课程Github地址:https://github.com/wrk666/VSLAM-Course/tree/master
0. 引言
这次作业数这题最难,花了好长时间,做完之后记录一下。
1. 题目&答案
- 其中(6.2)用到了 e x e^x ex的泰勒展开(其实我更习惯于叫无穷级数的展开)
- (6.3)用到了BCH公式(《SLAM14讲》P82)和T5的结论
2. 小结
(6.3)中在使用BCH公式时, R 1 R 2 R_1R_2 R1R2要转换为李代数形式 l n ( R 1 R 2 ) ∨ ln(R_1R_2)^\vee ln(R1R2)∨
- (6.5)中公式
R
a
∧
R
T
=
(
R
a
)
∧
Ra^\wedge R^T=(Ra)^\wedge
Ra∧RT=(Ra)∧要令
R
=
R
T
R=R^T
R=RT(这个弯我绕了很久才想到,然后就能使用
R
2
R_2
R2凑出BCH公式需要的形式)得
R T a ∧ R = ( R T a ) ∧ R^Ta^\wedge R=(R^Ta)^\wedge RTa∧R=(RTa)∧ - 尤其需要注意雅可比矩阵是
J
l
J_l
Jl还是
J
r
J_r
Jr和给的扰动是左扰动还是右扰动无关,是
J
l
J_l
Jl还是
J
r
J_r
Jr得看BCH公式中的小量在左边还是右边,小量在左就是
J
l
J_l
Jl,小量在右就是
J
r
J_r
Jr。(6.5)中是给
R
2
R_2
R2左扰动,但是求出的雅可比是
J
r
J_r
Jr,当然,也可以在(6.5)第2行用
R
1
T
R
1
R_1^TR_1
R1TR1凑
lim φ 2 → 0 l n ( R 1 e x p ( φ 2 ∧ ) R 1 T R 1 R 2 ) ∨ − l n ( R 1 R 2 ) ∨ φ 2 = lim φ 2 → 0 l n ( e x p ( ( R 1 φ 2 ) ∧ ) R 1 R 2 ) ∨ − l n ( R 1 R 2 ) ∨ φ 2 ≈ ( B C H 简 化 , 最 终 结 果 ) J l ( l n ( R 1 R 2 ) ∨ ) − 1 R 1 \lim_{\varphi_2 \to 0}\frac{ln(R_1exp(\varphi_2^\wedge)R_1^TR_1R_2)^\vee-ln(R_1R_2)^\vee}{\varphi_2} \\ =\lim_{\varphi_2 \to 0}\frac{ln(exp((R_1\varphi_2)^\wedge)R_1R_2)^\vee-ln(R_1R_2)^\vee}{\varphi_2}\\ \approx(BCH简化,最终结果)J_l(ln(R_1R_2)^\vee)^{-1}R_1 φ2→0limφ2ln(R1exp(φ2∧)R1TR1R2)∨−ln(R1R2)∨=φ2→0limφ2ln(exp((R1φ2)∧)R1R2)∨−ln(R1R2)∨≈(BCH简化,最终结果)Jl(ln(R1R2)∨)−1R1
上面用的是 J l J_l Jl(这个结果我还没验证,等一会儿验证了再来看对不对。) - 据助教说在VIO中常用 J r J_r Jr,后面再说,手写VIO已经安排上了。