The Three-Dimendional Normal-Distributions Transform论文学习（Chapter 2）

最新推荐文章于 2024-04-25 10:55:06 发布

九九Jiu

最新推荐文章于 2024-04-25 10:55:06 发布

阅读量513

点赞数 1

分类专栏：论文学习

本文链接：https://blog.csdn.net/qq_31246717/article/details/84792283

版权

本文深入介绍了3D旋转的不同表示方法，包括欧拉角、旋转矩阵、四元数和轴角旋转，讨论了各自的优缺点。此外，还探讨了配准的基本概念，特别是配准在SLAM中的作用，以及如何通过子采样策略提高配准效率。

摘要由CSDN通过智能技术生成

Chapter 2. 普遍概念

2.1 Points, positions, and pose: 点，位置，和位姿

Points很好理解，就是普通意义上的点，下文会用一个向量x来表示位置，这是点的一个重要属性。pose位姿这个概念可能比较陌生，它一般用在扫描配准和定位中，代表着位置和方向的组合，或者说，位姿可以由围绕坐标系原点的旋转以及平移来表示。

2.2 rotation: 旋转

在二维平面上，平移和旋转可以简单的表示出来，其中平移可以用二维矢量表示，旋转则可以用一个标量的逆时针旋转角度确定；而在三维条件下，三维平移还可以用三维矢量来表示，但旋转就复杂的多了。下面是旋转的几种表现形式：

Euler angles（欧拉旋转）

欧拉旋转是最常见的3D旋转的表示法之一，它使用三个标量，表示围绕三个主轴x,y,z的连续旋转，这就是欧拉角表示。欧拉角矢量 $\begin{bmatrix} \phi_x , \phi_y, \phi_z \end{bmatrix}$ 可以表示一个组合变换：表示扫描首先绕z轴旋转φz，然后绕y轴旋转φy，最后绕x轴旋转φx，当然，这个顺序是可以改变的。

欧拉角这种表示比较容易理解和实现，但是存在一定的缺陷：欧拉角并不总是唯一的，在某些条件下，可能会产生万向节锁的情况，从而失去一个自由度。当第二个角度处于某种临界值时，第一和第三角度的变化时不可区分的。例如对于最初时水平的车辆，如果旋转的顺序是x-y-z，并且第二个角度（俯仰，pitch）是90度，则车是直指的，此时偏航（yaw）和滚动（roll）是不可区分的，这就发生了万向节锁。这么说可能有些抽象，大家可以看下面的视频更形象的感受一下：一个讲解欧拉旋转和万向节锁的一个视频

Rotation matrices(旋转矩阵)

任意的三维旋转也可以表示为特殊的正交3*3矩阵。这个矩阵具有以下性质：

转置等于逆；
行列式等于1；

将两个矩阵相乘产生的另一个矩阵，就表示了原始矩阵代表的物体按顺序旋转后，得到的另一个状态，用乘积矩阵表示。欧拉角旋转通常被实现为三个旋转矩阵的乘积，每个旋转轴对应一个旋转矩阵。上面提到的欧拉角旋转例子 $\begin{bmatrix} \phi_x , \phi_y, \phi_z \end{bmatrix}$ 用旋转矩阵表示如下：