目录
1.为什么要引入李群和李代数？
在slam中，位姿是未知的，我们需要根据观测的数据和输入量去求解位姿，一种典型的方式是把它构建成一个优化问题，求解最优的 R,t，使得误差最小化。
- 旋转矩阵自身是带有约束的（正交且行列式为 1），作为优化变量时，会引入额外的约束，使优化变得困难。通过李群—李代数间的转换关系，我们希望把位姿估计变成无约束的优化问题，简化求解方式。
- 在优化旋转矩阵或变换矩阵的时候，要对它们求导，然而根据李群的定义，他们对加法是不封闭的（根据求导的定义，需要加一个小量），只对乘法封闭。因此我们考虑能否引入一个东西，来找到其与李群的关系，而且对加法还封闭，这样我们就能用这个来求导，然后映射回李群上。
2.群的定义：
群（Group）是一种集合 加上一种运算 的代数结构。我们把集合记作A ，运算记作 · ，那么群可以记作G =(A,· )。群要求这个运算满足以下几个条件（“封结幺逆”（谐音凤姐咬你））：
3.常见的群：
- 一般线性群GL(n)=指n×n的可逆矩阵，它们对矩阵乘法成群。
- 特殊正交群SO(n)也就是所谓的旋转矩阵群，其中SO(2)和SO(3))最为常见。正式的记法是：
- 特殊欧氏群SE(n)也就是前面提到的nn维欧氏变换，如SE(2)和SE(3)。这里给出SE(3)的记法：
4.李群：
- 具有连续性质的群。
- 既是群也是流形。
- 直观上看，一个刚体能够在空间中连续运动，故SO(3)和SE(3)都为李群。
- 但是，SO(3)和SE(3)只定义了良好的乘法，没有加法，所以很难进行取极限，求导等操作。
5.引出李代数
任意旋转矩阵R，满足：
R是某个相机的旋转，它会随时间连续地变化，即为时间的函数：R (t )，由于它仍是旋转矩阵，有：
对两边求时间的导得：
由上式可知左式为一个反对称矩阵，我们可以找到一个三维向量ϕ (t )∈ R3 与之对应，将上公式表示为：
等式两边右乘R (t )，由于R 为正交阵，有
每对旋转矩阵求一次导数，只需左乘一个ϕ∧ (t )矩阵即可。为方便讨论，我们设t 0 =0，并设此时旋转矩阵为R (0)=I 。按照导数定义，可以把R (t )在0附近进行一阶泰勒展开：
在t 0 附近，设ϕ 保持为常数ϕ (t 0 )=ϕ 0 ，有：
上式是一个关于R 的微分方程，而且知道初始值R (0)=I ，解之，得：
我们看到，旋转矩阵R 与另一个反对称矩阵ϕ 0 通过指数关系发生了联系。也就是说，当我们知道某个时刻的R 时，存在一个向量ϕ ，它们满足这个矩阵指数关系。
6.李代数
对于SO(3)和SE(3)，李代数可定义于李群的正切空间上，描述了李群中元素局部导数的性质，分别把它们记作小写的so(3)和se(3)。首先，给出通用的李代数的定义。
李代数由一个集合VV，一个数域FF和一个二元运算[][]组成。如果它们满足以下几条性质，称(V,F,[])(V,F,[]) 为一个李代数，记作gg。
从表面上来看，李代数所需要的性质还是挺多的。其中二元运算被称为李括号。相比于群中的较为简单的二元运算，李括号表达了两个集合元素的差异。它不要求结合律，而满足反对称性，以及元素和自己做李括号之后为零的性质。作为类比，三维向量R3上定义的叉积××是一种李括号，因此g=(R3,R,×)构成了一个李代数。读者可以尝试将叉积的性质代入到上面四条性质中。
7.so(3)---->SO(3)的指数映射
利用这两个性质,我们可以把指数映射写成:
最后得到一个熟悉的式子：
它和罗德里格斯公式如出一辄。这表明,so(3) 实际上就是由所谓的旋转向量组成的空间,而指数映射即罗德里格斯公式。通过它们,我们把so(3) 中任意一个向量对应到了一个位于 SO(3) 中的旋转矩阵。
8.SO(3) ----> so(3) 对数映射
其中∨表示从反对称矩阵到向量的对应关系，为∧的逆运算。
不过，通常不按照泰勒展开去计算对数映射，利用迹的性质分别求解转角和转轴来计算对应的李代数，更加省事一些。
问：指数映射性质如何呢?是否对于任意的 R 都能找到一个唯一的 φ?
很遗憾,指数映射只是一个满射。这意味着每个SO(3) 中的元素,都可以找到一个 so(3) 元素与之对应;但是可能存在多个 so(3) 中的元素,对应到同一个 SO(3)。至少对于旋转角 θ,我们知道多转 360 度和没有转是一样的——它具有周期性。但是,如果我们把旋转角度固定在 ±π 之间,那么李群和李代数元素是一一对应的。
9.se(3)---->SE(3)的指数映射
但是∧不再对应到一个反对称关系，而是：
指数映射为：
左上角的Φ是我们熟知的so(3)中的元素。而右上角的J则可整理为（设ϕ=θa）：
904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
