Eigen 求解仿射变换参数代码

以下是使用 Eigen 求解仿射变换参数的示例代码：

#include <iostream>
#include <Eigen/Dense>

int main()
{
    // 仿射变换前的点
    Eigen::MatrixXd srcPoints(2, 3);
    srcPoints << 1, 2, 3,
                 4, 5, 6;

    // 仿射变换后的点
    Eigen::MatrixXd dstPoints(2, 3);
    dstPoints << 2, 3, 4,
                 5, 6, 7;

    // 构建系数矩阵和常数向量
    Eigen::MatrixXd A(6, 6);
    Eigen::VectorXd b(6);
    for (int i = 0; i < 3; i++) {
        A.block<2, 2>(2 * i, 0) << srcPoints.col(i).transpose(), 1, 0, 0, 0;
        A.block<2, 2>(2 * i, 2) << 0, 0, srcPoints.col(i).transpose(), 1, 0, 0;
        A.block<2, 2>(2 * i, 4) << 0, 0, 0, 0, srcPoints.col(i).transpose(), 1;
        b.segment<2>(2 * i) = dstPoints.col(i);
    }

    // 求解线性方程组
    Eigen::VectorXd x = A.colPivHouseholderQr().solve(b);

    // 将解析出的参数放入变换矩阵
    Eigen::Matrix3d T;
    T << x(0), x(1), x(2),
         x(3), x(4), x(5),
           0,    0,    1;

    std::cout << "变换矩阵 T:\n" << T << std::endl;

    return 0;
}

其中，`srcPoints` 和 `dstPoints` 分别表示变换前和变换后的点，每列代表一个点。构建系数矩阵和常数向量的过程可以参考仿射变换的数学原理，具体实现中使用了 Eigen 的块矩阵操作和向量分段操作。最后使用 QR 分解求解线性方程组，并将解析出的参数存入变换矩阵 `T` 中。