本质矩阵E的内在性质证明

最新推荐文章于 2024-05-15 01:30:27 发布
最新推荐文章于 2024-05-15 01:30:27 发布
阅读量1k 收藏 18
点赞数 11
分类专栏： slam learning 文章标签： 矩阵 线性代数 slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSSDCC/article/details/122003560
版权

本质矩阵E的内在性质证明

在学习高博的视觉SLAM十四讲时，学习到了对极约束，其中的本质矩阵（Essential Matrix）E的奇异值必定是 [ σ , σ , 0 ] ⊤ [\sigma,\sigma,0]^\top [σ,σ,0]⊤的形式，这被称为本质矩阵的内在性质。

下面给出E的内在性质的手写证明：

证明过程中用到了：

  • 反对称矩阵的性质
  • 任意矩阵加减 K K K倍单位矩阵后，特征值也 ± K \pm K ±K

在这里插入图片描述
补充一步：
对于矩阵A，若 A ⊤ A^\top A⊤的特征值为 ( α 1 , α 2 , α 3 ) ⊤ (\alpha_1, \alpha_2, \alpha_3)^\top (α1​,α2​,α3​)⊤，则矩阵 A A A的奇异值为： ( α 1 , α 2 , α 3 ) ⊤ (\sqrt\alpha_1, \sqrt\alpha_2, \sqrt\alpha_3)^\top (α ​1​,α ​2​,α ​3​)⊤

