll, yaw] = quat2angle(quaternion4); eulerAngle4 = [pitch, roll, yaw]*180/pi; disp("欧拉角 =") disp(eulerAngle4);
测试	yaw(z) pitch(y) roll(x) = 0.785397       -0        0	欧拉角 =     0.7854         0         0
四元数转旋转向量	//4.0 初始化四元素,注意eigen Quaterniond类四元数初始化参数顺序为w,x,y,z Eigen::Quaterniond quaternion4(0.92388, 0, 0, 0.382683); //4.1 四元数转换为旋转向量 Eigen::AngleAxisd rotation_vector4(quaternion4); //或者 Eigen::AngleAxisd rotation_vector4_1; rotation_vector4_1 = quaternion4; cout << "rotation_vector4 " << "angle is: " << rotation_vector4.angle() * (180 / M_PI) << " axis is: " << rotation_vector4.axis().transpose() << endl; cout << "rotation_vector4_1 " << "angle is: " << rotation_vector4_1.angle() * (180 / M_PI) << " axis is: " << rotation_vector4_1.axis().transpose() << endl;	quaternion4 = [0.92388, 0, 0, 0.382683]; rotation_matrix4 = quat2dcm(quaternion4); rotation_vector4_1 = rotationMatrixToVector(rotation_matrix4); disp("旋转向量 =") disp(rotation_vector4_1 *180/pi)
测试	rotation_vector4 angle is: 44.9999 axis is: 0 0 1 rotation_vector4_1 angle is: 44.9999 axis is: 0 0 1	旋转向量 =          0         0   44.9999
四元数转旋转矩阵	Eigen::Quaterniond quaternion4(0.92388, 0, 0, 0.382683); Eigen::Matrix3d rotation_matrix4; rotation_matrix4 = quaternion4.matrix(); Eigen::Matrix3d rotation_matrix4_1; rotation_matrix4_1 = quaternion4.toRotationMatrix(); cout << "rotation matrix4 =\n" << rotation_matrix4 << endl; cout << "rotation matrix4_1 =\n" << rotation_matrix4_1 << endl;	quaternion4 = [0.92388, 0, 0, 0.382683]; rotation_matrix4 = quat2dcm(quaternion4); disp("旋转矩阵 =") disp(rotation_matrix4);
测试	rotation matrix4 =  0.707107 -0.707106         0  0.707106  0.707107         0         0         0         1	旋转矩阵 =     0.7071    0.7071         0    -0.7071    0.7071         0          0         0    1.0000

说明：

引用自“matlab 角度转四元数_四元数的两种写法与转换_女王丁丁的博客-CSDN博客”

这里还要注意的是，matlab和C语言eigen库将同一个四元数转换为旋转矩阵时，获得的两个旋转矩阵互为逆矩阵！abb获得的转换则和eigen获得的转换相同（这是由于一个旋转矩阵有两种含义，即坐标系A在B中的表示和A到B的变换，二者互为逆。）

经过测试，在optitrack中，刚体坐标为(x,y,z,qx,qy,qz,qw)，表示刚体在基坐标系中的位置为xyz，经过MATLAB的转换获得的旋转矩阵R为刚体坐标系在基坐标系中表达的逆。在matlab内部进行变换是没有问题的，但是matlab中四元数导入其他软件时，需要求逆才能表达同样的旋转矩阵。

我一般采用坐标系A在坐标系B中表示的方式来理解矩阵变换，因此得出以下结论：

若原点重合的A坐标系在B坐标系中的表示为

 ，则在matlab和abb中其对应四元数为dcm2quat(R)，在C语言中对应的四元数为dcm2quat(R.transpose() )
以此为基础，根据转换前后的意义，决定是否要对矩阵进行转置。