在ROS的Cmake中使用Eigen庫進行矩陣和向量的運算和很友善。下面逐漸添加他的使用方法。
１ 配置
首先要在CmakeLists.txt中先進行設定：
由于Eigen是ros以外的庫，是以要單獨的使用
find_package(Eigen REQUIRED)
同時Eigen依賴cmake_modules。是以還要
find_package(catkin REQUIRED COMPONENTS
cmake_modules)。
2 認識一些頭檔案
Eigen庫分為 核心子產品和額外子產品兩部分，每個子產品都有一個用這個子產品所相對應的頭檔案，Eigen和Dense頭檔案友善的同時包含了幾個頭檔案以供使用。下面做簡單介紹：
——Core
有關矩陣和數組的類，有基本的線性代數（包含 三角形 和 自伴乘積 相關），還有相應對數組的操作。
——Geometry
幾何學的類，有關轉換、平移、進位制、2D旋轉、3D旋轉（四元組和角軸相關）
——LU
邏輯單元的類，有關求逆，求行列式，LU分解解算器（FullPivLU,PartialPivLU)
——Cholesky
包含LLT和LDLT的喬裡斯基因式分解法。
（小科普：Cholesky分解是把一個對稱正定的矩陣表示成一個下三角矩陣L和其轉置的乘積的分解）
——Householder
豪斯霍爾德變換，這個子產品供幾個線性代數子產品使用。
（Householder transform: 維基百科 ）
——SVD
奇異值分解，最小二乘解算器解決奇異值分解。
——QR
QR分解求解，三種方法：HouseholderQR、ColPivHouseholderQR、FullPivHouseholderQR
——Eigenvalues
特征值和特征向量分解的方法：EigenSolver、SelfAdjointEigenSolver、ComplexEigenSolver
——Sparse
稀疏矩陣相關類，對于稀疏矩陣的存儲及相關基本線性代數
——Dense
包含： Core、Gelometry、LU、Cholesky、SVD、QR和Eigenvalues子產品（頭檔案）
——Eigen
包含上述所有的子產品（頭檔案）
3 矩陣簡單操作
Eigen提供了兩種密集的對象Matrix（矩陣）和Vector（向量）。
這兩者是通過矩陣模闆類和一維或二維的數組模闆類來實作的。
這兩者有幾點不同：
——Matrix類型變量加減法，若行列數不相等，則不能做加減；
Array類型的可以加減一個常數（各個元素分别加減該常數）。
——Matrix與Array類型變量做乘法也會有不同，Matrix是矩陣相乘，Array是對應元素相乘。
——但兩者可以互相轉換，方法為 .array() 和 .matrix()。
3.1 定義
定義矩陣時，預設沒有初始化，必須自己初始化。
Eigen的矩陣類型，一般是Matrix後面跟類型符号來表示，比如說：
——’ d ’ 代表 double，矩陣存儲的是double型的資料
——’ f ’ 代表float，矩陣存儲的是float類型資料
——’ c ‘代表complex，矩陣存數的是複數類型資料
——’ i ‘代表int，矩陣存儲的是整數類型
相應關系為：
3.2 初始化
m1=MatrixXf::Zero(,); // 将矩陣3行4列初始化為0
m2=MatrixXf::Ones(,); // 将矩陣3行3列初始化為1
v1=Vector3f::Ones(); // 将3行的縱向量初始化為1
cout<<"m1=\n"<<m1<<endl;
cout<<"m2=\n"<<m2<<endl;
cout<<"v1=\n"<<v1<<endl;
運作結果為：
3.3 通路
直接就同數組的通路方式一樣，但是不是方括号，而是圓括号：
MatrixXf m3(,);
m3<<,,,,,;
cout<<"m3_1\n"<<m3<<endl;
// 為了美觀點，更像個矩陣，可以換行寫
m3<<,,-,
,,;
cout<<"m3_2=\n"<<m3<<endl;
// 将第2行第3列的值改為99
m3(,)=;
cout<<"m3_3=\n"<<m3<<endl;
當然，同數組一樣，第一行第一列的下标為（0,0）
輸出結果：
4 矩陣的運算
——置0
——置1
——随機矩陣
——機關陣
——求逆
——轉置
——數乘矩陣
——向量求模值
<span style="white-space:pre"> </span>MatrixXf m1(3,3);
// 矩陣全部元素置0
m1.setZero();
cout<<"m1_1=\n"<<m1<<endl;
// 矩陣全部元素置1 ( 這裡行列值不填，預設定義時候的行列，
// 若填寫，則矩陣也會更改為填寫的行列值 )
m1.setOnes(2,2);
cout<<"m1_2=\n"<<m1<<endl;
// 随機生成一個矩陣
m1.setRandom();
cout<<"m1_3=\n"<<m1<<endl;
// 置機關矩陣
m1.setIdentity(3,3);
cout<<"m1_4=\n"<<m1<<endl;
m1<< 1 , 2 , 3 ,
5 , 9 ,10 ,
7 , 0 ,1 ;
// 矩陣求逆
m1.inverse();
cout<<"m1_5=\n"<<m1<<endl;
// 矩陣轉置
m1.transpose();
cout<<"m1_6=\n"<<m1<<endl;
// 數 * 矩陣 ( 數 / 矩陣 )
m1 = 2.6 * m1 ;
cout<<"m1_7=\n"<<m1<<endl;
//求向量模值 norm()
待更新。。。。。
參考：
http://blog.csdn.net/lttree/article/details/39099315