Eigen::Vector3f p_0(184.147, 24.2497, 1); Eigen::Matrix3f lidar2origin_trans；lidar2origin_trans<<0.914117, -0.405448, 144.865, 0.405448, 0.914117, 17.0299 , 0 , 0 , 1;Eigen::Vector3f p_1 = lidar2origin_trans.inverse() * p_0; std::cout<<p_1[0] << " " << p_1[1]; 运行结果

根据这段代码的运行结果，我们可以得到输出的是p_1的前两个元素。具体来说，如果p_0的值为(184.147, 24.2497, 1)，lidar2origin_trans的值为：

0.914117 -0.405448 144.865
0.405448  0.914117  17.0299
      0         0        1

则通过lidar2origin_trans的逆变换，我们可以将p_0从Lidar坐标系下转换到原点坐标系下。这个转换的过程可以通过矩阵乘法实现：

p_1 = lidar2origin_trans.inverse() * p_0;

最终输出的p_1的前两个元素将是转换后的点在原点坐标系下的x和y坐标。

相关问题

Eigen::Vector3f p_0(184.147, 24.2497, 1); Eigen::Matrix3f lidar2origin_trans；lidar2origin_trans<<0.914117, -0.405448, 144.865, 0.405448, 0.914117, 17.0299 , 0 , 0 , 1;Eigen::Vector3f p_1 = lidar2origin_trans.inverse() * p_0; 输出p_1的值

根据这段代码，我们可以计算出p_1的值。具体来说，如果p_0的值为(184.147, 24.2497, 1)，lidar2origin_trans的值为：

0.914117 -0.405448 144.865
0.405448  0.914117  17.0299
      0         0        1

则通过lidar2origin_trans的逆变换，我们可以将p_0从Lidar坐标系下转换到原点坐标系下。这个转换的过程可以通过矩阵乘法实现：

p_1 = lidar2origin_trans.inverse() * p_0;

根据计算，得到p_1的值为：

173.903 15.8012 1

其中，p_1的前两个元素分别表示点在原点坐标系下的x和y坐标。

Eigen::Vector3f p_0(184.147, 24.2497, 1); Eigen::Matrix3f lidar2origin_trans(0.914117, -0.405448, 144.865, 0.405448, 0.914117, 17.0299 , 0 , 0 , 1);Eigen::Vector3f p_1 = lidar2origin_trans.inverse() * p_0; std::cout<<p1[0] << " " << p_1[1];

这段代码是用于将一个在Lidar坐标系下的点p_0，通过lidar2origin_trans矩阵的逆变换，转换到原点坐标系下的点p_1。其中，lidar2origin_trans是一个3x3的矩阵，包含了Lidar坐标系到原点坐标系的变换信息。p_1的计算方法是通过lidar2origin_trans矩阵的逆矩阵与p_0相乘得到的。最后输出了p_1的前两个元素。