Eigen3是一个广泛应用于C++中的开源线性代数库，专为高效计算而设计。它提供了大量的矩阵和向量操作，以及线性方程组的求解器，适合于科学计算、图形处理、机器学习等领域。这个“Eigen3.zip”库是针对Visual Studio 2015（VS2015）编译的，适用于VC14编译器，确保了在Windows平台上开发时的兼容性。 在VS2015中使用Eigen3库，首先需要将库文件添加到项目中。下载并解压“Eigen3.zip”后，你会得到一个包含头文件的“Eigen”目录。这些头文件不需要编译，可以直接在项目中包含来使用库功能。例如，在C++源代码中，通过`#include `来引入基础的矩阵和向量操作。 Eigen3的核心特性包括： 1. **模板类**：Eigen3使用C++模板实现，允许动态或静态大小的矩阵和向量，以及不同类型的数据（如浮点数或双精度数）。 2. **表达式模板**：这是一种编译时优化技术，使得连续的操作可以被组合成单个内存访问，提高性能。例如，`M = A + B * C;`会被编译器优化为一次内存操作，而不是三个独立的步骤。 3. **矩阵运算**：Eigen3支持矩阵的乘法、加法、转置、逆、特征值等基本运算，以及更复杂的操作如奇异值分解、QR分解、LU分解等。 4. **向量操作**：包括向量的加减、点乘、叉乘，以及线性插值等功能。 5. **线性方程组求解**：提供多种求解器，如高斯消元、迭代方法（如CG、GMRES）等，用于解决Ax=b形式的线性问题。 6. **稀疏矩阵支持**：Eigen3还支持稀疏矩阵，这对于处理大规模线性系统特别有用，因为它们可以有效地存储和处理只有少数非零元素的矩阵。 7. **多线程优化**：虽然Eigen3本身不直接支持多线程，但其设计允许用户在自己的多线程环境中高效地使用。 8. **易于集成**：由于Eigen3仅包含头文件，没有库文件，因此可以方便地与任何其他C++项目集成，无需链接步骤。 为了在VS2015项目中使用Eigen3，你需要在项目的“属性”->“C/C++”->“常规”->“附加包含目录”中添加Eigen3头文件的路径。然后，你就可以在源码中使用Eigen3提供的各种数据结构和函数，进行高效的线性代数计算了。 Eigen3是一个强大且灵活的工具，对于那些需要进行矩阵运算和线性代数计算的C++项目来说，是一个不可或缺的第三方库。它的高效性能和易用性使得它在许多领域，特别是计算机图形学、物理模拟、数据分析和机器学习中都得到了广泛应用。

caffe中提供了c++的接口，所以在c++矩阵对矩阵的处理是不可避免的，所以这里使用了eigen库来实现c++对矩阵、向量等的快速处理。 eigen是开源、并且不用编译的库，主要原因是它提供的实现都是模板，所以不能使用编译好的链接库。 下面介绍Ubuntu下的相关配置： 1、安装 该部分主要参照eigen3下载后的安装文档： 1）在INSTALL文件所在的文件路径新建一个文件夹如build_dir(m) 2）进入build_dir（cd build_dir） 3)cmake .. 4)make 5)sudo make install 安装后头文件在： usr/local/include/eigen3

eigen3 使用2019/12最新的eigen3版本（eigen3-latest）编译， 编译方法使用cmake3+vs2017 由于网上基本没有此共享后的include文件和lib文件，所以分享出来。 通常vs下可以使用libeigen*.dll.a(静态库）来进行链接。 分享目录如下 链接：https://pan.baidu.com/s/1rbdRNkcD16r7pq12erGmqg  提取码：cvvc

ubuntu安装ORB-SLAM eigen3.3.7资源包

包括eigen3.3.7，pangolin0.5，opencv3.4.12

Eigen3安装测试代码

Eigen3库虽然可以不编译，但是我为了编译Ceres库还是把Eigen库编译了一下，Eigen库编译不会生成动态链接库，只会有include文件和share文件，主要是使用include文件中的eigen3文件夹

eigen3.4.0库

Windows下强大的C++矩阵运算库 Engin3 速度超过opencv 导入项目方便。

# Get Pangolin cd ~/your_fav_code_directory git clone --recursive https://github.com/stevenlovegrove/Pangolin.git cd Pangolin # Install dependencies (as described above, or your preferred method) ./scripts/install_prerequisites.sh recommended # Configure and build cmake -B build cmake --build build # with Ninja for faster builds (sudo apt install ninja-build) cmake -B build -GNinja cmake --build build # GIVEME THE PYTHON STUFF!!!! (Check the output to verify selected python version) cmake --