四元数与角轴、旋转矩阵、so(3)、SO(3) 的关系

已于 2024-01-30 14:52:28 修改
阅读量1.3k 收藏 22
点赞数 28
分类专栏： 数学 文章标签： 矩阵 线性代数
于 2024-01-25 11:06:40 首次发布
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_60346726/article/details/135838412
版权

四元数定义

q = [ s , υ ] T , s = q 0 ∈ R , υ = [ q 1 , q 2 , q 3 ] T ∈ R 3 \left.q=\left[\begin{matrix}{s,\upsilon}\\\end{matrix}\right.\right]^{\mathrm{T}},s=q_{0}\in\mathbb{R},\upsilon=\left[\begin{matrix}{q_{1}},q_{2},q_{3}\\\end{matrix}\right]^{\mathrm{T}}\in\mathbb{R}^{3} q=[s,υ​]T,s=q0​∈R,υ=[

最低0.47元/天 解锁文章
三维空间刚体运动1：旋转矩阵与变换矩阵（详解加代码示例）
shao918516的博客
03-25 2万+
本篇继续参照高翔老师《视觉SLAM十四讲从理论到实践》，讲解三维空间刚体运动。博文将原第三讲分为四部分来讲解：1、旋转矩阵和变换矩阵；2、旋转向量表示旋转；3、欧拉角表示旋转；4、四元数表示变换。本文相对于原文会适当精简，同时为便于理解，会加入一些注解和补充知识点，本篇为第一部分：旋转矩阵和变换矩阵，另外三部分请参照博主的其他博文。
sophus库 so3三维向量在不适用sophus库情况下转换到旋转矩阵
zhengshunkai的博客
07-30 1040
实际上就是使用罗德里格斯公式进行转换: 代码如下 Eigen::Matrix3d calR(const Eigen::Matrix<double,6,1>& update) { //cos(the)*I + (1-cos(the))*ano*anot+sin(the)*anohat //omega = the * ano Eigen::Vector3d ...
liegroups:使用numpy或pytorch的SO2，SE2，SO3和SE3矩阵李组的Python实现
04-29
说谎者 SO2，SE2，SO3和SE3矩阵Lie组的Python实现使用numpy或PyTorch。 安装 要进行安装，请cd进入存储库目录（带有setup.py目录）并运行： pip install . 或者 pip install -e . -e标志告诉pip就地安装软件包，这使您可以更改代码而不必每次都重新安装。 不要在共享工作站上执行此操作！ 测验 确保已pytest安装在系统上，或者使用安装conda install pytest或pip install pytest 。 然后在存储库目录中运行pytest 。 用法 可通过liegroups.numpy和liegroups.torch子包来访问Numpy和liegroups.numpy实现。 默认情况下，numpy实现可通过顶级程序包使用。 使用类似的方法访问numpy实现 from liegroups import S
四元数对于SO3具有double cover的理解
Coderii的博客
06-11 2297
四元数对于SO3具有double cover的理解四元数表征的是四维空间的变换isoclinic rotation和三维空间中的旋转的关系 本文是在学习《Quaternion kinematics for the error-state Kalman filter》时，对于书中四元数double cover特性的个人理解。 作者在文中也有说明，该现象仍未有一个完美的解释，本文的内容包含很多猜想的成...
【代码】四元数、RPY、旋转矩阵、so3之间的转换
weixin_42235171的博客
09-23 809
代码：四元数、RPY、旋转矩阵、so3之间的转换
四元数矩阵与 so(3) 左右雅可比
m0_37870385的博客
09-29 2531
