上一讲介绍了,相机在三维空间的运动的表示:包括旋转矩阵、变换矩阵、旋转向量、四元数。但是仅仅表示出来还不行,因为在现实情况中,这些纯数学的表示和相机的真实运动存在有误差。需要对其进行优化 —— 即解决什么样的相机位姿最符合当前的观测数据。
回顾上一讲:
三维中,旋转矩阵构成了特殊正交群SO(3);
变换矩阵构成了特殊欧式群SE(3)。
群的定义:某一集合加上某一运算。
李群的定义:具有连续性质的群。每个李群都有与之对应的李代数。
旋转矩阵构成了群,又因为旋转矩阵可表示旋转(我们可以直观明白旋转是可连续的运动)。所以SO(3)和SE(3)(同理)是两个李群,他们对应的李代数为so(3)和se(3)。
注:此处的符号s并不标准,只是为了方便,才采用s代替。
对于旋转矩阵R,有:
RRT=I
加上时间,有:
R(t)RT(t) = I
对时间求导:
上图中的式子可简化看成 G= - GT 则G为反对称矩阵。
而上一讲介绍了向量的叉积:a,b为两向量。