高翔slam14讲 笔记三 李群与李代数

最新推荐文章于 2023-11-21 16:33:18 发布
最新推荐文章于 2023-11-21 16:33:18 发布
阅读量609 收藏 3
点赞数 2
分类专栏： 笔记 文章标签： 线性代数 矩阵 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46699649/article/details/123174243
版权

由于在运动中旋转除了表示外，还需要对它进行估计和优化，而旋转矩阵自身带有约束，优化会带来很大的困难，所以引出李代数来对其进行优化！

  1. 引出群的概念：
    在这里插入图片描述
    变换矩阵和旋转矩阵对于乘法构成了群SO3 SE3

  2. 由群 引出李群的概念，这里的SO3，SE3都可以被称为李群，具有连续（光滑）性质的群，SO3,SE3就是表示刚体在空间上的运动，这个就是连续的，所以这两个都是李群

  3. 因为这个李群在乘法上是封闭的，这个表明在乘法上具有良好的性质，但是在加法上并不是，没有加法，所以难以取极限，求导等操作 这里会引出李代数

  4. 在这里插入图片描述
    在这里插入图片描述
    可以完成对以上的公式的推导
    在这里插入图片描述
    所以这里就直接存在了映射关系
    这里记忆可以一阶上面的符号为李代数 so3

  5. 每一个李群都有一个李代数与之对应
    这里可以知道李代数的概念
    在这里插入图片描述
    总结：
    在这里插入图片描述
    用于表达旋矩阵的导数，刚好弥补了李群无法确定导数的这一个缺点
    同样也可解释se3这个李代数

  6. 已知李代数的定义，即形式，现在我们需要解决映射关系是怎么样去计算的
    通过一系列公式，得到指数映射为这个式子

在这里插入图片描述
SE3为同样的推导
得出下面这个总体框架图

在这里插入图片描述

  1. 引入了李代数之后就有了求导的途径

当so3李代数进行加法时，我们需要知道这个so3是一个怎么样的计算
在这里插入图片描述
由上面可以引出左乘与右乘模式，对一个旋转矩阵R2左乘一个微小的旋转矩阵，可以近似的看做上述加上一项这样的数

在这里插入图片描述

通过以上的举例得到 李群乘法与李代数加法的关系
在这里插入图片描述
在这里插入图片描述

1. 这里再引出重要的点，我们引出李代数是因为李群没有加法，李代数可以，这样就可以为求导做铺垫，所以如何描述SO3上李代数求导是一个重要的问题，同时有着比较重要的实际意义

BCH公式：so3上做李代数的加法时，并不是对应这两个SO3两个矩阵的乘积
在这里插入图片描述
通过第一个式可以看到，做成一个微小的旋转矩阵R1,，可以近似看做加上一项，
J的等式如下：
在这里插入图片描述

引出求导
在这里插入图片描述

这里过于复杂，只好看到实例，运用到实例之后再回来推了，总结不下去了，害!

