前言
昨天收到了高翔博士编写的《视觉SLAM十四讲》第二版,总体上变化并不大,主要有以下改动:
- 更多的实例
- 更深入的内容
- 更完善的工程项目
- 更通俗、简洁的表达
其实,如果学习过高博在深蓝学院开设的《视觉SLAM理论与实践》课程,就对新增的内容非常熟悉了。新增的内容基本来自课程的作业,之前一直因为课程还在开设,就没在平台上发布相关的内容。
这里,我准备将新增的内容记录一下,或者搬运一下,首先是坐标变换。
坐标变换
设有小萝卜1号和小萝卜2号位于世界坐标系中。记世界坐标系为W,小萝卜们的坐标系为 R 1 R_1 R1和 R 2 R_2 R2。小萝卜1号的位姿为 q 1 = [ 0.35 , 0.2 , 0.3 , 0.1 ] T q_1=[0.35,0.2,0.3,0.1]^T q1=[0.35,0.2,0.3,0.1]T( q q q的第一项为实部), t 1 = [ 0.3 , 0.1 , 0.1 ] T t_1=[0.3,0.1,0.1]^T t1=[0.3,0.1,0.1]T。小萝卜2号的位姿为 q 2 = [ − 0.5 , 0.4 , − 0.1 , 0.2 ] T q_2=[-0.5,0.4,-0.1,0.2]^T q2=[−0.5,0.4,−0.1,0.2]T, t 2 = [ − 0.1 , 0.5 , 0.3 ] T t_2=[-0.1,0.5,0.3]^T t2=[−0.1,0.5,0.3]T。这里的 q q q和 t t t表达的是 T R k , W , k = 1 , 2 T_{R_k,W},k=1,2 TRk,W,k=1,2,也就是世界坐标系到相机坐标系的变换关系。现在,小萝卜1号看到某个点在自身的坐标系下的坐标为 p R 1 = [ 0.5 , 0 , 0.2 ] T p_{R_1}=[0.5,0,0.2]^T pR1=[0.5,0,0.2]T,求该向量在小萝卜2号坐标系下的坐标。
坐标变换关系:
p R 2 = T R 2 , W T W , R 1 p R 1 p_{R_2}=T_{R_2,W}T_{W,R_1}p_{R_1} pR2=TR2,WTW,R1pR1
提示:
- 四元数在使用前需要归一化
- 注意Eigen在使用四元数时的虚部和实部顺序
代码:
#include <iostream>
#include <vector>
#include <algorithm>
#include <Eigen/Core>
#include <Eigen/Geometry>
using namespace std;
using namespace Eigen;
int main(int argc, char** argv) {
Quaterniond q1(0.35, 0.2, 0.3, 0.1), q2(-0.5, 0.4, -0.1, 0.2);
q1.normalize();
q2.normalize();
Vector3d t1(0.3, 0.1, 0.1), t2(-0.1, 0.5, 0.3);
Vector3d p1(0.5, 0, 0.2);
Isometry3d T1w(q1), T2w(q2);
T1w.pretranslate(t1);
T2w.pretranslate(t2);
Vector3d p2 = T2w * T1w.inverse() * p1;
cout << endl << p2.transpose() << endl;
return 0;
}
CMakeLists.txt:
cmake_minimum_required(VERSION 3.5)
project(coordinateTransform)
include_directories("/usr/include/eigen3")
add_executable(coordinateTransform coordinateTransform.cpp)
参考
[1]《视觉SLAM十四讲》第2版
[2] https://github.com/gaoxiang12/slambook2