视觉SLAM中的数学基础 第一篇 3D空间的位置表示

视觉SLAM中的数学基础 第一篇 3D空间的位置表示

前言

　　转眼间一个学期又将过去，距离我上次写《一起做RGBD SLAM》已经半年之久。《一起做》系列反响很不错，主要由于它为读者提供了一个可以一步步编码、运行的SLAM程序，为读者理解SLAM实现的细节作了详细的介绍。但是我也有很多对它不满意的地方。作为面向实现的介绍，它的代码不够稳定可靠，例如，甚至没有对匹配丢失的情况进行处理，因而只能用于教学。另一方面，对SLAM研究者来说，我只是介绍了编码方面如何调用一些常见的库函数，而没有对这些函数进行深入的，原理上的讲解。这就导致了读者只了解了函数的接口，而没法根据数学原理进行创新。归根到底，研究机器人相关问题，一是要有扎实的数学基础，二是要有强大的动手编程能力，这对大多数刚入门的研究者来说，极具挑战性。我也希望，通过阅读我的博客，你能走进SLAM研究的门槛，有朝一日自己也写出优秀的程序和论文。

　　有鉴于此，我准备写一写SLAM相关的数学知识，包括代数、几何、概率、运筹等等。对于重要的算法例如ICP，EKF，细致讨论它的原理，并给出它的实现（原生的代码或在某个库的实现）。由于它们的原理较复杂，我会从最基本的东西开始讲起。但是我毕竟不是在写数学书，我不会像数学书那样写成``定义——定理——推论”的结构。我们不会纠缠于一些定理的严格证明，相反的，我们只在必要的情况下加以说明，告诉读者这些数学公式在SLAM中有何应用，如何应用。

　　由于博客编辑器的限制，我们以斜体字 x x表示变量，以粗正体 A A表示矢量和字母，以黑板粗体 R R表示空间。希腊字母没有粗体所以保持原样。向量默认为列向量。其余和普通的数学书一致。 

　　小萝卜：师兄，这么严肃不是你的风格啊！

　　师兄：啊，数学嘛……

---

 

刚体运动

　　本篇我们讨论一个很基础的问题：如何描述机器人的位姿。这也是研究SLAM的第一个问题。注意这里“位姿”的用语包含了位置和姿态。描述位置是很简单的。如果机器人在平面内运动，那么用两个坐标来描述它的位置：

x=[x,y]T. xxyT

相应的，如果它在三维空间中，我们就用三个空间坐标来表示：

x=[x,y,z]. xxyz

　　姿态的表达比点稍为复杂。2D的姿态可以只用一个旋转角 θ θ表达。3D姿态的表达方式则有多种。常见的如欧拉角、四元数、旋转矩阵等。我们将在后文详细介绍。有了位置和姿态，我们就可以描述一个坐标系。进一步，还能描述坐标系间的变换关系。常见的问题如：机器人视野中某个点，对世界坐标系的（或地图的）哪个点？这时，就需要先得到该点针对机器人坐标系坐标值，再根据机器人位姿转换到世界坐标系中。 

齐次坐标系

　　在位姿转换中，通常采用射影空间的齐次坐标表示。齐次坐标是什么呢？记 n n维射影空间为 Pn Pn，其中一个空间点的坐标为普通的3D坐标加一个齐次分量：

x=[x1,…,xn,w]T. xx1xnwT

例如，在2维和3维射影空间中的点，分别表示为：

x2D=[x,y,w]Tx3D=[x,y,z,w]T(1) (1)x2DxywTx3DxyzwT

　　小萝卜：既然一个空间点只有3个坐标，为啥非要用四个数表示呢？

　　师兄：嗯，四个数表示点，说明点和坐标肯定不是一一对应的。没错，在齐次坐标中，某个点 x x的每个分量同乘一个非零常数 k k后，仍然表示的是同一个点。因此，一个点的具体坐标值不是唯一的。如 [1,1,1,1]T 1111T和 [2,2,2,2]T 2222T是同一个点。但在 w≠0 w0时，我们可以对每个坐标除以最后一项 w w，强制最后一项为1，从而得到一个点唯一的坐标表示：

x3D=[x/w,y/,z/w,1]T(2) (2)x3Dxwyzw1T

　　这时，忽略掉最后一项，这个点的坐标和欧氏空间就是一样的。那么，为要用齐次坐标呢？原因有以下几条。

• 齐次坐标下点和直线（高维空间里为超平面）能够使用同样的表达。

　　例如，3D空间 R3 R3中，一个平面 π π可由一个方程定义：

π:ax+by+cz+d=0(3) (3)πaxbyczd0

　　则该平面 π π可以用 P3 P3中的坐标 π=[a,b,c,d]T πabcdT来描述。这样，点位于平面上（2D对应点位于直线上）的事情可以简洁地表示为：

πTx=0.(4) (4)πTx0.