李群与李代数1：对应关系及指数/对数映射
shao918516的博客
05-16 2490
在SLAM中，除了表示旋转，我们还要对它进行估计和优化。因为在SLAM中位姿是未知的，而我们需要解决“相机位姿在哪儿最符合观测数据”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。 如前所言，旋转矩阵自身是带有约束的，即正交且行列式为1。它们作为优化变量时，会引入额外的约束，使优化变的困难。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。...
3. 李群与李代数
andylei777的博客
02-25 2351
群 李群与李代数 指数映射与对数映射 SO(3)<->so(3) SE(3)<->se(3) 总结 求导与扰动模型 声明：本文是深蓝学院 高翔博士主讲的《SLAM理论与实践》的学习笔记。 运动方程中的x，可以用旋转平移（Ｒ,t）或者变换矩阵Ｔ来表示。 当相机位置姿态估计不准确时需要进行微调。 一般使用梯度进行微调。需要求导。根据倒数的定...
视觉slam十四讲 pdf_视觉SLAM十四讲学习笔记（一）
weixin_39616090的博客
12-17 3042
本次给大家带来的是高翔的《视觉SLAM十四讲》一书中第二讲的学习笔记。这次及此后的相关推送中的提及到的“书”，不加说明均指作者高翔的《视觉SLAM十四讲》一书。引子说到定位，大多数人的第一印象可能都是GPS。诚然，如今用GPS实现室外环境定位非常容易，我们日常使用的手机基本上都有GPS。然而GPS也远不是完美无缺的，因为它完全依赖于远距离在轨卫星发来的微弱无线电信号。这就意味着在没有无线...
高翔slam14讲 笔记二
m0_46699649的博客
02-26 262
三维空间刚体运动 由一次旋转加一次平移组成 但是对这样的变化进行处理不是很直观，这里对旋转引出了旋转矩阵，四元数，欧拉角，逐渐更优化的表示刚体的旋转，同时eigen库的程序，需要自己下去手敲一遍 从点和向量开始进行推导，用来表示相机的姿态 关键的引出向量的外积，外积的结果也是向量，这个向量是垂直于这两个向量，同时也会引入^符号，将一个向量变为一个矩阵，外积就可以称为一个矩阵和一个向量的乘积 坐标系变换 一个为世界坐标系，一个为相机坐标系，后一个可能会实时产生变化，这样的话，..
视觉SLAM十四讲(高翔版本)，ch4章节部分笔记
weixin_43851636的博客
11-19 604
目标：理解slam的框架以及它的理论知识。供以后自己查阅。这一章主要非常重要，也是理解后续优化的基础，它是将旋转矩阵和平移向量，转化为李代数的形式进行优化，因为它有很多好处。好处如下： 意思就是采用R,tR,tR,t的矩阵表达形式，有冗余。因为旋转向量内部的RRR的９个变量之间有约束，不利于优化。它可以转化为可以用三个无关变量表示的，转化为无约束的能量函数。这也是下面说的李代数。这一章需要介绍一个基本的代数结构(大学的线性代数和离散数学里面有这方面的概念介绍)：群 集合：AAA, 运算为⋅\cdot⋅, 如
视觉SLAM十四讲-高翔（学习笔记）第2讲 初识SLAM
qin_liang的博客
09-07 782
初识SLAM
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3239
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
初学《视觉SLAM 十四讲》（高翔）--- 第四讲 李群与李代数 笔记+实践
干饭人
02-04 505
文章目录笔记部分实践部分 笔记部分 实践部分 SO(3)、SE(3)、so(3)、se(3)代码里的相互转换 代码部分 #include <iostream> #include <cmath> using namespace std; #include <Eigen/Core> //Eigen线性代数库 #include &l...
《高翔SLAM十四讲》学习笔记ch1-ch3
shuttworth的博客
07-06 600
路线总领 主线：《SLAM十四讲》书本+高翔的视频观看 辅助：《计算机视觉life》SLAM知识星球的资源，利用起来 书本的知识点分布 第一部分为数学基础篇，我们会以浅显易懂的方式，铺垫与视觉SLAM 相关的数学 知识，包括： • 第一讲是前言，介绍这本书的基本信息，习题部分主要包括一些自测题。 • 第二讲为SLAM 系统概述，介绍一个SLAM 系统由哪些模块组成，各模块的具体工作是什么。实践部分介绍编程环境的搭建过程以及IDE 的使用。 • 第三讲介绍三维空间运动，你将接触旋转矩阵、四元数、欧拉角的相关知
高翔视觉slam十四讲 笔记
08-25
高翔视觉SLAM十四讲的笔记主要包括前五章的总结、李群与李代数的笔记、第十三讲的工程实践，搭建双目视觉里程计框架并利用Kitti数据集测试性能的内容，以及第十四讲介绍当前开源SLAM方案以及未来发展方向的总结。...
李群&李代数：SO3 与so3 & SE3与se3 & SIM3
weixin_41469272的博客
11-21 1495
文章目录1 旋转*叉乘1.1 旋转矩阵的导数1.2 物理意义1.3 实例1.4 角轴与反对称矩阵2 SO3 与so32.1 so3 2 SO32.2 SO3 2 so33 SE3 与se33.1 se3 2 SE3:3.2 SE3 2 se34 SIM3 与sim35 Adjoint Map 1 旋转*叉乘 1.1 旋转矩阵的导数 根据旋转矩阵的性质：RRT=IRR^T=IRRT=I，对两侧进行求导可得： R˙RT=−RR˙T\dot{R} R^T=-R\dot R TR˙RT=−RR˙T 从而可知，R˙R
