Eigen学习4：Vector运算计算距离和角度

最新推荐文章于 2024-03-27 13:49:21 发布

JoannaJuanCV

最新推荐文章于 2024-03-27 13:49:21 发布

阅读量3.1k

点赞数 2

分类专栏：立体视觉文章标签：几何学

本文链接：https://blog.csdn.net/zfjBIT/article/details/120946249

版权

立体视觉专栏收录该内容

98 篇文章 79 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用Eigen库进行向量运算，包括计算一点到原点的距离、两点之间的距离以及两个向量之间的夹角。通过示例展示了Eigen的norm()和squaredNorm()方法，并给出了具体计算出的数值，如距离和夹角的cos值及角度值。

摘要由CSDN通过智能技术生成

求一点到原点的距离

Vector3d v(x,y,z);
double dis1= v.norm();              // 等于 sqrt(x^2+y^2) , 即距离
double dis2 = v.squaredNorm();     // (x^2+y^2)

求两点之间的距离

d v1(x1,y1,z1);
Vector3d v2(x2,y2,z2);
double dis = (v1-v2).norm();

两个向量之间的夹角

Vector3d v1(x1,y1,z1), v2(x2,y2,z2);
double cosValNew = v1.dot(v2) / (v1.norm()*v2.norm()); //角度cos值
double angleNew = acos(cosValNew) * 180 / M_PI;       //弧度角

测试：

    Eigen::Vector3f a(1,2,3);
    Eigen::Vector3f b(2,3,4);  

    std::cout << "a.norm() = " << a.norm() << std::endl;
    std::cout << "a.squaredNorm() =

了解本专栏