eigen 列拼接_Eigen库使用之范数、行列元素的最大/小值及其位置

Eigen库(点这里)的矩阵运算使用特别方便，对于大数据量点云的处理方面使用很多。矩阵或向量的定义、相关函数(如：行、列、求范数、大小、特征值/向量、矩阵分解以及一些运算等)的使用也很简单，结合C++编程，可以有类似MATLAB的简洁舒畅！

今天主要介绍几个函数：范数类函数。norm()(求向量模长等)，如 l2

范数，squaredNorm(), lp

范数，lpNnorm

(),这里的p可以是1或者无穷。

在使用maxCoeff()和minCoeff()函数是，可以寻求最大元素和最小元素，但如果我们想返回其位置，则需要给定相关参数，而参数的类型我们要使用Index类型，例如：

还可以部分使用，即返回的不是一个值，而是一组值，可以看做是一种降维操作，所使用的函数为colwise(),

rowwise()。例如:

Mat.colwise()理解为分别去看矩阵的每一列，然后再作用maxCoeff()函数，即求每一列的最大值。

需要注意的是，colwise返回的是一个行向量(列方向降维)，rowwise返回的是一个列向量(行方向降维)。

Vector类型使用与上面的类似：

m.colwise() –

v，再将得到的矩阵取列，再求l2

范数的平方，即(m.colwise()-v).colwise().squaredNorm()，最后再求这一列的最小值，并记录位置。输出时m.col(index)便将最小的那一列输出。