Eigen学习总结1

1.类型

Matrix有6个模板参数，主要使用前三个参数（元素类型，行数，列数），剩下的有默认值。

Matrix<typename Scalar, int RowsAtCompileTime, int ColsAtCompileTime>

Eigen的类型主要有矩阵、向量（其实也是一种矩阵），有固定大小和动态大小之分：

 typedef Matrix<float, 3, 3> Matrix3f;      Matrix3f a；//固定size的矩阵，分配3*3个float的空间typedef Matrix<double, Dynamic, Dynamic> MatrixXd;   MatrixXd b；//动态size的矩阵，未分配空间；

向量：

 typedef Matrix<float, 3, 1> Vector3f; //列向量，固定大小typedef Matrix<int, 1, 2> RowVector2i; //行向量，固定大小typedef Matrix<int, Dynamic, 1> VectorXi; //为固定大小，同理行向量

2.取元素

Matrix3f m；
m（0，0）；//用括号去找括号里面对应位置的数据

m(index)也可以用于获取矩阵元素，但取决于matrix的存储顺序，默认是按列存储的。

取Matrix4f中的某个区域，m.block<3,3>(0,0) 表示从下标(0,0)开始取3*3的区域，如果时向量，可以取前面x个元素，m.head<3>()

3.初始化

用逗号初始化

m<<1,1,1,2,2,2,3,3,3;

4.size的基础操作

matrix的大小可以通过rows()、cols()、size()获取，resize()（只用于动态matrix）可以重新调整动态matrix的大小。

5.Vector 通过复制自身形成一个多行数组

    Vector3f  m   3*1数组ArrayXXd p(num, dim); 一个num *dim 的数组；p = m.transpose.replicate(num,1)得到每一行等于m的数组，共有num行

本文参考了：https://blog.csdn.net/caomin1hao/article/details/81358911

Eigen学习总结1相关推荐

Eigen 学习文档: 矩阵和向量运算
Eigen 学习文档: 矩阵和向量运算本页旨在提供有关如何使用Eigen在矩阵.向量和标量之间执行算术的概述和一些详细信息. 介绍 Eigen通过重载常见的 C++ 算术运算符(如 +.-.*)或通 ...
Eigen学习教程(一)
Eigen学习教程(一) 1.Eigen介绍 Eigen是一个用于线性代数的C++模板库:矩阵.向量.数值求解器和相关算法.他可以很方便的植入到C++的程序,然后在矩阵计算中有着很广泛的应用. 本教程 ...
Eigen 学习文档
This is the documentation for Eigen3 Eigen 学习文档: Matrix 类 Eigen 学习文档: 矩阵和向量运算 Eigen 学习文档: Array类和元素 ...
Eigen学习记录1-Affine3f 仿射变换矩阵
首先总结而言:仿射变换矩阵实际上就是:平移向量+旋转变换组合而成,可以同时实现旋转,缩放,平移等空间变换. Eigen库中,仿射变换矩阵的大致用法为: 创建Eigen::Affine3f 对象a. ...
Eigen学习3：矩阵及向量运算
矩阵及向量运算注意事项: Eigen中的矩阵和向量运算不会自动适应行列数,需要在编程的时候保证参与运算的矩阵和向量行列数可以进行运算; 头文件<Eigen/Core> 中包含[+,-,, ...
Eigen学习笔记13：固定大小的可矢量化Eigen对象
对于固定大小的可矢量化Eigen对象的解释! Executive Summary 如果Eigen对象具有固定大小并且该大小是16个字节的倍数,则称为"固定大小向量化". 示例包括: ...
Eigen 学习总结
Eigen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 ...
【Eigen学习笔记】-- Umeyama
Umeyama算法前言一.Umeyama目标二.Umeyama原理介绍三.Umeyama使用方法前言一.Umeyama目标在研究pcl中的icp算法时,看到在求解对应点关系矩阵时,用的是 ...
Eigen 学习笔记
1. 初始化 //外部指针初始化 double _mu0[12]={...}; double _sigma_inv[9] = ...; kernels[0].mu = Vector3d(_mu0); ...