原文:Eigen官網-Getting started
Eigen 是一個基於C++的線性代數庫,其中實現大量常用的線性代數算法,包括常規矩陣計算,矩陣變換,矩陣分解,矩陣塊操作。Eigen 廣泛地應用在開源項目中,例如OpenCV,PCL(Point Cloud Library),ROS等。其實Eigen中算法都可以在matlab中找到,但是由於matlab是半開源的。所以,如果想在自己的項目中使用,還是要義無反顧地選擇Eigen。Eigen目前的版本是3.3.7(2019.12.09)。
Eigen只包含頭文件,因此它不需要實現編譯,只需要你include到你的項目,指定好Eigen的頭文件路徑,編譯項目即可。而且跨平臺,當然這是必須的。
模塊和頭文件
Eigen庫被分爲一個Core模塊和其他一些模塊,每個模塊有一些相應的頭文件。 爲了便於引用,Dense模塊整合了一系列模塊;Eigen模塊整合了所有模塊。一般情況下,include<Eigen/Dense> 就夠了。
Module | Header file | Contents |
---|---|---|
Core | #include <Eigen/Core> | Matrix和Array類,基礎的線性代數運算和數組操作 |
Geometry | #include <Eigen/Geometry> | 旋轉、平移、縮放、2維和3維的各種變換 |
LU | #include <Eigen/LU> | 求逆,行列式,LU分解 |
Cholesky | #include <Eigen/Cholesky> | LLT和LDLT Cholesky分解 |
Householder | #include <Eigen/Householder> | 豪斯霍爾德變換,用於線性代數運算 |
SVD | #include <Eigen/SVD> | SVD分解 |
QR | #include <Eigen/QR> | QR分解 |
Eigenvalues | <include <Eigen/Eigenvalues> | 特徵值,特徵向量分解 |
Sparse | #include <Eigen/Sparse> | 稀疏矩陣的存儲和一些基本的線性運算 |
- | #include <Eigen/Dense> | 包含了Core/Geometry/LU/Cholesky/SVD/QR/Eigenvalues模塊 |
- | #include <Eigen/Eigen> | 包括Dense和Sparse(整個Eigen庫) |
一個簡單的例子
#include <iostream>
#include <Eigen/Dense>
using Eigen::MatrixXd;
int main()
{
MatrixXd m(2,2);
m(0,0) = 3;
m(1,0) = 2.5;
m(0,1) = -1;
m(1,1) = m(1,0) + m(0,1);
std::cout << m << std::endl;
return 0;
}
編譯:
Eigen是不需要進行庫連接的,只需要讓編譯器能找到Eigen的頭文件即可,因此Eigen的源代碼必須要放到inclue目錄下面。當用GCC進行編譯時,可以通過-I
來指定Eigen文件的路徑。
g++ -I /path/to/eigen/ my_program.cpp -o my_program
當在Linux或者Mac OS X系統下,可以將Eigen源代碼放到/usr/local/include
目錄下,然後直接通過如下指令編譯代碼:
g++ my_program.cpp -o my_program
結果如下:
3 -1
2.5 1.5
代碼解釋:
首先,代碼引入了eigen的頭文件,這裏Eigen/Dense 一次引入了多個常用的模塊。
程序首先定義了一個2 x 2的矩陣。根據Eigen的定義 ,MatrixXd,這個類型可以拆成三部分來看,Matrix-X-d,Matrix表示定義的是一個矩陣,X表示定義的矩陣維度不確定,d表示double,指矩陣中每一個元素都是double類型的。m(2,2)指定了矩陣的大小是2x2的。從第9 行到第12 行則爲矩陣中的元素進行了賦值操作。
最後輸出矩陣。
第二個例子
#include <iostream>
#include <Eigen/Dense>
using namespace Eigen;
using namespace std;
int main()
{
// 創建一個3 x 3的隨機矩陣,每個元素的範圍都在(-1,1)之間
MatrixXd m = MatrixXd::Random(3,3);
// 將每個元素的範圍設置在 (10,110)之間,MatrixXd::Cosntant() 用於產生每個元素都相同的矩陣,這裏每個元素都是1.2
m = (m + MatrixXd::Constant(3,3,1.2)) * 50;
// 輸出m
cout << "m =" << endl << m << endl;
// 創建一個長度爲 3 的列向量
VectorXd v(3);
// 爲向量元素賦值,這裏Eigen 將 << 操作符重載了。
v << 1, 2, 3;
// 矩陣和向量做乘法並輸出結果
cout << "m * v =" << endl << m * v << endl;
}
#include <iostream>
#include <Eigen/Dense>
using namespace Eigen;
using namespace std;
int main()
{
Matrix3d m = Matrix3d::Random();
m = (m + Matrix3d::Constant(1.2)) * 50;
cout << "m =" << endl << m << endl;
Vector3d v(1,2,3);
cout << "m * v =" << endl << m * v << endl;
}
輸出結果如下:
m =
94 89.8 43.5
49.4 101 86.8
88.3 29.8 37.8
m * v =
404
512
261
上面的例子展示生成矩陣和向量的不同方法,其實向量就是列數爲1 的矩陣。
使用固定大小的矩陣或向量有兩個好處:(1)編譯更快,因爲編譯器知道矩陣或向量的大小;
(2)指定大小可以進行更爲嚴格的檢查,比如你將Matrix4d(4*4 matrix)和Vector3d進行乘法操作。
當然使用太多類別(Matrix3d、Matrix4d、Matrix5d…)會增加編譯時間和可執行文件大小,原則對於4*4或者更小的矩陣使用固定大小的矩陣。