我们知道，单位四元数 q 和 so(3) 向量 （即 rotation vector）的对应关系为： , in which 当 很小时，可以近似表达为： 四元数小量和李代数小量有很简单的对应关系，所以在使用四元数的优化问题中，往往也取 小量作为更新量，例如 OKVIS [1]。具体到优化过程中，使用李群李代数（如预积分论文 [2]）和使用四元数之间还是有区别的。使用李群李代数，在 residual 推导时会用到 so3 的左雅可比或右雅可比；使用四元数，会用到四元数矩阵（或共轭四元数矩阵）。不
SO3，SE3，旋转，欧拉角与四元数笔记
longwoo1012的博客
02-09 2442
在机器人学中的定义和其它领域中的定义有时候会有不同，长时间不用也会记混淆。这里记录一下便于回头翻阅。 参考《A Mathematical Introduction to Robotic Manipulation》p31-32 The ZYX Euler angles are also referred to as the yaw, pitch, and roll angles, with RabR_{ab}Rab​ defined by rotating about the x-axis in the b
表示二维和三维（SO(2)、SE(2)、SO(3)、SE(3)）中的方向和姿态的正交和齐次变换矩阵、四元数、旋转变换、三重角和矩阵指数的函数Matlab代码.rar
最新发布
02-10
在旋转和变换的应用中，矩阵指数用于计算旋转矩阵，可以将向量或矩阵映射到SO(3)群中的旋转矩阵。 本Matlab代码包提供了一套参数化的编程工具，方便用户根据需要更改参数，并提供了清晰的编程思路和详细的注释。这...
视觉SLAM学习笔记2：旋转矩阵、变换矩阵、旋转向量与四元数简述
newton的博客
02-08 4255
视觉SLAM学习笔记2：旋转矩阵、变换矩阵、旋转向量与四元数简述 1.旋转矩阵 （1）向量外积 对于向量外积,除了现线代课本上的方法，还可以引入∧ 符号,把 a 写成一个矩阵。事实上a∧ 是一个反对称矩阵。外积只对三维向量存在定义。 反对称矩阵： 设A为n维方阵，若有AT=-A，即该矩阵的转置等于他的相反数，则称矩阵A为反对称矩阵，每个反对称矩阵都有与之对应的向量a。 （2）旋转矩阵推导 e、e...
matlab与李群SO(3)和SE(3)一起工作的一些函数。机器人的状态估计.zip
05-16
1. **转换函数**：从欧氏坐标到四元数，从四元数到旋转矩阵，以及从旋转矩阵到轴角表示的转换。这些转换在处理机器人运动时非常常见。 2. **群运算**：实现SO(3)和SE(3)的乘法，这允许我们组合多个旋转和平移来得到...
so(3)是个三维流形
a616708946的博客
09-07 922
首先假设你已经知道所有旋转矩阵是一个李群，记作so(3)然后这个集合中每个元素都可以用一个a=[a1,a2,sqrt(1-a1^2-a2^2)]^T的单位向量和一个θ来表示(这里默认单位向量的第三个分量为非负的)。所以这个李群是一个三维的流形。 ...
SO(3)的含义
Aristotle__的博客
04-06 1万+
定义：SO(3)={R| R^转置 R= I,det (R)=±1}；SO(3)是包含旋转矩阵R的一种特殊正交群，我们称之为三维旋转群。
用绕轴旋转的方法表示旋转群SO(3)
Brandonsemenuk的博客
05-29 1408
这个图反映了向量空间向李代数的映射，在SO(3)中，向量空间中的向量τ∈R3，这里我们用绕单位轴旋转的方法来表征这一向量而非rpy角，那么我们需要4个值 ωhat=(ω1 ω2 ω3)与θ，由于其满足ω12+ω22+ω32=1，所以我们只需要知道其中两个值即可，再加上旋转角θ，这一表示方法的维度实际上还是3，可令τ=ωhatθ作为向量空间的向量构成。 对于一个三维空间中的旋转可表示为下图所示， p(0)绕ωhat旋转θ角，角速度为1rad/s，旋转过程中某一时刻下向量p速度满足下列微分方程， 要将其用一
机器人学关于SE（3）、se（3）、SO（3）、so（3）的理解
热门推荐
Rot_Tianers
03-17 2万+
一、常用符号表 SE(3):特殊欧式群 se(3):特殊欧式群的李代数 SO(3): 三维特殊正交群 so(3): 三维特殊正交群的李代数 T(3):三维移动群 R: 旋转矩阵 二、关系 李代数：李群单位元处的切空间； SO(3) 和T(3) 都是SE(3)的李子群 在刚体运动中： SO(3)代表旋转运动（R∈SO(3)R\in SO(3)R∈SO(3)），齐次变换表示为: R001\begin{matrix} R&0\\ 0&1\\ \end{matrix}R0​01​ T(3
