如何将特征雅可比奇异值分解与特征仿射矩阵结合使用

问题 :我正在尝试使用特征JacobiSVD模块计算旋转矩阵的奇异值分解,以计算旋转矩阵的单值分解。

预期 :我应该能够将Eigen::Affine3d类型的旋转矩阵传递给svd方法,然后使用svd中的U和V生成Eigen::Affine3d类型的新旋转矩阵。

观察 svd方法不会将我的tSixDof矩阵作为可接受的参数。

问题 为什么我不能使用仿射矩阵作为输入?是否有更好的方法执行此操作?

// Resolve numerical errors in the rotation matrix by implementing the 
// orthogonal procrustes problem algorithm.

void SixDof::resolveRotation()
{
   //initial SixDof
   SixDof tSixDof;

   Eigen::Index n = tSixDof.rows();
   Eigen::Index m = tSixDof.rows();

   Eigen::Matrix3d U;
   Eigen::Matrix3d V;
   Eigen::Matrix3d R;

   Eigen::JacobiSVD<Eigen::Matrix3d> svd(tSixDof.rotation() 
   Eigen::ComputeFullU | Eigen::ComputeFullV);
   U = svd.matrixU();
   V = svd.matrixV();

   R = U*V.transpose();
   //Resolved SixDof
   tSixDof.rotation() = R;

 }

六自由度类

class SixDof : public Eigen::Affine3d 
{
public:
SixDof();
SixDof(const Eigen::Affine3d& aOther);
void resolveRotation();
};