LYF0816LYF
关注
  • 11
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
本质矩阵
知其所以然
02-14 7261
本质矩阵
【证明】对极几何：本质矩阵内在性质
qiqiqi的博客
08-09 543
概览欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器
C C++最全本质矩阵svd分解_奇异值分解, 这一篇就够了，C C++音频面试
最新发布
2401_84978565的博客
05-15 269
奇异值分解(SVD)可能是最著名和使用最广泛的矩阵分解方法。其中 A 是我们希望分解的 n×m 的实矩阵，U 是一个 m×m 矩阵，Sigma(通常用大写的希腊字母 ∑表示)是一个 m×n 的对角矩阵，V^T 是一个 n×n 矩阵的转置，其中 T 是上标。奇异值分解(SVD)是一种用于将矩阵归约成其组成部分的矩阵分解方法，以使后面的某些矩阵计算更简单。为了说明简单，我们将关注用于实数值矩阵的 SVD，而会忽略复数矩阵的情况。在这份教程中，你将了解用于将矩阵分解成其组成元素的奇异值分解方法。
[SLAM] -- 证明本质矩阵E的内在性质
z轴的博客
06-10 2116
此博客用于记录平日所学，若博客有描述错误的地方，欢迎指出，另望轻喷，嘻嘻。 在求解本质矩阵的时候，往往要分析本质矩阵E的自由度。分析自由度时，往往提到一些本质矩阵的内在性质。 根据 E = t^R， 可以证明，本质矩阵E的奇异值必定是 [σ,σ,0]T[\sigma,\sigma,0] ^T[σ,σ,0]T 的形式，这称为本质矩阵的内在性质。 该博客要证明的就是这个性质。 1. 对EEE的奇异值分解可以由对EETEE^TEET的特征值分解得到 2. 步骤 故我们的步骤是： (1) 求EETEE^TEET
本质矩阵和基础矩阵推导过程
09-21
本质矩阵具有以下性质： - 排列等级为2，意味着它同时具有左零空间和右零空间。 - 只依赖于摄像机的**外参**(即旋转和平移)，不依赖于内参。 #### 四、基础矩阵 **基础矩阵**是一种更为通用的形式，它可以处理非...
实对称矩阵的性质与证明
04-06
花了一下午终于把实对称矩阵的几个定理的证明都搞定了，定理很简单，证明起来却十分之费事，用的都是十分基础而经典的证明手段，
雅可比矩阵的本质【笔记】
02-22
雅可比矩阵的本质【笔记】
矩阵坐标变换的运用以证明矩阵中有关正定、迹等性质
07-06
这些性质在矩阵坐标变换中有着重要的应用，可用于证明和推导其他矩阵的性质。 首先，我们来看第一个知识点，关于正定矩阵的性质。如果A和B都是正定矩阵，且(A-B)也是正定矩阵，我们可以证明(A+B)也是正定矩阵。证明...
正定矩阵的相关证明1
08-03
矩阵的正定性证明 在本节中，我们将讨论矩阵的正定性证明，包括2×2矩阵和n×n矩阵的正定性条件，以及负定矩阵和无定矩阵的条件。 首先，我们回顾矩阵的 eigenvalues 和 determinant、trace 之间的关系。对于矩阵A...
《机器视觉》 张广军
02-07
计算机视觉的目标就是利用计算机来模拟与人类相当的视觉能力，使得计算机也能够像人类一样能够从二维图像中获取三维信息。在拥有这种能力的同时，还能够分析获取的三维信息，进一步得到现实世界中物体的形状、姿态等，采用合理的描述方法和存储形式，对其进行识别甚至是理解。 计算机视觉的种类很多，双目立体视觉是目前研究较多的一种技术。目前，立体视觉的技术已经广泛应用到了日常生活中，并且正在改变着生活的质量及方式，如美国“探索者”登月卫星上的机器人视觉系统，数码相机中的人脸捕捉，排爆机器人对危险物的识别，无人自动车的避障系统等，都将立体视觉技术进行了有效的应用，并且已经影响了日常的生活方式。
基础矩阵或本质矩阵
08-21
基础矩阵是立体视觉中至关重要的矩阵，描述了双镜头的空间位置关系
Visual Studio 2010 基于OpenCV 3.0.0的本质矩阵估计
12-18
Visual Studio 2010 基于OpenCV 3.0.0的本质矩阵估计，内含源代码和所需材料，以及程序输出，和相应的环境配置，使用前请先阅读：运行本程序前请看程序说明.md文件（此文件可用文本编辑器打开）。
论文研究-从本质矩阵恢复运动的方法简单证明 .pdf
08-14
从本质矩阵恢复运动的方法简单证明，郁钱，，本文给出了对于从本质矩阵恢复运动的方法一种新的证明，这种方法首次出现在文献Hartley(1992a, 1992b)中。这些文献给出了对这种方法的一
零幂矩阵性质和应用
01-01
本课题旨在深入探讨零幂矩阵的性质及其在实际应用中的价值，以解决矩阵计算中的一些难题。 首先，我们要明确幂零矩阵的定义：一个矩阵如果它的某次幂等于零矩阵，即\( A^k = 0 \)对某个正整数\( k \)，那么这个矩阵...
基本矩阵与本质矩阵
自由 分享 合作
08-06 1819
基本矩阵与本质矩阵 基本矩阵与本质矩阵的数学推导： 假设空间中一点P=[X,Y,Z]TP=[X,Y,Z]TP = [X, Y, Z]^T。 P在相机A相平面坐标为PA=[xA,yA,1]TPA=[xA,yA,1]TP_A = [x_A, y_A, 1]^T; P在相机B相平面坐标为PB=[xB,yB,1]TPB=[xB,yB,1]TP_B = [x_B, y_B, 1]^T; 相机A...
本质矩阵svd分解_GAN 的谱归一化(Spectral Norm)和矩阵的奇异值分解(SVD)
weixin_39977934的博客
12-08 922
在文献 [2] 中作者分析了 GAN [1] 难以训练的原因在于原生 GAN 的目标函数等价于优化生成数据的分布 pgpg 和真实数据的分布 prpr 之间的 J-S 散度 (Jensen–Shannon Divergence)。接着作者提出 WGAN [3]，使用性质优良的 Wasserstein distance 代替原生 GAN 中的 J-S 散度。 然后利用KR对偶原理将 Wasserst...
证明本征矩阵的一个奇异值为0，另外两个奇异值相等
加菲猫的博客
09-08 2975
该题目为《计算机视觉----一种现代方法》第七章习题1 证明：令，其中，是非零向量构造的反对称矩阵，是正交矩阵，进行如下推导： ，将其展开验证可知该矩阵的秩为2。 ，根据同济大学版线性代数第五章定理7得0特征值为单根。 因为A可以相似对角化，所以必须有3个线性无关的特征向量，0特征值对应一个特征向量，还需要两个特征向量，所以存在另一个特征值（因为A为奇异矩阵，所以不能有3个特征值）为二重根...
伴随矩阵与逆矩阵性质证明
05-08
伴随矩阵和逆矩阵是线性代数中重要的概念，它们具有许多性质和重要公式。以下是伴随矩阵和逆矩阵的性质证明： 1. 若矩阵A可逆，则A的逆矩阵为： $$ A^{-1}=\frac{1}{|A|}adj(A) $$ 其中$adj(A)$为A的伴随矩阵，$|A|$为A的行列式。 证明：由伴随矩阵的定义可知，$A\cdot adj(A)=|A|\cdot I_n$，其中$I_n$为n阶单位矩阵。两边同时除以$|A|$可得： $$ A^{-1}=\frac{1}{|A|}A\cdot adj(A)=adj(A) $$ 因此，当矩阵A可逆时，有$A^{-1}=adj(A)/|A|$。 2. 若矩阵A可逆，则$(adj(A))^{-1}=1/|A|\cdot A$。 证明：由伴随矩阵的定义可知，$A\cdot adj(A)=|A|\cdot I_n$，两边同时取行列式可得： $$ |A|\cdot |adj(A)|=|A|^n $$ 因为A可逆且$|A|\neq 0$，所以有$|A|\cdot |A^{-1}|=1$。因此，上式可化为： $$ |adj(A)|=|A|^{n-1} $$ 两边同时除以$|adj(A)|$可得： $$ (adj(A))^{-1}=\frac{1}{|A|^{n-1}}adj(A) $$ 因为$|A|=1/|A^{-1}|$，所以上式可化为： $$ (adj(A))^{-1}=\frac{1}{|A|}\cdot A $$ 因此，当矩阵A可逆时，有$(adj(A))^{-1}=1/|A|\cdot A$。 3. 若矩阵A可逆，则$(A^{-1})^T=(A^T)^{-1}$。 证明：对于任意向量b，有： $$ A^{-1}A\cdot b=b $$ 两边同时取转置可得： $$ b^T(A^{-1}A)^T=b^T $$ 因为$(A^{-1}A)^T=I_n^T=I_n$，所以： $$ b^T\cdot A^T(A^{-1})^T=b^T $$ 因此，$(A^{-1})^T$是$A^T$的逆矩阵，即$(A^{-1})^T=(A^T)^{-1}$。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值