Eigen

Eigen学习笔记

1. Eigen简介

2. 基础类型

3. Eigen的部分函数

3.1 向量

// ref: https://blog.csdn.net/subtitle_/article/details/131428919
列向量：
Eigen::VectorXf/d/i c;
或Eigen::Matrix<int, 5, 1> c;
行向量：
Eigen::RowVectorXf/d/i r;
或Eigen::Matrix<int, 1, 5> r;
向量赋值：
列向量赋值，Eigen::Vector2f c(5.0, 2.0);
行向量赋值，Eigen::RowVector2f r(5.0, 2.0);
逐元素赋值，Eigen::VectorXd c(2); c(0)=1;c(1)=2;
使用矩阵赋值，Eigen::Matrix<int, 1, 5> r; r << 1, 2, 3, 4, 5;

3.2 矩阵

矩阵定义
Eigen::MatrixXf/d/i m;
矩阵赋值
逐矩阵元素单独赋值：
Eigen::MatrixXd m(2, 2);
m(0, 0) = 3;
m(1, 0) = 2.5;
m(0, 1) = -1;
m(1, 1) = m(0, 1)+m(1,0);
逗号赋值：
Eigen::Matrix3f m;
m << 1, 2, 3,
4, 5, 6,
7, 8, 9;

// ref: https://blog.csdn.net/hankerbit/article/details/82345603
Eigen::Matrix3d mat1;
mat1 << 1, 2, 3,
        4, 5, 6,
        7, 8, 9;
std::cout << "mat1=\n" << mat1 <<std::endl;
std::cout << "mat1转置矩阵=\n" << mat1.transpose() << std::endl;
std::cout << "mat1共轭伴随矩阵=\n" << mat1.adjoint() << std::endl;
std::cout << "mat1逆矩阵=\n" << mat1.inverse() << std::endl;
std::cout << "mat1行列式=\n" << mat1.determinant() << std::endl;
// 求解特征值与特征向量
Eigen::SelfAdjointEigenSolver<Eigen::Matrix3d> eigensover(mat1);
if (eigensover.info() != Eigen::Success) abort();
std::cout << "特征值: \n" << eigensover.eigenvalues() << std::endl;
std::cout << "特征向量：\n" << eigensover.eigenvectors() << std::endl;

结果：

mat1 = 
1 2 3
4 5 6
7 8 9
mat1转置矩阵 
1 4 7
2 5 8
3 6 9
mat1共额伴随矩阵 
1 4 7
2 5 8
3 6 9
mat1逆矩阵 
-inf  inf -inf
 inf -inf  inf
-inf  inf -inf
mat1行列式 
0
特征值: 
 -3.15747
-0.672768
  18.8302
特征向量: 
-0.802389 -0.434025  0.409627
-0.168127  0.822962  0.542649
  0.57263 -0.366546  0.733307

3.3 Geometry模块

Eigen/Geometry模块

3.3.1 Eigen::AxngleAxis旋转向量

// 初始化
Eigen::AngleAxisd rotation_vector(alpha, Eigen::Vecot3d(x, y, z));
// 转换为旋转矩阵
Eigen::Matrix3d rotation_matrix;
rotation_matrix = rotation_vector.matrix();
// or
rotation_matrix = rotation_vector.toRotationMatrix();
// 转换为Eular角
eular_angles = rotation_vector.matrix().eularAngles(2, 1, 0);
// 转换为四元数
Eigen::Quaternion q = Quaterniond(rotation_vecotr);

扩展阅读：
ref: https://blog.csdn.net/hitgavin/article/details/106713290
轴角和旋转向量本质上一样。轴角用四个元素表达旋转，其中三个元素表示旋转轴，一个元素表示旋转角度。例如 r=[x,y,z,theta]，其中[x,y,z]表示旋转轴，theta表示旋转角。旋转向量与轴角相同，只是旋转向量用三个元素描述旋转，它把theta角乘到了旋转轴上，例如[x*theta, y*theta, z*theta]。
姿态的轴角表示法与四元数非常相似，都是描述绕某一个轴旋转了一个角度。
$$R(\alpha ,\beta ,\gamma )=R_y(\alpha )R_x(\beta )R_z(\gamma )$$
欧拉角构造旋转矩阵相当于直接把三个Elemental Rotation Matrix乘在一起。
ref: https://zhuanlan.zhihu.com/p/45404840

3.3.2 欧拉角

Eigen::eularAngles(a0, a1, a2);
a0, a1, a2从{0, 1, 2}中取值，0 X轴, 1 Y轴, 2 Z轴, 旋转顺序为从后到前(下一次旋转使用的旋转轴是上一次旋转之后的。

Eigen::Vector3f euler_angles = rotation_matrix.eulerAngles(2, 1, 0);
// 等价于
rotation_matrix = AngleAxisd(euler_angles[0], Eigen::Vector3f::UnitZ())
                  * AngelAxisd(euler_angles[1], Eigen::Vector3f::UnitY())
                  * AngelAxisd(euler_angles[2], Eigen::Vector3f::UnitX());
// 均表示先绕X轴转euler_angles[2]弧度，再绕Y轴转euler_angles[1]弧度，再绕Z轴转eular_angles[0]弧度。

3.3.3 欧式变换

Eigen::Isometry

// 定义
Eigen::Isometry3d T = Eigen::Isometry3d::Identity();
T.rotate(rotation_matrix);
T.pretranslate(Eigen::Vector3d(x, y, z));
// 转为4*4变换矩阵
Eigen::Matrix4d transform_matrix = T.matrix();
// 欧式变换进行坐标变换
Eigen::Vector3d v = (1, 2, 3);
Eigen::Vector3d v_transformed = T * v;

3.3.4 四元数

Eigen::Quanternion

// 初始化
Eigen::Quanterniond q(w, x, y, z);
// 初始化时，实部在前，虚部在后，但内部存储顺序为[x, y, z, w]
// 使用旋转向量进行初始化
Eigen::AngleAxisd rotation_vector;
Eigen::Quanterniond q1(rotation_vector);
// 使用旋转矩阵进行初始化
Eigen::Matrix3d rotation_matrix;
Eigen::Quanterniond q2(rotation_matrix);
// 打印四元数
std::cout << q1.coeffs() << std::endl;
// 输出结果为 [x, y, z, w]
// 使用四元数旋转向量 ?
Eigen::Vector3d v_rotated = q * v;