ROS2 C++ 开发：使用 Eigen 库进行矩阵运算
在机器人开发中，线性代数运算是核心基础，涉及坐标变换、运动学解算等高频任务。手动实现这些算法既耗时又易错，因此引入成熟的外部库是最佳实践。Eigen 是一个高性能的 C++ 模板库，专为线性代数设计，广泛应用于 ROS 及机器人领域。它能显著减少重复代码编写，提升开发效率与程序稳定性。
安装 Eigen 库
在 Ubuntu 环境下，Eigen 可以通过系统包管理器直接安装。打开终端，执行以下命令即可获取开发所需的头文件和配置：
sudo apt install libeigen3-dev
该命令会安装 libeigen3-dev 包。由于 Eigen 是纯头文件库（Header-only），安装后无需链接额外的二进制库文件，只需在编译时指定头文件路径即可。若系统提示输入密码，请输入当前用户密码并等待安装完成。
编写示例代码
创建名为 simple_eigen_example.cpp 的新文件，并在 VS Code 中编辑。以下代码演示了如何定义三维向量并执行转置操作：
#include <iostream> // 标准输入输出流
#include <Eigen/Dense> // 引入 Eigen 密集矩阵模块
int main() {
// 定义一个三维双精度向量，初始化为 (1, 2, 3)
Eigen::Vector3d v(1, 2, 3);
// 打印向量及其转置结果
// .transpose() 返回向量的转置形式
std::cout << "Here is the vector v:\n" << v << std::endl;
std::cout << "Here is v.transpose():\n" << v.transpose() << std::endl;
return 0;
}
代码首先包含 <Eigen/Dense>，这是 Eigen 中最常用的模块，涵盖了向量、矩阵及基本运算。Eigen::Vector3d 是固定大小的 3x1 双精度向量类型。通过 .transpose() 方法，可以轻松获取行向量或列向量的转置，这在坐标系转换中极为常见。
小结：Eigen 采用模板元编程技术，编译期确定矩阵大小，因此运行效率极高。注意
Vector3d中的d代表double类型，若需单精度可使用Vector3f。
编译与运行
由于 Eigen 不是标准库，编译时需显式指定头文件路径。使用 g++ 编译器时，通过 -I 参数指向 Eigen 的安装目录：
g++ -I /usr/include/eigen3 simple_eigen_example.cpp -o example
-I /usr/include/eigen3：告诉编译器在该目录下查找#include的头文件。simple_eigen_example.cpp：源文件名。-o example：指定生成的可执行文件名为example。
编译成功后，在终端运行可执行文件：
./example
终端将输出向量内容及其转置形式。若看到类似 1 2 3 的输出，说明环境配置正确，Eigen 库已正常工作。
速查表
- 安装命令：
sudo apt install libeigen3-dev - 核心头文件：
#include <Eigen/Dense> - 常用类型：
Eigen::Vector3d（3维双精度向量）、Eigen::MatrixXd（动态大小矩阵） - 编译参数：必须添加
-I /usr/include/eigen3以包含头文件 - 关键操作：
.transpose()用于矩阵或向量转置，.inverse()用于求逆
