Eigen 库是一个非常常用的线性代数库。Eigen 库中的 Map 类是一个非常有用却又很容易被忽略的类它不同于 C STL 中的map。Eigen::Map 是一个非常有用的类模板它的主要作用是将已存在的内存块当作 Eigen 矩阵或向量来使用而无需进行数据的复制操作。这种方式使得你可以直接操作已有的数据避免了额外的内存开销和数据复制带来的性能损耗。// Map类模板的定义如下 templatetypename PlainObjectType, int MapOptions, typename StrideType classMap;参数解释PlainObjectType映射后的eigen数据类型如常见的Eigen::VectorXd,Eigen::MatrixXd等等MapOptions指针所指对象的内存对齐方式默认值为 AlignedStrideType跨度类型默认情况下map在数组的内存中是连续取得映射元素可以通过该参数设置按照一定的跨度映射元素1. 为什么用Eigen::Map性能优化避免数据拷贝。在进行矩阵运算时如果每次都进行数据的拷贝会带来较大的性能开销。使用Map可以将外部数据陕封到Eigen的内存空间中直接对原始数据进行操作从而提高性能。便捷的数据访问通过Map可以直接像操作Eigen内部的矩阵和向量一样操作外部数据结构这样可以使代码更加简洁易懂。2.如何用Eigen::Map2.1.std::vector转eigen数据类型/// std::vector映射到 Eigen::Matrix23d /// 使用std::vector时通过.data()来获取数vector中的数组数据 #includevector int main() { std::vectordoubledata {1,2,3,4,5,6}; /// 在Eigen::Map中确定维度 Eigen::MapEigen::Matrixdouble,2,3 map(data.data()); Eigen::MapEigen::Matrixdouble,6,1 map1(data.data()); //现在你可以像操作矩阵一样操作map,例如: std::cout Matrix:/nmapstd::endl;return 0;} std::cout Matrix1:/nmap1std::endl;return 0;} /// 修改某一个对象其他也一同变化 /// 指向相同内存 map(1,1) 100; std::cout Matrix3:/nmapstd::endl;return 0;} std::cout Matrix4:/nmap1std::endl;return 0;} /// 在构造时指定维度 Eigen::MapEigen::VectorXd vd(data.data(),6); //构造成一个长度为6的列向量 std::cout ------ vd ------ std::endl vd std::endl; Eigen::MapEigen::MatrixXd xd(data.data(),3,2); //构造成一个3x2的矩阵 std::cout ------ xd ------ std::endl xd std::endl; } /// output ///Matrix: /// 1 2 3 /// 4 5 6 ///Matrix1: /// 1 /// 2 /// 3 /// 4 /// 5 /// 6 ///Matrix: /// 1 2 3 /// 4 100 6 ///Matrix1: /// 1 /// 2 /// 3 /// 4 /// 100 /// 6 ///------ vd ------ ///1 ///2 ///3 ///4 ///100 ///6 ------ xd ------ ///1 4 ///2 100 ///3 62.2.array转eigen数据类型/// 数组转矩阵 #includeEigen/Dense int main() { doublearray[6] {1,2,3,4,5,6}; Eigen::MapEigen::Matrixdouble,2,3map(array); // 现在你可以像操作矩阵一样操作map,例如: std::coutMatrix:/n mapstd::endl; } /// output /// Matrix: /// 1 2 3 /// 4 5 63.注意事项生命周期管理确保在使用Map时所引用的数据结构在作用域内是有效的。如果数据结构被释放或超出作用域使用Map进行访问将导致未定义行为。数据对齐某些硬件平台可能要求数据按照特定的方式对齐以获得最佳性能。在使用Map时确保数据的地址和大小满足这些要求。类型一致性确保映射的数据类型与模板参数匹配否则可能会导致运时错误。通过合理使用Eigen中的Map类可以有效地提高SLAM算法中矩阵运算的效率和代码的可维护性。
