SLAM初探：Eigen库简单使用

小白学视觉

发布于 2019-11-07 15:50:59

2.9K1

发布于 2019-11-07 15:50:59

Eigen是一个高层次的C ++库，有效支持线性代数，矩阵和矢量运算，数值分析及其相关的算法。Eigen是一个开源库，从3.1.1版本开始遵从MPL2许可。

固定大小的矩阵和和向量

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

// import most common Eigen types
int main(int, char *[])
{
  Matrix3f m3; //3x3单精度矩阵
  m3 << 1, 2, 3, 4, 5, 6, 7, 8, 9;
  Matrix4f m4 = Matrix4f::Identity(); //4x4单位矩阵（单精度）
  Vector4i v4(1, 2, 3, 4); // 长度为4的整型向量

  // 输出结果
  std::cout << "m3\n" << m3 << "\nm4:\n"
    << m4 << "\nv4:\n" << v4 << std::endl;
}

Matrix表示矩阵，Vector表示向量，数字表示维度，最后的f和i分别表示单精度和整型数据类型。

固定大小表示编译时，行数和列数是固定的。这时，Eigen不会分配动态内存。这对于比较小的尺寸比较适合，比如16x16。

动态大小的矩阵和向量

// 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  // 动态矩阵
  for (int size=1; size<=4; ++size)
  {
    MatrixXi m(size,size+1); // 一个整型的大小为 (size)x(size+1) 的矩阵
    for (int j=0; j<m.cols(); ++j) // 遍历列
      for (int i=0; i<m.rows(); ++i) // 遍历行
        m(i,j) = i+j*m.rows(); // 使用圆括号m(i,j)访问矩阵的元素
    std::cout << m << "\n\n"; //打印矩阵
  }

  // 动态向量
  VectorXf v(4); // 定义一个4维单精度向量
  // 使用圆括号()或方括号[]访问向量元素
  v[0] = 1; v[1] = 2; v(2) = 3; v(3) = 4;
  std::cout << "\nv:\n" << v << std::endl;
}

小结：X表示动态大小。

#include <Eigen/Eigen>将包含所有的Eigen函数。

#include <Eigen/Dense>包含所有普通矩阵函数，不包括稀疏矩阵函数。它们会增加编译时间。

矩阵和向量类型

Eigen中的所有密集矩阵和向量都是通过Matrix类来表示的。Matrix通过一系列的模板参数来生成具体的类别。

Matrix<Scalar, RowsAtCompileTime, ColsAtCompileTime>中，Scalar表示数据类型，RowsAtCompileTime和ColsAtCompileTime分别表示编译时的行数和列数。

Vector3d 定义为 Matrix<double, 3, 1>

对于动态大小的类型，在编译时不指定行数和列数，使用Eigen::Dynamic。比如，VectorXd定义为Matrix<double, Dynamic, 1>。

访问元素

Eigen支持以下的读/写元素语法：

matrix(i,j);
vector(i)
vector[i]
vector.x() // first coefficient
vector.y() // second coefficient
vector.z() // third coefficient
vector.w() // fourth coefficient

矩阵只能通过圆括号()访问；

向量可以通过圆括号()和方括号[]访问。

上述的元素访问方法都通过断言检查范围，代价比较大。

通过定义EIGEN_NO_DEBUG 或 NDEBUG，取消断言。

通过使用coeff()和coeffRef()，来取消检查。比如，MatrixBase::coeff(int,int) const, MatrixBase::coeffRef(int,int)等。

创建固定大小的矩阵和向量

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  float value = 3.0;
  Matrix3f x; // 创建一个3x3的单精度矩阵
  x = Matrix3f::Zero(); //全零矩阵
  cout << x << endl << endl;
  x = Matrix3f::Ones(); //全一矩阵
  cout << x << endl << endl;
  x = Matrix3f::Constant(value); //全value矩阵
  cout << x << endl << endl;
  x = Matrix3f::Identity(); //单位矩阵
  cout << x << endl << endl;
  x = Matrix3f::Random(); // 随机矩阵
  cout << x << endl << endl;
  x.setZero();
  cout << x << endl << endl;
  x.setOnes();
  cout << x << endl << endl;
  x.setIdentity();
  cout << x << endl << endl;
  x.setConstant(value);
  cout << x << endl << endl;
  x.setRandom();
  cout << x << endl << endl;
}

