学习任务
- 理解李群与李代数的概念,掌握SO(3); SE(3) 与对应李代数的表示方式。
- 理解BCH 近似的意义。
- 学会在李代数上的扰动模型。
- 使用Sophus 对李代数进行运算
在SLAM 中,除了表示之外,我们还要对它们进行估计和优化。因为在SLAM 中位姿是未知的,而我们需要解决什么样的相机位姿最符合当前观测数据这样的问题。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。
因为旋转矩阵自身带有约束条件(正交且行列式为1)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。
一、李群李代数基础
乘法对应着旋转或变换的复合——两个旋转矩阵相乘表示做了两次旋转。对
于这种只有一个运算的集合,我们把它叫做群。
- 李群是指具有连续(光滑)性质的群。
SO(n) 和SE(n),它们在实数空间上是连续的。我们能够直观地想象一个刚体能够连续地在空间中运动,所以它们都是李群。
1.1李代数
-
李代数
-
引出
任意旋转矩阵R满足:
-
李群代数的定义:每个李群都有与之对应的李代数。李代数描述了李群的局部性质。通用的李代数的定义如下:
二、指数映射和对数映射
李代数求导与扰动模型