5 视觉SLAM十四讲读书笔记P40-P52( 三 ) _矩阵

这段代码是一个使用Eigen库的C++项目的.txt文件。该文件指定了项目名称为"" ，设置了C++编译器的优化级别为O3 ，指定了Eigen头文件的路径，并将其添加到项目的路径中。同时，它还定义了一个名为""的可执行文件，并将名为".cpp"的源文件与之关联。
#include using namespace std;#include // Eigen 核心部分#include // 稠密矩阵的代数运算（逆，特征值等）#include
这段代码包含了四个头文件的引用：
：C++标准库中的输入输出流库，用于输入输出操作。ctime：C++标准库中的时间库，用于获取当前系统时间等操作。Eigen/Core：Eigen库的核心部分，包含了矩阵和向量等数学基础操作。Eigen/Dense：Eigen库的稠密矩阵代数运算库，包含了矩阵分解、求逆、求特征值等高级数学操作。
using namespace Eigen;#define MATRIX_SIZE 50
这段代码定义了一个常数并使用 usingEigen; 将 Eigen 命名空间中的类型和函数引入到当前命名空间中。其中， Eigen 是一个 C++ 模板库，用于线性代数运算和矩阵计算。接下来的代码中将使用 Eigen 中的矩阵类型和运算。
int main(int argc, char **argv) {// Eigen 中所有向量和矩阵都是Eigen::Matrix ，它是一个模板类。它的前三个参数为：数据类型，行，列// 声明一个2*3的float矩阵Matrix matrix_23;
这行代码声明了一个类型为的对象，该对象是一个 2x3 的矩阵，元素类型为 float 。是 Eigen 中的一个模板类，第一个模板参数指定矩阵元素的类型，第二个和第三个模板参数分别指定矩阵的行数和列数。
// 同时， Eigen 通过 typedef 提供了许多内置类型，不过底层仍是Eigen::Matrix// 例如 Vector3d 实质上是 Eigen::Matrix ，即三维向量Vector3d v_3d;// 这是一样的Matrix vd_3d;
这段代码中，我们声明了一个类型为的三维向量 v_3d ，和一个类型为的三维向量 vd_3d ，它们的本质是相同的，都是三维向量。由于 Eigen 通过提供了许多内置类型，因此可以看作是 Eigen:: 的别名，而 vd_3d 实质上就是一个列向量，它的行数为 3 ，列数为 1 。
// Matrix3d 实质上是 Eigen::MatrixMatrix3d matrix_33 = Matrix3d::Zero(); //初始化为零// 如果不确定矩阵大小，可以使用动态大小的矩阵Matrix matrix_dynamic;// 更简单的MatrixXd matrix_x;// 这种类型还有很多，我们不一一列举
这段代码使用了Eigen库定义的不同矩阵类型。例如，实际上是Eigen:: ，用于表示3x3的矩阵。= ::Zero()创建了一个3x3的零矩阵。如果不确定矩阵大小，可以使用动态大小的矩阵，例如或更简单地使用。Eigen库支持许多其他的矩阵和向量类型，可以根据需要进行选择。
在Eigen中，是一个特殊的值，表示一个矩阵或向量的维度是在运行时确定的。这意味着我们可以使用变量来指定矩阵或向量的大小，而不是在编译时指定固定的大小。
使用动态大小的矩阵的优点是它们非常灵活，可以在运行时根据需要动态分配内存。这使得它们非常适合需要动态调整大小的情况，如读取文件中的数据，或在运行时从用户获取输入。