高翔视觉SLAM十四讲学习笔记-第4讲李群与李代数
禾烁的博客
02-07 342
第三章刚体运动学习任务李群李代数基础李代数 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）
视觉slam爬坑——高翔深蓝学院——第三讲——李群与李代数
weixin_38593194的博客
01-12 1368
等等等
高翔的slam课程（3）李群与李代数
帆大头不愁下雨的博客
03-12 1307
● 李群李代数的作用是用来为SLAM算法中平移以及旋转来求导数的为什么需要用他们呢？因为我们的变换矩阵以及旋转矩阵都是矩阵啊，他们的差值不可以用 R'=R+△R来表述，那么更不能用f（x）-f（x'）除以时间来计算导数啦●群的定义：   三维正交群    特殊欧氏群引出群的定义：群是一种集合以及一种运算引出的结构，当运算为乘法（·），并且满足封结幺逆性质的称为群幺元一般又称为单位元 a0 即为原地...
SE(3) 上的李代数求导（推导过程）
暮落晨风的博客
03-17 2777
SE(3) 上的李代数求导（推导过程） 变量基本形式 ppp 是一个三维向量 ，其齐次形式为 p=[p1](0) p = \begin{bmatrix} p \\ 1 \end{bmatrix} \tag{0} p=[p1​](0) TTT 是一个变换矩阵，其形式 T=[Rt0T1](1) T = \begin{bmatrix} R & t \\ 0^T & 1 \end{bmatrix} \tag{1} T=[R0T​t1​](1) ξ\xiξ 是一六维向量 ，其
李群李代数：SO(3)和SE(3)
JasonLi的博客
02-09 8202
介绍了群的定义以及李群的特殊性，并对SO(3)、SE(3)的指数映射、对数映射进行记录，同时对雅可比进行推导。
Sophus 李群 --[SO3]
luoshi006的博客
10-19 7065
by luoshi006
李群李代数学习
一个有梦想，有追求，有抱负的人
11-23 563
李群李代数 **在SLAM中位姿（位置和姿态）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，求解最有的R，t,使得误差最小化。 旋转矩阵自身带有约束，将旋转矩阵最为优化变量时会产生额外的约束使得优化变得困难。通过李群李代数间的转换关系，可以将位姿估计变成无约束的优化问题，简化求解方式。 李群李代数基础 三维旋转矩阵构成特殊正交群S...
《视觉SLAM十四讲》-第四章第1节-3+4-“李代数的定义so(3)”-学习笔记总结--SLAM中如何理解李代数
王博（Kings）的博客
05-16 2594
pandas list index out of range
最新发布
01-05
### 解决 Pandas 中 `list index out of range` 错误 当遇到 `IndexError: list index out of range` 的错误时，通常是因为尝试访问列表中不存在的索引位置。对于 Pandas 数据处理中的这种情况，可以采取多种措施来预防和解决问题。 #### 1. 清理 Excel 文件多余行列 如果问题是由于导入的 Excel 文件含有大量空白行或列引起，则可以在读取前清理这些不必要的部分： ```python import pandas as pd # 设置参数 skiprows 和 usecols 来跳过无用的数据 df = pd.read_excel(&#39;path_to_file.xlsx&#39;, sheet_name=1, skiprows=lambda x: x in [0], usecols="A:D") ``` 此操作会忽略指定的行并仅加载特定列，从而减少潜在的索引越界风险[^3]。 #### 2. 检查数据长度一致性 确保用于创建 DataFrame 或者执行其他操作的相关列表具有相同长度非常重要。如果不一致，在遍历过程中可能会触发索引异常。因此建议先验证各序列大小再继续后续逻辑： ```python if len(list_a) != len(list_b): raise ValueError("Lists must be the same length.") else: df = pd.DataFrame({&#39;Column_A&#39;: list_a, &#39;Column_B&#39;: list_b}) ``` 这段代码会在发现两个列表不匹配的情况下抛出自定义异常而不是默认的索引溢出警告[^5]。 #### 3. 使用 try-except 处理可能发生的错误 为了使程序更加健壮，可以在可疑区域周围包裹 `try...except` 块捕获任何可能出现的索引超限情况，并给出更友好的反馈信息给用户： ```python def safe_get(lst, idx, default=None): """Safely retrieves an element from a list.""" try: return lst[idx] except IndexError: print(f"Warning: Index {idx} is out of bounds for this list.") return default safe_value = safe_get(my_list, some_index) ``` 这种方法不仅能够防止崩溃还能提供额外的日志记录功能帮助调试[^1]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值