视觉SLAM14讲第三章习题作业

这是本人的解答,并非官方解答

验证旋转矩阵是正交矩阵

在第44页中,旋转矩阵的引入是这样的:
在这里插入图片描述
所以,我们需要验证矩阵
R = [ e 1 T e 1 ′ e 1 T e 2 ′ e 1 T e 3 ′ e 2 T e 1 ′ e 2 T e 2 ′ e 2 T e 3 ′ e 3 T e 1 ′ e 3 T e 2 ′ e 3 T e 3 ′ ] R = \begin{bmatrix} e_1^{T}e_1^{'}&& e_1^{T}e_2^{'} && e_1^{T}e_3^{'}\\ e_2^{T}e_1^{'}&& e_2^{T}e_2^{'} && e_2^{T}e_3^{'}\\ e_3^{T}e_1^{'}&& e_3^{T}e_2^{'} && e_3^{T}e_3^{'}\\ \end{bmatrix} R= e1Te1e2Te1e3Te1e1Te2e2Te2e3Te2e1Te3e2Te3e3Te3

是正交矩阵,
那么我们只需要验证矩阵 R 的转置是他的逆就可以了。
R T = [ e 1 ’ T e 1 e 1 ‘ T e 2 e 1 ’ T e 3 e 2 ‘ T e 1 e 2 ‘ T e 2 e 2 ‘ T e 3 e 3 ’ T e 1 e 3 ’ T e 2 e 3 ’ T e 3 ] R^T=\begin{bmatrix} e_1^{’T}e_1^{}&& e_1^{‘T}e_2^{} && e_1^{’T}e_3^{}\\ e_2^{‘T}e_1^{}&& e_2^{‘T}e_2^{} && e_2^{‘T}e_3^{}\\ e_3^{’T}e_1^{}&& e_3^{’T}e_2^{} && e_3^{’T}e_3^{}\\ \end{bmatrix} RT= e1Te1e2Te1e3Te1e1Te2e2Te2e3Te2e1Te3e2Te3e3Te3

R T R = [ e 1 ’ T e 1 e 1 T e 1 ’ + e 1 ’ T e 2 e 2 T e 1 ’ + e 1 ’ T e 3 e 3 T e 1 ’ e 1 ’ T e 1 e 1 T e 2 ’ + e 1 ’ T e 2 e 2 T e 2 ’ + e 1 ’ T e 3 e 3 T e 2 ’ − − − − − − − ] R^{T}R=\begin{bmatrix} e_1^{’T}e_1^{}e_1^{T}e_1^{’}+ e_1^{’T}e_2^{}e_2^{T}e_1^{’}+ e_1^{’T}e_3^{}e_3^{T}e_1^{’}&& e_1^{’T}e_1^{}e_1^{T}e_2^{’}+ e_1^{’T}e_2^{}e_2^{T}e_2^{’}+ e_1^{’T}e_3^{}e_3^{T}e_2^{’} && -\\ -&& - && -\\ -&& - && -\\ \end{bmatrix} RTR= e1Te1e1Te1+e1Te2e2Te1+e1Te3e3Te1e1Te1e1Te2+e1Te2e2Te2+e1Te3e3Te2
需要证明:
e 1 ’ T e 1 e 1 T e 1 ’ + e 1 ’ T e 2 e 2 T e 1 ’ + e 1 ’ T e 3 e 3 T e 1 ’ = 1 (1) e_1^{’T}e_1^{}e_1^{T}e_1^{’}+ e_1^{’T}e_2^{}e_2^{T}e_1^{’}+ e_1^{’T}e_3^{}e_3^{T}e_1^{’}=1 \tag{1} e1Te1e1Te1+e1Te2e2Te1+e1Te3e3Te1=1(1)

根据向量內积的性质,有:

e 1 ’ T e 1 e 1 T e 1 ’ + e 1 ’ T e 2 e 2 T e 1 ’ + e 1 ’ T e 3 e 3 T e 1 ’ = cos ⁡ 2 a + cos ⁡ 2 b + cos ⁡ 2 c e_1^{’T}e_1^{}e_1^{T}e_1^{’}+ e_1^{’T}e_2^{}e_2^{T}e_1^{’}+ e_1^{’T}e_3^{}e_3^{T}e_1^{’} =\cos^2 a+\cos^2 b+\cos^2 c e1Te1e1Te1+e1Te2e2Te1+e1Te3e3Te1=cos2a+cos2b+cos2c
其中 a , b , c a,b,c a,b,c 分别为向量 e 1 ′ e_1^{'} e1 与坐标系的三个基底 e 1 , e 2 , e 3 e_1^{},e_2^{},e_3^{} e1,e2,e3所成夹角。由接下来的这张图,易得式(1)成立。
在这里插入图片描述
下面要证明:
e 1 ’ T e 1 e 1 T e 2 ’ + e 1 ’ T e 2 e 2 T e 2 ’ + e 1 ’ T e 3 e 3 T e 2 ’ = 0 (2) e_1^{’T}e_1^{}e_1^{T}e_2^{’}+ e_1^{’T}e_2^{}e_2^{T}e_2^{’}+ e_1^{’T}e_3^{}e_3^{T}e_2^{’} = 0 \tag{2} e1Te1e1Te2+e1Te2e2Te2+e1Te3e3Te2=0(2)