李群&李代数：SO3 与so3 & SE3与se3 & SIM3
weixin_41469272的博客
11-21 1410
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
1、旋转在三维空间中的表现形式
weixin_44760904的博客
06-07 586
有4种表达方式：旋转矩阵SO(3)、四元数、旋转向量和欧拉角。
旋转矩阵的几种描述方式
Azahaxia的博客
09-09 5798
关于旋转矩阵 在坐标系的变换中，主要分为旋转变换和平移变换。对于旋转变换来说，常常通过一个3×3的正交矩阵来描述坐标系的一个旋转过程，也可以用于描述一个空间物体的姿态。 1.旋转矩阵 旋转矩阵一般可以通过以下几种方式获得。 1.1.根据定义 已知存在两个坐标系{A}和{B}，如何得到相对于{A}的{B}的姿态，即旋转矩阵BAR^A_BRBA​R呢？ 假设用XB^\hat{X_B}XB​^​、YB^\hat{Y_B}YB​^​和ZB^\hat{Z_B}ZB​^​来表示坐标系{B}主轴方向的单位矢量。当用坐标系
【SLAM十四讲学习笔记】第3讲 三维空间刚体运动
qq_33290813的博客
07-09 631
第3讲 三维空间刚体运动 外积的方向垂直于这两个向量，大小为 |a| |b| sin ⟨a, b⟩ 相机运动是一个刚体运动，它保证了同一个向量在各个坐标系下的长度和夹角都不会发生变化。这种变换称为欧氏变换。 矩阵 R 描述了旋转本身。因此它又称为旋转矩阵。旋转矩阵是行列式为 1 的正交矩阵。所以，我们可以把旋转矩阵的集合定义如下: SO(n)={R∈Rn×n|RRT =I,det®=1}. SO(n) 是特殊正交群(Special Orthogonal Group)，旋转矩阵的逆(即转置)描述了一个
SO(3), SE(3), so(3), se(3) 的对应关系
qq_28105413的博客
01-21 1万+
对偶四元数与变换矩阵
01-09
### 对偶四元数与变换矩阵的关系 在计算机图形学和机器人学领域，对偶四元数提供了一种高效且无奇异性的方法来表示刚体运动，而变换矩阵则是另一种常用的表示方式。两者都可以用来描述物体的位置和姿态变化。 #### 描述能力对比 对偶四元数可以同时编码旋转和平移信息，这使得它特别适合于处理复杂的三维空间变换[^1]。相比之下，标准的四元数仅能表达旋转部分的信息；为了完整地定义一个刚体变换，则需额外引入平移向量。然而，通过采用7个参数（即4个实部加3个虚部），对偶四元数能够在单一结构内实现这一点，从而减少了计算复杂度并提高了数值稳定性。 对于变换矩阵而言，通常使用齐次坐标下的\(4\times4\)方阵形式来进行位置和方向的同时表述。尽管这种方法直观易懂，并且易于与其他线性代数操作相结合，但在某些情况下可能会遇到所谓的“万向锁”问题——当两个轴重合时发生的自由度丢失现象。由于对偶四元数不存在这样的局限性，因此成为解决此类难题的理想选择之一[^2]。 #### 转换方法 ##### 从变换矩阵到对偶四元数 给定一个\(4\times4\)的标准SE(3)群中的变换矩阵\(\mathbf{T}\)，其中包含了旋转子矩阵\(\mathbf{R}\in SO(3)\)以及平移列向量\(\mathbf{t}=[tx,ty,tz]^T\)： \[ \mathbf{T}= \begin{bmatrix} R_{11}&R_{12}&R_{13}& t_x\\ R_{21}&R_{22}&R_{23}& t_y \\ R_{31}&R_{32}&R_{33}& t_z \\ 0 & 0& 0& 1 \end{bmatrix}, \] 可以通过以下步骤将其转化为对应的对偶四元数\(\hat{\mathbf{q}}=\mathbf{q}_r+\epsilon\mathbf{q}_d,\quad (\epsilon^2=0)\): - 首先提取出旋转分量\(\mathbf{R}\), 并按照常规的方式转换成单位四元数\(\mathbf{q}_r=(w,x,y,z)^T\)； - 接着利用公式\(\mathbf{q}_d = (0,-\frac{1}{2}(Rx+t))\) 计算得到平移分量\(\mathbf{q}_d\) ，这里 \(x=[tx, ty, tz]\). 最终形成的对偶四元数就是所求的结果。 ```python import numpy as np def matrix_to_dual_quaternion(T): """ Convert a transformation matrix to dual quaternion. Parameters: T : array_like A 4x4 homogeneous transform matrix Returns: tuple of two arrays representing the real and dual parts of the quaternion respectively """ # Extract rotation sub-matrix from T R = T[:3,:3] # Compute regular quaternion corresponding to this rotation angle_axis = cv2.Rodrigues(R)[0].flatten() theta = np.linalg.norm(angle_axis) if abs(theta)<np.finfo(float).eps*3: qr = [1., 0., 0., 0.] else: axis = angle_axis / theta s = math.sin(theta/2.) c = math.cos(theta/2.) qr = [c,s * axis[0],s * axis[1],s * axis[2]] # Calculate translation part using formula q_d=-0.5*(cross(q_r,v)+v) v = T[:-1,-1:] cross_product_matrix = lambda vec: [[0 ,-vec[2][0], vec[1][0]], [vec[2][0], 0 , -vec[0][0]], [-vec[1][0], vec[0][0], 0 ]] C = np.array(cross_product_matrix([qr[1]*2*s/c, qr[2]*2*s/c, qr[3]*2*s/c])) qd = (-0.5)*(C.dot(v)+v) return qr,qd.flatten().tolist() ``` ##### 从对偶四元数到变换矩阵 相反的过程也相对简单明了。假设有一个已知的对偶四元数\(\hat{\mathbf{q}}=\mathbf{q}_r+\epsilon\mathbf{q}_d\)，那么重建相应的\(4×4\)变换矩阵可通过如下方式进行: - 将纯旋转成分\(\mathbf{q}_r\)转回至\(3×3\)正交矩阵\(\mathbf{R}\); - 使用先前提到的方法由\(\mathbf{q}_d\)恢复出平移矢量\(\mathbf{t}\); 最后组合起来形成完整的变换矩阵\(\mathbf{T}\)。 ```python from scipy.spatial.transform import Rotation as Rot def dual_quaternion_to_matrix(dual_q): """ Converts a dual quaternion into its equivalent SE(3) homogenous transformation matrix Args: dual_q(tuple): Tuple containing lists or ndarrays with length four each for both quaternions Returns: ndarray: The resulting 4 by 4 Homogeneous Transformation Matrix """ qr,dq = map(np.asarray,dual_q) r = Rot.from_quat(qr[[1,2,3,0]]).as_matrix() # Note that SciPy expects w last not first! t = dq[1:] * 2.0 - np.cross(qr[1:],dq[1:]) H = np.eye(4) H[:3,:3]=r;H[:3,3]=t; return H ```
评论 1
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

打赏作者

<lumen>

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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