Eigen 库是一个非常常用的线性代数库。Eigen 库中的 Map 类是一个非常有用却又很容易被忽略的类它不同于 C STL 中的map。Eigen::Map 是一个非常有用的类模板它的主要作用是将已存在的内存块当作 Eigen 矩阵或向量来使用而无需进行数据的复制操作。这种方式使得你可以直接操作已有的数据避免了额外的内存开销和数据复制带来的性能损耗。// Map类模板的定义如下 templatetypename PlainObjectType, int MapOptions, typename StrideType classMap;参数解释PlainObjectType映射后的eigen数据类型如常见的Eigen::VectorXd,Eigen::MatrixXd等等MapOptions指针所指对象的内存对齐方式默认值为 AlignedStrideType跨度类型默认情况下map在数组的内存中是连续取得映射元素可以通过该参数设置按照一定的跨度映射元素1. 为什么用Eigen::Map性能优化避免数据拷贝。在进行矩阵运算时如果每次都进行数据的拷贝会带来较大的性能开销。使用Map可以将外部数据陕封到Eigen的内存空间中直接对原始数据进行操作从而提高性能。便捷的数据访问通过Map可以直接像操作Eigen内部的矩阵和向量一样操作外部数据结构这样可以使代码更加简洁易懂。2.如何用Eigen::Map2.1.std::vector转eigen数据类型/// std::vector映射到 Eigen::Matrix23d /// 使用std::vector时通过.data()来获取数vector中的数组数据 #includevector int main() { std::vectordoubledata {1,2,3,4,5,6}; /// 在Eigen::Map中确定维度 Eigen::MapEigen::Matrixdouble,2,3 map(data.data()); Eigen::MapEigen::Matrixdouble,6,1 map1(data.data()); //现在你可以像操作矩阵一样操作map,例如: std::cout Matrix:/nmapstd::endl;return 0;} std::cout Matrix1:/nmap1std::endl;return 0;} /// 修改某一个对象其他也一同变化 /// 指向相同内存 map(1,1) 100; std::cout Matrix3:/nmapstd::endl;return 0;} std::cout Matrix4:/nmap1std::endl;return 0;} /// 在构造时指定维度 Eigen::MapEigen::VectorXd vd(data.data(),6); //构造成一个长度为6的列向量 std::cout ------ vd ------ std::endl vd std::endl; Eigen::MapEigen::MatrixXd xd(data.data(),3,2); //构造成一个3x2的矩阵 std::cout ------ xd ------ std::endl xd std::endl; } /// output ///Matrix: /// 1 2 3 /// 4 5 6 ///Matrix1: /// 1 /// 2 /// 3 /// 4 /// 5 /// 6 ///Matrix: /// 1 2 3 /// 4 100 6 ///Matrix1: /// 1 /// 2 /// 3 /// 4 /// 100 /// 6 ///------ vd ------ ///1 ///2 ///3 ///4 ///100 ///6 ------ xd ------ ///1 4 ///2 100 ///3 62.2.array转eigen数据类型/// 数组转矩阵 #includeEigen/Dense int main() { doublearray[6] {1,2,3,4,5,6}; Eigen::MapEigen::Matrixdouble,2,3map(array); // 现在你可以像操作矩阵一样操作map,例如: std::coutMatrix:/n mapstd::endl; } /// output /// Matrix: /// 1 2 3 /// 4 5 63.注意事项生命周期管理确保在使用Map时所引用的数据结构在作用域内是有效的。如果数据结构被释放或超出作用域使用Map进行访问将导致未定义行为。数据对齐某些硬件平台可能要求数据按照特定的方式对齐以获得最佳性能。在使用Map时确保数据的地址和大小满足这些要求。类型一致性确保映射的数据类型与模板参数匹配否则可能会导致运时错误。通过合理使用Eigen中的Map类可以有效地提高SLAM算法中矩阵运算的效率和代码的可维护性。
