一、前言：什么是 TooN？

在C++机器人、SLAM、姿态解算、视觉标定等轻量化高精度数值场景中，开发者常面临困境：Eigen体量偏大、编译模板膨胀；uBLAS语法老旧、性能一般；Blitz++侧重数组迭代、缺少线性代数求解；MTL4依赖Boost、配置繁琐。

TooN 是一款极致轻量、纯头文件、零依赖、专为小维度矩阵优化的工业级C++线性代数库，全称 Toolkit Of Numerics，由牛津大学研发，是 SLAM、机器人姿态解算、卡尔曼滤波、三维几何计算 的事实标准库。

TooN 核心定位：小维度、高精度、零开销、语法极简，不做大尺度稀疏矩阵，专注 2D/3D/4D/6D 几何与姿态运算，是四矩阵库中嵌入式、机器人场景最优解。

TooN 核心特点（区别于前三库）

• 纯头文件零依赖：无需编译、无需链接、无第三方依赖，下载头文件直接引入即用

• 静态维度极致优化：编译期固定维度，运行期零开销，速度碾压动态矩阵库

• 几何运算原生支持：向量点积、叉积、旋转矩阵、四元数、姿态变换原生API

• 精度极高：浮点误差控制优秀，适合标定、滤波、高精度拟合场景

• 语法极简干净：无冗余API、无奇葩运算符重载，贴近数学公式

• 机器人生态标配：广泛用于SLAM、视觉里程计、机器人控制、传感器融合

二、环境配置（全网最简单、开箱即用）

TooN 是纯头文件库，全平台通用，无需 cmake、无需编译、无需链接库。

1. 安装方式（全平台统一）

# Ubuntu/Debian 一键安装
sudo apt-get install libtoon-dev

# 手动安装（全平台通用）
git clone https://github.com/edrosten/TooN.git
cd TooN
sudo cp -r ./TooN /usr/include/

2. 核心头文件与命名空间

一行引入全覆盖向量、矩阵、线性求解、几何运算：

#include <TooN/TooN.h>
// 工程必加，简化所有API
using namespace TooN;

3. 编译命令

纯头文件，无任何链接需求，编译命令极简：

g++ main.cpp -o toon_demo -std=c++11

三、核心数据结构（向量+静态矩阵+动态矩阵）

TooN 核心优势：区分静态维度与动态维度，小维度静态矩阵编译期优化，大维度使用动态矩阵，兼顾性能与灵活性。

核心模板：Vector<维度, 类型>、Matrix<行,列,类型>

1. 一维向量 Vector（几何计算核心）

#include <iostream>
#include <TooN/TooN.h>
using namespace TooN;

int main()
{
    // 静态3维浮点向量
    Vector<3, double> vec;

    // 下标赋值
    vec[0] = 1.0;
    vec[1] = 2.0;
    vec[2] = 3.0;

    // 流式初始化（TooN招牌极简写法）
    Vector<3, double> vec2 = makeVector(4.0,5.0,6.0);

    // 遍历打印
    for(int i=0;i<3;i++)
        std::cout << vec[i] << " ";
    std::cout << std::endl;

    return 0;
}

2. 二维矩阵 Matrix（静态固定维度）

机器人开发99%场景使用静态矩阵，性能最优：

int main()
{
    // 2行2列静态矩阵
    Matrix<2,2,double> mat;

    // 逐元素赋值 mat(行,列)
    mat(0,0)=1; mat(0,1)=2;
    mat(1,0)=3; mat(1,1)=4;

    // 极简批量初始化
    Matrix<2,2,double> mat2 = makeMatrix(1.0,2.0,
                                         3.0,4.0);

    // 遍历打印
    for(int i=0;i<2;i++)
    {
        for(int j=0;j<2;j++)
            std::cout << mat(i,j) << " ";
        std::cout << std::endl;
    }
    return 0;
}

3. 动态矩阵（适配未知维度）

维度不确定时，使用 -1 标识动态维度，用法灵活：

// 动态行列矩阵
Matrix<-1,-1,double> dyn_mat(3,3);
dyn_mat = 1,2,3,
          4,5,6,
          7,8,9;

核心API释义

• mat.num_rows()：获取行数

• mat.num_cols()：获取列数

• vec.size()：获取向量维度

• 静态维度编译期校验，杜绝维度越界

四、基础运算（加减乘、点积、叉积、转置）

TooN 原生重载全部算数运算符，矩阵乘法、点积、三维叉积原生支持，完美适配几何运算。

1. 向量基础运算（点积+叉积重点）

int main()
{
    Vector<3,double> v1 = makeVector(1,2,3);
    Vector<3,double> v2 = makeVector(4,5,6);

    // 向量加减、数乘
    Vector<3,double> v_add = v1 + v2;
    Vector<3,double> v_mul = v1 * 2.0;

    // 向量点积（原生API）
    double dot = v1 * v2;

    // 三维向量叉积（SLAM、姿态计算核心）
    Vector<3,double> cross_val = cross(v1, v2);

    std::cout << "点积：" << dot << std::endl;
    std::cout << "叉积结果：" << cross_val << std::endl;
    return 0;
}

2. 矩阵基础运算

int main()
{
    Matrix<2,2,double> A = makeMatrix(1,2,3,4);
    Matrix<2,2,double> B = makeMatrix(2,2,2,2);

    // 矩阵加减、数乘
    Matrix<2,2,double> C = A + B;
    Matrix<2,2,double> D = A * 1.5;

