视觉SLAM十四讲-第四讲笔记

视觉SLAM14讲-第四讲笔记

优化问题

为什么使用李代数：实际SLAM中，相机位姿R,T未知，需要进行估计，估计的过程可以看做最小误差的优化问题。由于旋转矩阵和变换矩阵有约束（正交、det=1），难以优化。转换成李代数，可以从有约束优化问题转变为无约束优化问题。

对于相机位姿T，观察到世界坐标系上的点P，在噪声w下，得到观测数据z。

• z=Tp+w

得到误差：

• e=z-Tp

对于n个点，要估计位姿T，即找到最优的T，似的误差∑e最小化。

• minJ(T)=∑e=∑(z-Tp)

J为T的函数，要优化，则要计算J关于T的导数。R、T是群，没有良好的定义加法，作为普通矩阵则有约束。转为李代数，则有良好定义的加法，无约束。

群

• 群：只对一种运算封闭。封结幺逆。
  • 旋转矩阵和变换矩阵属于SO(3)和SE(3)群，它们对乘法封闭，对加法不封闭。
• 李群：在群基础上连续。

李代数

• ^：向量——>反对称矩阵
• ˇ：反对称矩阵——>向量

李代数的定义

每个李群都有与之对应的李代数，描述了李