　　把点和超平面采用同样的表示，这种做法一个非常直接的好处，是射影几何里的“对偶原理”。该原理是说，任何有关“点”与“平面”的命题，都可以交换“点”与“平面”的概念，得到一个对偶的命题。对偶命题和原命题是一样的。通过“对偶原理”，射影几何的数学家就可以偷懒，只需要证一半定理，因为对偶命题和原命题有同样的涵义。例如，我们证明了 P2 P2中某条件下三点共线，那么替换概念后的三线共点则自然成立。

　　小萝卜：数学家真是好懒啊！

• 齐次坐标能囊括无穷远点与无穷远超平面。

　　最后一项坐标为零的点称为无穷远点，它们在 Pn Pn中真实存在，且能够很方便地参与正常的代数运算。根据式 4 4，易见所有无穷远点都在一个平面 π∞=[0,0,0,1]T π∞0001T上，该平面记作无穷远平面（2D对应无穷远直线）。
　　 P2 P2中的无穷远直线较容易理解。它就像是地平线，与所有直线相交于位于它之上的无穷远点。而且，在射影变换中（例如照相），很容易在照片中看到地平线并算出它的方程。这说明2D射影变换会把无穷远线变成通常的直线。

• 齐次坐标可以方便地将平移与旋转放在一个矩阵中。

　　师兄：这应该是最明显的好处啦！大家都爱用齐次坐标，包括我。有关坐标系怎么用齐次坐标进行变换，后文会详细解释。现在我们能表达点了，还剩下一个姿态。由于2D与3D差别较大，我们分而述之。

---

 2D姿态的描述

　　2D空间中，物体的位姿可用两个平移量 tx,ty txty加一个旋转角 θ θ表示，如下图所示。此时，设机器人坐标系 O′−X′−Y′ OXY下某点的坐标为 [xr,yr]T xryrT，对应在世界坐标系 O−X−Y OXY下为 [xw,yw]T xwywT，那么由直观推得：

{xw=xrcosθ−yrsinθ+txyw=xrsinθ+yrcosθ+ty(5) (5)xwxrcosθyrsinθtxywxrsinθyrcosθty

　　读者可以自行尝试推导一下，在虚线处建立一个中间坐标系即可。若将该式写成矩阵形式，则有：

xw=Rxr+t(6) (6)xwRxrt

　　其中

R=[cosθsinθ−sinθcosθ],t=[tx,ty]T RcosθsinθsinθcosθttxtyT

R R称为旋转矩阵， t t为平移矢量。注意到 R R是一个正交矩阵，且只有一个自由度。加上平移矢量后，一共有三个自由度。

　　此定义下的旋转阵必是正交阵。而正交阵并非全是旋转矩阵。事实上，行列式为 +1 1的正交阵才是旋转矩阵，行列式为 −1 1的正交阵是镜像后的旋转矩阵。

　　式 6 6中， xw xw和 xr xr还不是线性关系。下面我们用齐次坐标表示它们，即：

xw=[xw,yw,1]T,xr=[xr,yr,1]T xwxwyw1Txrxryr1T

则有：

xw=[R2×20T1×2t2×1I1×1]xr(7) (7)xwR22t21012TI11xr

　　为便于理解，我们在矩阵下方标出了它的维数。可以看使用齐次坐标标满足了线性关系，记作：

xw=Tw,rxr(8) (8)xwTwrxr

　　其中 Tw,r Twr表示从世界坐标系到机器人坐标系的变换矩阵。我们也可以轻松地写出反向的变换矩阵：

xr=Tr,wxw=T−1w,rxw=[R−10T−R−1t1]xw(9) (9)xrTrwxwTwr1xwR1R1t0T1xw

　　既然如此，我们就可用 T T表示机器人的位姿，那么机器人在时刻 t t的位姿就可以记作 Tt Tt。当然，从存储上来讲，存储 T T是不经济的。在2D运动中，它有九个变量，但实际自由度只有三个。所以我们可以只存储位移矢量 t t与旋转角 θ θ，而在需要计算的时候再构建出 T T。称2D欧几里得变换，它对矩阵乘法构成群(群是一个集合加一种运算，且运算在该集合上满足封闭性、结合律、有单位元和逆元。)，该群记作 SE(2) SE2。相应的，二维旋转构成二维旋转群(或称特殊正交群) SO(2) SO2。有关它们进一步的性质，我们会在以后的李群、李代数中提到。

