高翔《视觉SLAM》第二讲笔记

今天周二，上午三小时看完高翔视觉SLAM第二节课，现在整理今天所学的知识点，今天任务量不大，主要是一些数学知识在SLAM上的应用，我把第二次课的资料放在文章的最后方便大家下载。

## 视觉SLAM第二讲:三维空间刚体运动

01 点与坐标系
我们知道在一个2D空间上，我们可以用两个坐标（X,Y）加上旋转角来表示一个物体旋转和平移的情况，那么在3D空间中，我们怎么表达这种情况呢？

在3D空间上，我们知道需要三个轴来表示一个空间，常见的使用下面的两种坐标系的表示方法：右手定则和左手定则。

针对坐标系中的点，我们可以使用带有单位正交基底的坐标来表示空间中的向量，这样能够进行下面的向量运算。

一般情况下，如果不声明单位正交基底，我们是不能用坐标来表示向量的。

在SLAM中，主要有固定世界坐标系和移动的相机坐标系，中间还有不同的传感器坐标系。图中(Xc，Yc，Zc）表示相机坐标系，(Xw Yw Zw）表示世界坐标系。

我们要想把相机坐标系中的向量P表示在固定的世界坐标系中，这样我们是通过什么操作呢？

• 直观地
  坐标系原点的平移 --Translation
  三个坐标轴的旋转 --Rotation

02 旋转矩阵
针对坐标系的一次旋转，我们通过下面的方程求解坐标系中向量的变换：

在上式中R表示旋转矩阵：

我们表示R12表示从2系到1系的变换矩阵：

在这种情况下，两个坐标系之间的关系完全可以通过R，T来描述。但是有时候我们表示旋转加平移的情况时，我们会使用齐次矩阵来表示，这样可以通过齐次矩阵的性质减小运算量。

我们把变换矩阵的集合称为特殊欧式群，这里不做介绍，后面课程还会有讲解。因为我们只会用到三维坐标，所以这里使用的是SE(3).

这里要注意下变换矩阵逆的求解：

03 旋转向量和欧拉角

除了使用旋转矩阵/变换矩阵外，还有其他的表示方式：

• 所谓旋转向量：方向为旋转轴，长度为转过的角度

• 称为角轴或者旋转向量

• 仅有三个量，无约束，更直观

下面给出以下罗德里格斯公式用于反对称矩阵求旋转矩阵的方法。

2.欧拉角

我们能够通过旋转来表示坐标系的变换

下面的坐标系通过旋转Z-Y-X的顺序，完成了旋转。这样我们也可以求得旋转的坐标。

但是欧拉角有一个很大的缺点就是存在万向锁，在下图的右图中情况，我们向里和向外旋转的时候，旋转的都是同一个角度，存在奇异情况，所以一般我们在SLAM中很少用欧拉角表示姿态。

04 四元数
我们也可以通过一个四元数来表示三维空间的情况，如下图所示：在三维情况下，我们用一个实部+三个虚部来表示四元数。

使用单位四元数可以表示旋转情况：

下面是四元数的运算法则：

四元数能够和角轴进行转换运算：

我们用四元数来表示一个点在空间旋转后的运算：

第五节讲解的是Eigen库，这是一个矩阵运算的库我们可以在ubuntu系统终端直接安装

sudo apt-get install libeigen2-dev

Eigen是一个纯头文件的库，不需要link，只需要在使用之前include即可。但是像open-cv的话既有头文件也有源文件，我们不但需要link，还有引头文件，不然会报错。今天的总结就到这里，明天见！

百度云链接：https://pan.baidu.com/s/1LINAHB7mZ5To4tAN5VV7Rg

提取码：pgwb