C++矩阵处理工具——Eigen矩阵库的学习

最新推荐文章于 2024-07-11 11:47:58 发布

云初

最新推荐文章于 2024-07-11 11:47:58 发布

阅读量1.1k

点赞数

分类专栏： c++ 文章标签： Eigen

本文链接：https://blog.csdn.net/u013541523/article/details/85091582

版权

c++ 专栏收录该内容

26 篇文章 0 订阅

订阅专栏

最近和一些朋友讨论到了C++中数学工具的问题，以前总是很2地自己写矩阵运算，或者有时候在matlab里计算了一些数据再往C程序里倒，唉~想想那些年，我们白写的代码啊……人家早已封装好了！首先推荐几个可以在C++中调用的数学平台：eigen、bias、lapack、svd、CMatrix，本文着重eigen做以讲解，希望对各位有所帮助。

一、什么是Eigen库

Eigen是可以用来进行线性代数、矩阵、向量操作等运算的C++矩阵库，它里面包含了一些类和很多算法。它的License是MPL2。它支持多平台。使用类似Matlab的方式操作矩阵，单纯讲和Matlab的对应的话，可能不如Armadillo(http://arma.sourceforge.net/)对应的好，但功能绝对强大。
Eigen包含了绝大部分你能用到的矩阵算法，同时提供许多第三方的接口。Eigen一个重要特点是采用源码的方式提供给用户使用，在使用时只需要包含Eigen的头文件即可进行使用。之所以采用这种方式，是因为Eigen采用模板方式实现，由于模板函数不支持分离编译，所以只能提供源码而不是动态库的方式供用户使用，因此非常轻量而易于跨平台。你要做的就是把用到的头文件和你的代码放在一起就可以了。

Eigen的一些特性：

支持整数、浮点数、复数，使用模板编程，可以为特殊的数据结构提供矩阵操作。比如在用ceres-solver进行做优化问题（比如bundle adjustment）的时候，有时候需要用模板编程写一个目标函数，ceres可以将模板自动替换为内部的一个可以自动求微分的特殊的double类型。而如果要在这个模板函数中进行矩阵计算，使用Eigen就会非常方便。
支持逐元素、分块、和整体的矩阵操作。
内含大量矩阵分解算法包括LU，LDLt，QR、SVD等等。
支持使用Intel MKL加速
部分功能支持多线程
稀疏矩阵支持良好，到今年新出的Eigen3.3，已经自带了SparseLU、SparseQR、共轭梯度（ConjugateGradient solver）、bi conjugate gradient stabilized solver等解稀疏矩阵的功能。同时提供SPQR、UmfPack等外部稀疏矩阵库的接口。
支持常用几何运算，包括旋转矩阵、四元数、矩阵变换、AngleAxis（欧拉角与Rodrigues变换）等等。
更新活跃，用户众多（Google、WilliowGarage也在用），使用Eigen的比较著名的开源项目有ROS（机器人操作系统）、PCL（点云处理库）、Google Ceres（优化算法）。OpenCV自带到Eigen的接口。
总体来讲，如果经常做一些比较复杂的矩阵计算的话，或者想要跨平台的话，非常值得一用。
Eigen中的矩阵类型一般都是用类似MatrixXXX来表示，可以根据该名字来判断其数据类型，比如说’d’代表double并不是用来表示整数的,;‘f’代表float; ‘i’代表整数;‘c’代表complex，即复数；’d’表示dynamic，即表示矩阵中有些维数是不确定的，动态的……举例子比如说：Matrix2cd，表示的是2*2维的，其每个元素都是复数，复数的实部和虚部都为double类型。

Eigen中需要非常注意其数据类型，比如2个向量相乘如果得到一个矩阵，则向量中元素的类型和矩阵中元素的类型必须都相同，否则会出现错误。

二、Eigen的下载、帮助文档等网址

Eigen的下载与在VS中的配置，可参考下面两个博客：（下载得到的是个code包，不用安装。）

http://blog.csdn.net/hjx_1000/article/details/8477522

或者：http://blog.csdn.net/abcjennifer/article/details/7781936；

Eigen帮助文档的地址：http://eigen.tuxfamily.org/dox/pages.html，本文中很多例子也是直接摘自这些帮助文档，

另外关于Eigen的论坛可以访问http://forum.kde.org/viewforum.php?f=74

三、Eigen的简单应用

看了一下官方文档，Eigen库除了能实现各种矩阵操作外，貌似还提供《数学分析》中的各种矩阵操作（包括L矩阵U矩阵）。目前我使用到的还是简单的矩阵操作，如加减乘除，求行列式，转置，逆，这些基本操作只要:

#include "Eigen/Dense"
using namespace Eigen;

就能实现。

这里#include <Eigen/Dense>一般就包括了我们所需要的所有函数；

如果还需要稀疏部分的话，那就直接使用#include <Eigen/Eigen>。

Eigen需要的头文件和功能如下。可以根据具体调用包含相关头文件，也可以直接包含全部库。

Eigen的主页上有一些更详细的Eigen介绍。

包含的类型：

如上表，Eigen提供了两种稠密矩阵，主要包括两种类型，Matrices与Arryays，接着是这两种类型的派生类型。 (1) 数学上的矩阵和向量，这两种通过使用模板Matrix类来实现；(2) 通常对于1维或者2维的数组通过模板Array类来实现。这两种类的不同点是主要在于API上：Array类提供了简单的数据操作的接口。而Matrix类提供了线性代数操作的接口。一般来说我们转算法只用Matrix好了，以后是不是需要优化这里先不管.

在Eigen中，所有矩阵和向量均为Matrix模板类的对象，向量是矩阵的行（或列）为1是的特殊情况。

对应关系：