视觉SLAM笔记(15) 李群与李代数
1. 前言
之前介绍了三维世界中刚体运动的描述方式,包括旋转矩阵、旋转向量、欧拉角、四元数等若干种方式
重点介绍了旋转的表示,但是在 SLAM 中,除了表示之外,还要对它们进行估计和优化
因为在 SLAM 中位姿是未知的,而需要解决 什么样的相机位姿最符合当前观测数据 这样的问题
一种典型的方式是把它构建成一个优化问题,求解最优的 R,t,使得误差最小化
如前所言,旋转矩阵自身是带有约束的(正交且行列式为 1)
它们作为优化变量时,会引入额外的约束,使优化变得困难
通过 李群——李代数 间的转换关系,希望把位姿估计变成无约束的优化问题,简化求解方式
2. 基础
视觉SLAM笔记(7) 欧氏变换 介绍了 旋转矩阵的定义
视觉SLA