---

 3D变换

　　3D的旋转可以由旋转矩阵、欧拉角、四元数等若干种方式描述，它们也统称为三维旋转群 SO(3) SO3。而3D的变换即旋转加上位移，是为 SE(3) SE3。为了和2D变换统一起见，我们首先介绍旋转矩阵表示法。

旋转矩阵描述

　　旋转矩阵是一种 3×3 33的正交矩阵，它对变换的描述十分类似于2D情形。参照上一节的数学符号，我们有：

xw=[R3×30T1×3t3×111×1]xr(10) (10)xwR33t31013T111xr

　　这里 R R为3D的旋转矩阵，同样的， t t为3D的平移矢量。

　　由于3D旋转都可以归结成按照某个单位向量 n n进行大小为 θ θ的旋转。所以，已知某个旋转时，可以推导出对应的旋转矩阵。该过程由罗德里格斯公式表明，由于过程比较复杂，我们在此不作赘述，只给出转换的结果：

R(n,θ)=⎡⎣⎢n2x(1−cθ)+cθnxny(1−cθ)−nzsθnxnz(1−cθ)+nysθnxny(1−cθ)+nzsθn2y(1−cθ)+cθnynz(1−cθ)−nxsθnxnz(1−cθ)−nysθnynz(1−cθ)+nxsθn2z(1−cθ)+cθ⎤⎦⎥(11) (11)Rnθnx21cθcθnxny1cθnzsθnxnz1cθnysθnxny1cθnzsθny21cθcθnynz1cθnxsθnxnz1cθnysθnynz1cθnxsθnz21cθcθ

　　这里 n=[nx,ny,nz]T,cθ=cosθ,sθ=sinθ nnxnynzTcθcosθsθsinθ。公式虽然较为复杂，但实际写成程序后，只需知道旋转方向和角度后即可完成计算。另一件有趣的事是，如果用

n∧=⎡⎣⎢0nz−ny−nz0nxny−nx0⎤⎦⎥ n0nznynz0nxnynx0

表示与 n n对应的一个反对称矩阵，那么有：

R(n,θ)=cosθI+(1−cosθ)nnT+sinθn∧=exp(θn∧)(12) (12)RnθcosθI1cosθnnTsinθnexpθn

　　最后那个指数，读者若不理解，可以暂时不管它，这将在之后的李代数中会讲到。根据此式，我们也可以从任意给定的旋转矩阵，求出对应的转轴与转角。关于转角 θ θ，我们对上式两边求矩阵的迹，可得：

tr(R)===cosθtr(I)+(1−cosθ)tr(nnT)+sinθtr(n∧)3cosθ+(1−cosθ)1+2cosθ(13) (13)trRcosθtrI1cosθtrnnTsinθtrn3cosθ1cosθ12cosθ

　　因此：

θ=arccos(12tr(R)−1)(14) (14)θarccos12trR1

　　关于转轴 n n，由于旋转轴上的向量在旋转后不发生改变，说明

Rn=n. Rnn

　　因此，只要求此方程的解向量即可。这也说明 n n是 R R特征值为 1 1的一个特征向量。

　　总之，读者应当明白在3D时，旋转和平移仍可用转移矩阵 T T来描述，其结构也与2D类似。而 T4×4 T44构成了三维欧氏变换群 SE(3) SE3。注意到 T T虽然有16个变量，但真正的自由度只有6个，其中3个旋转，3个位移。

　　旋转矩阵描述是一种比较适合数学推导及计算机实现的方式，但它不符合人类的思维方式。当你看到一个 3×3 33的矩阵时，很难想象物体实际上发生了怎样的旋转。反之，给定一个旋转方式，人也很难直接写出矩阵的数值。所以，为了便于人类理解，人们还使用了其他方法来表示三维旋转。

欧拉角

　　欧拉角是一种广为使用的姿态描述方式，以直观见长。在最常用的欧拉角表达方式中，我们把旋转分解成沿三个轴转动的量：滚转角－俯仰角－偏航角(roll-pitch-yaw)。它的好处是十分的直观，且只有三个参数描述。缺点是会碰到著名的万向锁问题：在俯仰为 ±90∘ 90时，表达某个姿态的形式不唯一。此外，它也不易于插值和迭代。

　　我们并不会详细介绍欧拉角，因为它在SLAM中用处也很有限。我们既不会在数学推导中使用它，也不会在程序中用欧拉角表示机器人的姿态。不过，在您想验证自己算法输出的姿态是否有错时，转换成欧拉角能让你快速辨认结果是否有错。

 四元数

　　四元数原理和各种运算将在下一篇博客中提到。

---

本篇小结

　　本篇博客介绍了2D和3D空间中刚体运动的表示方法，以旋转矩阵为主。下一篇我们将介绍四元数表示法，然后演示如何用Eigen3对这些矩阵进行操作。敬请期待。