创建动态大小的矩阵

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  float value = 3.0f;
  int rows = 3;
  int cols = 4;
  MatrixXf x;
  x = MatrixXf::Zero(rows, cols);
  cout << x << endl << endl;
  x = MatrixXf::Ones(rows, cols);
  cout << x << endl << endl;
  x = MatrixXf::Constant(rows, cols, value);
  cout << x << endl << endl;
  x = MatrixXf::Identity(rows, cols);
  cout << x << endl << endl;
  x = MatrixXf::Random(rows, cols);
  cout << x << endl << endl;
  x.setZero(rows, cols);
  cout << x << endl << endl;
  x.setOnes(rows, cols);
  cout << x << endl << endl;
  x.setConstant(rows, cols, value);
  cout << x << endl << endl;
  x.setIdentity(rows, cols);
  cout << x << endl << endl;
  x.setRandom(rows, cols);
  cout << x << endl << endl;
  return 0;
}

创建动态大小的向量

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  int size = 3;
  float value = 3.0f;
  VectorXf x; // 定义动态向量
  x = VectorXf::Zero(size); //全0向量
  cout << x << endl << endl;
  x = VectorXf::Ones(size); //全1向量
  cout << x << endl << endl;
  x = VectorXf::Constant(size, value);//全value向量
  cout << x << endl << endl;
  //x = VectorXf::Identity(size);//报错
  x = VectorXf::Random(size);
  cout << x << endl << endl;
  x.setZero(size);
  cout << x << endl << endl;
  x.setOnes(size);
  cout << x << endl << endl;
  x.setConstant(size, value);
  cout << x << endl << endl;
  //x.setIdentity(size);
  x.setRandom(size);
  cout << x << endl << endl;
  return 0;
}

创建固定大小的基向量

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  Vector3f x;
  x = Vector3f::UnitX(); // 1 0 0
  cout << x << endl << endl;
  x = Vector3f::UnitY(); // 0 1 0
  cout << x << endl << endl;
  x = Vector3f::UnitZ(); // 0 0 1
  cout << x << endl << endl;

  return 0;
}

创建动态大小的基向量

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  VectorXf x;
  x = VectorXf::Unit(4,1);
  cout << x << endl << endl;
  x = Vector4f(0,1,0,0);
  cout << x << endl << endl;
  x = Vector4f::UnitY();
  cout << x << endl << endl;

  return 0;
}

通过Cast的方式初始化

相同尺寸的矩阵兼容

元素类型通过MatrixBase::cast()自动转换。

#include <iostream>
#include <Eigen/Core>
#include <Eigen/Eigen>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  Vector3d md(1,2,3);
  Vector3f mf = md.cast<float>();
  cout << "md = " << md << endl;
  cout << "mf = " << mf << endl;
  return 0;
}

相同类型的矩阵兼容

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  MatrixXf res(10,10);
  Matrix3f a, b;
  a = Matrix3f::Identity();
  b = Matrix3f::Constant(3);
  res = a+b; // OK: res is resized to size 3x3

  cout << a << endl << endl;
  cout << b << endl << endl;
  cout << res << endl << endl;
  return 0;
}

通过Map方式初始化

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  std::vector<float> stlarray(10);
  VectorXf::Map(&stlarray[0], stlarray.size()).squaredNorm();

  return 0;
}

通过逗号初始化

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  Matrix3f m;
  m << 1, 2, 3,
    4, 5, 6,
    7, 8, 9;
  cout << m << endl;
  return 0;
}

