旋转向量与欧拉角 罗德里格斯公式（Rodrigues's Formula）

旋转向量

旋转矩阵表达方式

旋转矩阵描述旋转，变换矩阵描述一个6自由度的三维刚体运动。但存在如下缺点：

1. SO(3)的旋转矩阵有9个量，但一次旋转只有3个自由度。因此这种表达方式是冗余的。同理，变换矩阵16个量表达了6个自由度的变换，也不够紧凑。
2. 旋转矩阵自身带有约束：它必须是个正交矩阵，且行列式为1。变换矩阵也是如此。当想要估计或优化一个旋转矩阵/变换矩阵时，这些约束会使得求解变得困难。

外积与旋转的关系

外积表达了两个向量的旋转关系。对于坐标系的旋转，任意旋转可以用一个旋转轴和一个旋转角来刻画。可以使用一个向量，器方向与旋转轴一致，而长度等于旋转角。这种向量称为旋转向量（或轴角，Axis-Angle)。这种表示法只需要一个三维向量即可描述旋转。同样，对于变换矩阵，我们使用一个旋转向量和一个平移向量即可表达一次变换。这时的位数正好是六维度。

旋转矩阵和旋转向量之间的转换

旋转轴n，角度为$\theta$，对应的旋转向量$\theta$n。从旋转矩阵到旋转向量的转换过程由罗德里格斯公式（Rodrigues’s Formula）表明。

罗德里格斯公式推导

v${}_{||}$与旋转向量v与旋转轴k(k为当我向量)相互垂直。对于与旋转轴呈任意角度的向量v，可以通过正交分解，把被旋转向量转化为与旋转轴平行的分量v${}_{||}$和与旋转轴垂直的分量 v${}_{\perp }$，其中与旋转轴平行的分量v${}_{||}$在旋转中是不变的，而与旋转轴垂直的分量 v${}_{\perp }$则恰好旋转了角度 $\theta$，把与旋转轴平行的分量与旋转以后的与旋转轴垂直的分量加在一起，即可得到旋转以后的分量。
对向量 v做正交分解：
v= v${}_{||}$+ v${}_{\perp }$
利用向量投影公式，可以得到 v${}_{||}$的表达式：
v${}_{||}$= (v$\cdot$k)k
通过减法，得到
v${}_{\perp }$=v-v${}_{||}$=v-(v$\cdot$k)k
利用外积可以计算与v${}_{\perp }$和k都垂直，且长度为v${}_{\perp }$的向量w：
w=k $\times$v${}_{\perp }$=k $\times$(v-(v$\cdot$k)k)=k$\times$v
旋转以后的向量可以表示为：
v${}_{\perp rot}=$ cos$\theta$ v${}_{\perp }$+sin$\theta$w=cos$\theta$(v-(v$\cdot$k)k)+sin$\theta$k$\times$v
与v${}_{||}$相加即可得到旋转以后的向量的表达式：
v${}_{rot}$=v${}_{||}$+ v${}_{\perp rot}$=cos$\theta$v+(1-cos$\theta$)(v$\cdot$k)k+sin$\theta$k$\times$v

矩阵形式

在计算机图形学中，罗德里格向量旋转公式通常被用来填写旋转矩阵。如果把k 和v分别写为列向量：
$\left(\begin{array}{c}{k}_x\\ k_y\\ k_z\end{array}\right)$，$\left(\begin{array}{c}{v}_x\\ v_y\\ v_z\end{array}\right)$
则旋转以后的向量可以表示为
v${}_{rot}$=Rv
其中
R=cos$\theta$I+(1-cos$\theta$)$\left(\begin{array}{c}{k}_x\\ k_y\\ k_z\end{array}\right)$$(k_x,k_y,k_z)$+sin$\theta$$\left(\begin{array}{ccc}0& -k_z& k_y\\ k_z& 0& -k_x\\ -k_y& k_x& 0\end{array}\right)$
其中，I是3阶单位矩阵。需要注意的是，公式中的第二项不是点积，而是张量积，得到的是一个3行3列的矩阵。

转换结果

R$=cos\theta$I+（1-cos$\theta )$nn${}^T$+sin$\theta$n^{^}
符号^{^}是向量到反对称的转换付。。可以从一个旋转矩阵到旋转向量的转换。对于转角$\theta$，有：

tr(R)=cos$\theta$tr(I)+（1-cos$\theta )$tr(nn${}^T$)+sin$\theta$tr(n^{^})=3+cos$\theta$+(1-cos$\theta$）=1+2cos$\theta$
因此：
$\theta$=arccos($\frac{tr(R)-1}{2}$)
关于旋转轴n，由于旋转轴上的向量在旋转后不发生改变，说明
Rn=n
因此，转轴n是矩阵R特征值的1对应的特征向量。求解此方程，在归一化，就得到了旋转轴。“旋转轴经过旋转之后不变”。

欧拉角

欧拉角，使用3个分离的转角，把一个旋转分解成3次绕不同轴的旋转。分的细一些还可以分每次是绕固定轴旋转还是绕旋转之后的轴旋转。
航空和航模中，“偏航-俯仰-滚转”（yaw-pitch-raw）3个角度来描述一个旋转。等价于ZYX轴的旋转。
欧拉角的一个重大缺点是会碰到万向锁问题（Gimbal Lock)：在俯仰角为$\pm 90°$时，第一次旋转与第三次旋转将使用同一个轴，使得系统丢失一个自由度（由三次旋转变成了两次旋转），这杯称为奇异性问题。只要想用3个实数来表达3维旋转时，都会不可避免地碰到奇异性问题。由于这种原理，欧拉角不适合于插值和迭代，往往只用于人机交互中。SLAM中也很少直接用欧拉角表达姿态，同样也不会在滤波或优化中是哟个欧拉角表达旋转（因为它的奇异性）。验证算法是否有错，转换成欧拉角能快速分辨结果是否正确。