    // 标准矩阵乘法（原生支持，直接*）
    Matrix<2,2,double> E = A * B;

    std::cout << "A*B矩阵乘法结果：\n" << E << std::endl;
    return 0;
}

四库对比亮点：TooN A*B 直接标准矩阵乘法，和MTL4一致，比uBLAS简洁、比Blitz++规范，新手零学习成本。

3. 矩阵转置

int main()
{
    Matrix<2,3,double> mat = makeMatrix(1,2,3,4,5,6);
    Matrix<3,2,double> mat_t = mat.T();
    std::cout << "转置矩阵：\n" << mat_t << std::endl;
    return 0;
}

五、高阶核心功能（行列式、求逆、线性方程组求解）

TooN 针对小维度矩阵深度优化，原生支持行列式、逆矩阵、线性方程组求解，精度极高。

1. 行列式 + 矩阵求逆

#include <cmath>
int main()
{
    Matrix<2,2,double> A = makeMatrix(1,2,3,4);

    // 行列式
    double det = determinant(A);
    std::cout << "行列式：" << det << std::endl;

    // 矩阵求逆
    if(fabs(det) > 1e-6)
    {
        Matrix<2,2,double> A_inv = inverse(A);
        std::cout << "逆矩阵：\n" << A_inv << std::endl;
    }
    return 0;
}

2. 线性方程组 Ax=b 求解

int main()
{
    Matrix<3,3,double> A = makeMatrix(
        2, 1, -1,
        -3,-1, 2,
        -2, 1, 2
    );
    Vector<3,double> b = makeVector(1, -8, -3);

    // 一行求解方程组
    Vector<3,double> x = solve(A, b);
    std::cout << "方程组解：" << x << std::endl;
    return 0;
}

六、完整基础可运行Demo

#include <iostream>
#include <cmath>
#include <TooN/TooN.h>
using namespace TooN;

void print_mat(const Matrix<-1,-1,double>& mat)
{
    for(int i=0;i<mat.num_rows();i++)
    {
        for(int j=0;j<mat.num_cols();j++)
        {
            printf("%8.4f ", mat(i,j));
        }
        printf("\n");
    }
}

int main()
{
    // 初始化矩阵
    Matrix<2,2,double> A = makeMatrix(1,2,3,4);
    std::cout << "原始矩阵A：\n";
    print_mat(A);

    // 行列式
    double det = determinant(A);
    std::cout << "行列式：" << det << "\n\n";

    // 逆矩阵
    Matrix<2,2,double> A_inv = inverse(A);
    std::cout << "逆矩阵：\n";
    print_mat(A_inv);

    // 矩阵乘法
    Matrix<2,2,double> B = A * A_inv;
    std::cout << "A*A_inv 单位矩阵：\n";
    print_mat(B);

    return 0;
}

七、TooN 高阶独家用法（SLAM/机器人专属）

本节为 TooN 区别于前三库的独家高阶能力，三维几何、姿态变换、矩阵分块、行列删除、向量归一化，是SLAM开发核心刚需。

1. 向量归一化、模长计算

int main()
{
    Vector<3,double> v = makeVector(3,4,0);
    // 模长
    double len = norm(v);
    // 单位化
    Vector<3,double> unit_v = unit(v);
    std::cout << "模长：" << len << std::endl;
    std::cout << "单位向量：" << unit_v << std::endl;
    return 0;
}

2. 矩阵分块、截取子矩阵

int main()
{
    Matrix<4,4,double> m;
    m = 1,1,1,1,
        2,2,2,2,
        3,3,3,3,
        4,4,4,4;
    // 截取 2行2列子矩阵
    Matrix<2,2,double> sub = m.slice(1,1,2,2);
    std::cout << "子矩阵：\n" << sub << std::endl;
    return 0;
}

3. 删除指定行/列（工程高频）

int main()
{
    Matrix<3,3,double> m = makeMatrix(1,2,3,4,5,6,7,8,9);
    // 删除第0行
    auto m2 = m.del_row(0);
    // 删除第1列
    auto m3 = m2.del_col(1);
    std::cout << "删除行列后矩阵：\n" << m3 << std::endl;
    return 0;
}

4. 零矩阵、单位矩阵快速生成

// 2阶单位矩阵
Matrix<2,2,double> eye = Identity;
// 3阶零矩阵
Matrix<3,3,double> zero = Zeros;

八、新手高频踩坑总结

• 静态维度不可变：静态矩阵维度编译期固定，运行期无法修改，动态计算必须用 -1 动态维度

• 维度严格校验：向量矩阵维度不匹配直接编译报错，提前规避运行期崩溃

• 仅适合小维度：不适合千阶万阶超大矩阵，优势在于小维度高精度几何运算

• 初始化格式：makeMatrix 按行填充，注意行列顺序

九、四大C++矩阵库横向对比（终极选型指南）

库名称	核心优势	短板	最佳适用场景
Boost.uBLAS	Boost生态、零依赖、标准线性代数	语法老旧、无几何运算、性能一般	通用小型矩阵计算、传统工程
Blitz++	数组迭代性能极强、高维数组友好	无原生矩阵乘法、无线性求解	大规模数组迭代、科学仿真遍历
MTL4	稠密+稀疏双支持、求解器丰富	依赖Boost、配置复杂	有限元、稀疏方程组、大规模求解
TooN	零依赖、小维度极致性能、几何姿态最强	不支持超大矩阵、无稀疏矩阵	SLAM、机器人、姿态解算、嵌入式

十、全文总结

本文严格对齐前三篇系列教程结构，完整讲解了 TooN 从环境搭建、核心数据结构、基础运算、高阶矩阵求解、机器人专属高阶几何用法、踩坑避坑、四库横向选型全套内容。

TooN 是四款轻量级矩阵库中嵌入式、机器人、SLAM、三维几何场景的绝对最优解，纯头文件、零依赖、高精度、零开销，是轻量化高精度数值计算的首选库。