使用逗号和子矩阵，初始化矩阵。

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  int rows=5, cols=5;
  MatrixXf m(rows,cols);
  m << (Matrix3f() << 1, 2, 3, 4, 5, 6, 7, 8, 9).finished(),//左上角3x3
    MatrixXf::Zero(3,cols-3), //右上角3x2
    MatrixXf::Zero(rows-3,3), //左下角2x3
    MatrixXf::Identity(rows-3,cols-3); //右下角2x2

  cout << m << endl;
  return 0;
}

.finished()用于当临时矩阵初始化完成时，获取实际的矩阵对象。尽管看起来很复杂，但实际上编译时已经优化。

算术操作

传统的数学运算

矩阵/向量乘法：

col2 = mat1 * col1; //矩阵x列向量
row2 = row1 * mat1;  // 行向量x矩阵
row1 *= mat1;
mat3 = mat1 * mat2; 
mat3 *= mat1;

矩阵/向量加法/减法：

mat3 = mat1 + mat2; 
mat3 += mat1;
mat3 = mat1 - mat2; 
mat3 -= mat1;

标量加法/减法：

mat3 = mat1 * s1; 
mat3 = s1 * mat1; 
mat3 *= s1;
mat3 = mat1 / s1; 
mat3 /= s1;

逐元素的操作

逐元素的操作，请查阅.cwise()。

逐元素乘法

mat3 = mat1.cwise() * mat2;

加/减标量

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() + scalar;
mat3.cwise() += scalar;
mat3.cwise() -= scalar;

逐元素除法

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() / mat2;

逐元素取倒数

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().inverse();

逐元素比较运算

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() < mat2;
mat3 = mat1.cwise() <= mat2;
mat3 = mat1.cwise() > mat2;
//等

三角余弦

sin(), cos()等。

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().sin();
// 等

指数

pow(), square(), cube(), sqrt(), exp(), log()等

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().square();
mat3 = mat1.cwise().pow(5);
mat3 = mat1.cwise().log();
//等

最小值，最大值，绝对值

mat3 = mat1.cwise().min(mat2);
mat3 = mat1.cwise().max(mat2);
mat3 = mat1.cwise().abs();
mat3 = mat1.cwise().abs2();

各种乘法运算

矩阵乘法：m1*m2

逐元素乘法：mat1.cwise()*mat2

点积：scalar = vec1.dot(vec2);

外积：mat = vec1 * vec2.transpose();

交叉积：#include <Eigen/Geometry> vec3 = vec1.cross(vec2);

逐元素操作示例：

#include <iostream>
#include <vector>
#include <Eigen/Eigen>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  Matrix3f x, y;
  x << 5,3,1,2,-7,8,9,-4,6;
  y << 5,3,1,2,-7,8,9,4,7;
  cout << x << endl << endl;
  cout << x.cwiseAbs() << endl << endl;//绝对值
  cout << x.cwiseAbs2() << endl << endl; //平方
  cout << x.cwiseEqual(y) << endl << endl; //是否相等
  cout << x.cwiseMax(y) << endl << endl; //逐元素最大值
  cout << x.cwiseMin(y) << endl << endl;
  cout << x.cwiseInverse() << endl << endl; //倒数
  cout << x.cwiseNotEqual(y) << endl << endl; //不相等
  cout << x.cwiseProduct(y) << endl << endl; //逐元素乘法
  cout << x.cwiseQuotient(y) << endl << endl; //除法
  cout << x.cwiseSqrt() << endl << endl; //
  return 0;
}

Reductions

Eigen提供了一些reduction方法：minCoeff() , maxCoeff() , sum() , trace() , norm() , squaredNorm() , all() , 和 any()。

上述这些方法都可以逐列或逐行的执行。如下所示：

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
  Matrix3f x;
  x << 5,3,1,2,7,8,9,4,6;
  cout << x.minCoeff() << endl;
  cout << x.colwise().minCoeff() << endl;
  cout << x.rowwise().minCoeff() << endl;

  return 0;
}

maxCoeff()和minCoeff()函数可以通过设置可选参数，返回最大/小值的位置：maxCoeff(int* i, int* j) , minCoeff(int* i, int* j) 。

all() 和 any()在使用逐元素操作时，非常有用。

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2019-11-03，如有侵权请联系 cloudcommunity@tencent.com 删除

打包

scala

本文分享自小白学视觉微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

打包

scala

登录后参与评论

0 条评论

热度