线特征基础知识

线特征基础知识

最近在研究线特征相关的SLAM问题，学习了相关的基础知识，在此做个总结。以前一直都是研究基于点的SLAM算法，对于线的SLAM了解不是很多。经过阅读相关的文章，发现最近研究基于点和线特征的文章很多，前年和去年就有好几篇IROS的文章是研究点和线SLAM的。

---

点、线和平面的表示

首先介绍点、线和平面的表示方法，由于点可以由下面的两种方式得到：空间中的两个点确定一条线；两个不平行平面相交得到一条直线。
空间中的一个点可以由坐标$X=[x,y,z]^T$表示，也可以由齐次坐标为$\underline{X}=[\underline{x},\underline{y},\underline{z},\underline{w}]^T$表示。齐次坐标系$\underline{X}=[\underline{x},\underline{y},\underline{z},\underline{w}]^T$等价于$\underline{X}=[\underline{x}/\underline{w},\underline{y}/\underline{w},\underline{z}/\underline{w},1]^T=[X,1]^T$。
空间中的一条线$\mathcal{L}$可以由两个点$p=\underline{X}_1=[\underline{x}_1,\underline{y}_1,\underline{z}_1,\underline{w}_1]^T$，$q=\underline{X}_2=[\underline{x}_2,\underline{y}_2,\underline{z}_2,\underline{w}_2]^T$确定

$$\mathcal{L}= \left[ \begin{array}{c} X_1 \times X_2 \\ w_2 X_1 - w_1X_2 \end{array} \right]= \left[ \begin{array}{c} n \\ v \end{array} \right] \in R^6$$
其中 $n$是经过原点、$p$和 $q$的平面的法向量，$v$是直线的方向向量。
线 $\mathcal{L}=\left[ \begin{array}{c} n \\ v \end{array} \right]$做线的Plucker表示方式，其中 $n^Tv = 0$。
已知空间中某个点以及其方向向量，可以得到线的另外一种表示方法， $\hat{\mathcal{L}}=\left[ \begin{array}{c} a \\ v \end{array} \right]= \left[ \begin{array}{c} \frac{v\times n}{\Vert v \Vert^2} \\ v \end{array} \right]$，其中 $a$为坐标系原点到直线距离最近的点。
平面$\pi$由4维的向量表示，经过点 $p1=X_1$、 $p2=X_2$和 $p3=X_3$的平面为
$$\pi = \left[ \begin{array}{c} (X_1 - X_3)\times (X_2 - X_3) \\ -X_3^T(X_1 \times X_2) \end{array} \right]$$
线的另外一种表达方式为四个元素的正交表示 $(U,W)\in SO3\times SO2$，这种表示由于没有冗余参数，不存在约束，从而适合做为后端优化的表示方式。
线 $\mathcal{L}=\left[ \begin{array}{c} n \\ v \end{array} \right]$转换成正交表示参数的公式为
$$\left[n|v\right]= \left[ \frac{n}{\Vert n \Vert} \quad \frac{v}{\Vert v \Vert} \quad \frac{n\times v}{\Vert n\times v \Vert} \right] \left[ \begin{array}{cc} \Vert n \Vert & 0 \\ 0 & \Vert v \Vert \end{array} \right]=U \left[ \begin{array}{cc} \Vert n \Vert & 0 \\ 0 & \Vert v \Vert \end{array} \right]$$
矩阵 $U =\left[ \frac{n}{\Vert n \Vert} \quad \frac{v}{\Vert v \Vert} \quad \frac{n\times v}{\Vert n\times v \Vert} \right]\in SO3$是一个正交矩阵，

---