四元数基础
参考资料:https://docs.ros.org/en/iron/Tutorials/Intermediate/Tf2/Quaternion-Fundamentals.html。
目标
学习ROS2中四元素的基本用法。
背景
四元数表示方位信息,比旋转矩阵要更准确。四元数在分析涉及三维旋转的情况非常有效,被广泛用于机器人领域、量子力学、计算机视觉和3D动画。
前置条件
四元数组成
ROS2使用四元数来跟踪和应用旋转。一个四元数有4个组成部分(x, y, z, w)
。在ROS2中,w
是最后一位,但在其他库如Eigen中,w
却是放在第一位。
不产生x/y/z轴旋转的常用单位四元数是(0,0,0,1),可以通过以下方式创建:
#include <tf2/LinearMath/Quaternion.h>
...
tf2::Quaternion q;
// Create a quaternion from roll/pitch/yaw in radians (0, 0, 0)
q.setRPY(0, 0, 0);
// Print the quaternion components (0, 0, 0, 1)
RCLCPP_INFO(this->get_logger(), "%f %f %f %f",
q.x(), q.y(), q.z(), q.w());
四元数的大小应该总是1。如果数值错误导致四元数的大小不是1,ROS 2将打印警告。避免这些警告,请规范化四元数:
q.normalize();
ROS2中的四元数类型
ROS2使用两种四元数数据类型:tf2::Quaternion
和geometry_msgs::msg::Quaternion
,这两种类型是等价的,可以使用tf2_geometry_msgs
方法来转换:
C++版本:
#include <tf2_geometry_msgs/tf2_geometry_msgs.hpp>
...
tf2::Quaternion tf2_quat, tf2_quat_from_msg;
tf2_quat.setRPY(roll, pitch, yaw);
// Convert tf2::Quaternion to geometry_msgs::msg::Quaternion
geometry_msgs::msg::Quaternion msg_quat = tf2::toMsg(tf2_quat);
// Convert geometry_msgs::msg::Quaternion to tf2::Quaternion
tf2::convert(msg_quat, tf2_quat_from_msg);
// or
tf2::fromMsg(msg_quat, tf2_quat_from_msg);
Python版本:
from geometry_msgs.msg import Quaternion
...
# Create a list of floats, which is compatible with tf2
# Quaternion methods
quat_tf = [0.0, 1.0, 0.0, 0.0]
# Convert a list to geometry_msgs.msg.Quaternion
msg_quat = Quaternion(x=quat_tf[0], y=quat_tf[1], z=quat_tf[2], w=quat_tf[3])
四元数操作
1、在RPY下思考,然后再转换成四元数
我们很容易想象关于轴线的旋转,但很难想象四元数中的旋转。建议基于RPY来计算目标转换,RPY即绕X轴旋转的横滚角roll、绕Y轴旋转的俯仰角pitch和绕Z轴旋转的偏航角yaw,然后再转换成四元数:
# quaternion_from_euler method is available in turtle_tf2_py/turtle_tf2_py/turtle_tf2_broadcaster.py
q = quaternion_from_euler(1.5707, 0, -1.5707)
print(f'The quaternion representation is x: {q[0]} y: {q[1]} z: {q[2]} w: {q[3]}.')
2、应用四元数旋转
要将一个四元数的旋转应用于一个姿态,只需将姿态的前一个四元数乘以代表所需旋转的四元数。这个乘法的顺序很重要,即所需旋转的四元数×姿态的四元数。
C++版本:
#include <tf2_geometry_msgs/tf2_geometry_msgs.hpp>
...
tf2::Quaternion q_orig, q_rot, q_new;
q_orig.setRPY(0.0, 0.0, 0.0);
// Rotate the previous pose by 180* about X
q_rot.setRPY(3.14159, 0.0, 0.0);
q_new = q_rot * q_orig;
q_new.normalize();
Python版本:
q_orig = quaternion_from_euler(0, 0, 0)
# Rotate the previous pose by 180* about X
q_rot = quaternion_from_euler(3.14159, 0, 0)
q_new = quaternion_multiply(q_rot, q_orig)
3、反转四元数
反转四元数的一种简单方法是取w分量为负:
q[3] = -q[3]
4、相关旋转
假设你有两个四元数来自同一个坐标系,q_1
和q_2
。你想找到q_1
到q_2
的相对旋转q_r
该怎么做?
首先,q_1
到q_2
的旋转有如下关系:
q_2 = q_r * q_1
那么,q_r
就等于q_2
×q_1
的逆:
q_r = q_2 * q_1_inverse
Python版本的旋转矩阵计算方式如下:
def quaternion_multiply(q0, q1):
"""
Multiplies two quaternions.
Input
:param q0: A 4 element array containing the first quaternion (q01, q11, q21, q31)
:param q1: A 4 element array containing the second quaternion (q02, q12, q22, q32)
Output
:return: A 4 element array containing the final quaternion (q03,q13,q23,q33)
"""
# Extract the values from q0
w0 = q0[0]
x0 = q0[1]
y0 = q0[2]
z0 = q0[3]
# Extract the values from q1
w1 = q1[0]
x1 = q1[1]
y1 = q1[2]
z1 = q1[3]
# Computer the product of the two quaternions, term by term
q0q1_w = w0 * w1 - x0 * x1 - y0 * y1 - z0 * z1
q0q1_x = w0 * x1 + x0 * w1 + y0 * z1 - z0 * y1
q0q1_y = w0 * y1 - x0 * z1 + y0 * w1 + z0 * x1
q0q1_z = w0 * z1 + x0 * y1 - y0 * x1 + z0 * w1
# Create a 4 element array containing the final quaternion
final_quaternion = np.array([q0q1_w, q0q1_x, q0q1_y, q0q1_z])
# Return a 4 element array containing the final quaternion (q02,q12,q22,q32)
return final_quaternion
q1_inv[0] = prev_pose.pose.orientation.x
q1_inv[1] = prev_pose.pose.orientation.y
q1_inv[2] = prev_pose.pose.orientation.z
q1_inv[3] = -prev_pose.pose.orientation.w # Negate for inverse
q2[0] = current_pose.pose.orientation.x
q2[1] = current_pose.pose.orientation.y
q2[2] = current_pose.pose.orientation.z
q2[3] = current_pose.pose.orientation.w
qr = quaternion_multiply(q2, q1_inv)
总结
本节课学习了四元数的基本概念以及相关的数学操作,如逆矩阵和旋转矩阵。还学习了两种不同类型间的四元数类型的转换。