不妨令:
e 1 = [ 1 0 0 ] e 2 = [ 0 1 0 ] e 3 = [ 0 0 1 ] e_1 =\begin{bmatrix} 1 \\ 0\\ 0\\ \end{bmatrix} e_2 =\begin{bmatrix} 0 \\ 1\\ 0\\ \end{bmatrix} e_3 =\begin{bmatrix} 0 \\ 0\\ 1\\ \end{bmatrix} e1= 100 e2= 010 e3= 001

e 1 ’ T e 1 e 1 T e 2 ’ + e 1 ’ T e 2 e 2 T e 2 ’ + e 1 ’ T e 3 e 3 T e 2 ’ = e 1 ’ T ( e 1 e 1 T + e 2 e 2 T + e 3 e 3 T ) e 2 ’ e_1^{’T}e_1^{}e_1^{T}e_2^{’}+ e_1^{’T}e_2^{}e_2^{T}e_2^{’}+ e_1^{’T}e_3^{}e_3^{T}e_2^{’} = e_1^{’T}(e_1^{}e_1^{T}+e_2^{}e_2^{T}+e_3^{}e_3^{T})e_2^{’} e1Te1e1Te2+e1Te2e2Te2+e1Te3e3Te2=e1T(e1e1T+e2e2T+e3e3T)e2

e 1 e 1 T + e 2 e 2 T + e 3 e 3 T = I e_1^{}e_1^{T}+e_2^{}e_2^{T}+e_3^{}e_3^{T}=I e1e1T+e2e2T+e3e3T=I
所以 式(2)左边
= e 1 ’ T I e 2 ’ = e 1 ’ T e 2 ’ = 0 ( 正交基旋转之后还是正交基 ) =e_1^{’T}Ie_2^{’}=e_1^{’T}e_2^{’}=0(正交基旋转之后还是正交基) =e1TIe2=e1Te2=0(正交基旋转之后还是正交基)

注意,式(1)的证明也可以用式(2)证明的方法。
同理可证矩阵 R T R R^{T}R RTR 主对角线元素为1,其余元素为0,所以其为单位阵。
同理可证矩阵 R R T RR^{T} RRT是单位阵。
所以,矩阵 R 是正交矩阵。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
对于视觉SLAM第3章的作业,任务主要包括实现基于特征的视觉里程计(Visual Odometry)算法。视觉里程计是一种利用相机获取的图像序列来估计相机相对位置和姿态变化的技术。 在该作业中,我们需要实现一个基本的视觉里程计算法,其主要步骤如下: 1. 特征提取与匹配:从连续的图像序列中提取特征点,并进行特征匹配。常用的特征提取算法包括Harris角点检测、FAST角点检测以及ORB等。匹配可以使用描述符匹配或光流法。 2. 运动估计:利用特征点的匹配关系,通过求解基础矩阵、本质矩阵或单应矩阵,估计相机之间的运动关系。这可以通过利用RANSAC算法排除错误的匹配点,并使用最小二乘法进行估计。 3. 姿态计算:由于我们估计的是相机相对位置和姿态变化,所以需要根据相机的运动关系,计算相机的姿态变化,通常使用旋转矩阵或四元数表示。 4. 位置估计:根据相机的姿态变化和运动关系,我们可以估计相机的位置变化,即相机的移动距离。 5. 可视化与评估:最后,我们可以将估计的相机轨迹和真实的相机轨迹进行可视化比较,并计算评估指标,如平均重投影误差、路面重建误差等。 在实现上述步骤时,我们需要考虑如何处理图像的畸变校正、图像的尺度恢复以及维护地图点等问题。此外,还需要处理局部地图的优化,如图像平面到空间3D点云的投影、地图点的融合和筛选等。 总之,视觉SLAM第3章作业的目标是实现一个基于特征的视觉里程计算法,通过对图像序列进行特征提取和匹配,估计相机之间的运动关系以及姿态变化,从而计算相机的位置和轨迹变化。这是一个非常重要且基础的SLAM算法,对于实现实时地图构建和定位导航系统具有重要意义。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

培之

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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