关于姿态递推时的Jacobian求解

在进行VINS on wheel的推导时，参阅了相关references。在此记录相关的位姿递推时的jacobian。

相关知识：

根据文献【1】:

李代数到李群的指数映射为：

反对称矩阵的性质：

则有：

李群到李代数的映射为：

其角为theta，轴为的 非对角元素。

 伴随性质：

因此SO(3) R的伴随等于R。 

Jacobian求解

对于SO(3)与R_3向量乘积的J        

该求导是非常直观的，因为它符合R_3向量的减法运算，直接左右扰动求解即可，例如左扰动：

个人推导如下：

对于SO(3)与SO(3)乘积的J   

添加扰动如下：

 

个人推导如下：(感觉只有对delta_R的左扰动合理)

上述推导用到了SO(3)的伴随 BCH性质：

即：

同理SE(3):

 

其中：

In the context of Odometry Propagation of IMU or WHEEL, using Kalman Filter, MSCKF, for example. we need  calculating the propagation of Covarriance Matix.  As for this,  the Jacobian of R_k+1 w.r.t R_k or delta_R must be compluted, in order to make  the Uncertainty of State Propagation determined.  

To be continued...

参考文献

[1] Lie Groups for 2D and 3D Transformations