李群和李代数（二）——李群和李代数两者的关系理解与应用

在上一篇帖子上对李群和李代数进行了简单的介绍，也对李代数的意义以及李群和李代数的关系，做了简单的介绍，但是只是文字和公式太过抽象，经过查阅资料，并进行总结了这篇文章。

下面是上一篇文章的部分内容

1.应用意义

在视觉slam中，我们需要不断计算相机的位姿和构建地图，相机的位姿表现在其变换矩阵T，由于干扰的存在，我们无法准确获得所需要的信息，所以我们转而求其最小误差。

假设我们有N个三维点p和对应的观测值z，我们的目标就是寻找一个最佳位姿T，使得整体误差最小化，如下式：
$$\underset{T}{\min }J(T)=\sum _{i=1}^N||z_i-T{p}_i|{|}_2^2$$
要求解上面的方程，就是要求目标函数J对T的导数，但是由于T所在的变换矩阵群（SO(3)）对加法不封闭，无法直接求取，所以我们需要引入一个新的量，通过对该量的计算间接获得对T的求导，这个引入的量就是李代数

2.数学意义

每个李群都有与之对应的李代数。李代数描述了李群的局部性质（局部导数），准确的说是单位元附近的正切空间。

1.李群和李代数的关系

李代数描述了李群的局部性质，每个李群都有相对应的李代数。李代数对应李群的切空间，它描述了李群局部的导数。李群是具有群结构的流形，李代数是李群上单位元处保留李括号的切空间。

如下图所示，这个图可以比较形象的描述李群和李代数之间的关系。

把图中的球面看成李群的流形M，那么把图中的平面看成点$\epsilon$附近李代数的正切空间$T_{\epsilon }M$。

这里可以把球面看成相机运行的轨迹，连续且光滑，也就是李群，是光滑流形。所谓流形，简单点理解就是高维空间的超曲面，而光滑流形是带有微分结构的拓扑流形。而切空间，简单理解就是流形上某点处的相切面，当然高维流形其切面也是高维切面。下图就是用了比较容易理解的球面和切平面分别代指流形和切空间。

李群上每个量都是非线性的，而到了对应李代数上就变成了线性了。

李代数（vt、${\tau }_1、$${\tau }_2$）通过指数映射到李群（exp(vt)、$exp({\tau }_1)、$$exp({\tau }_2$）)。

反之李群（${\chi }_3$）通过对数映射到李代数（$log({\chi }_3)$）。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7EG79hRK-1691211454460)(D:\software\qq\1361173418\FileRecv\MobileFile\0D699F9B50082CA71ED1C9AFEA2E50D1.png)]

至于相关对数和指数的计算在上一篇文章中介绍过，这里就不进行说明了。

本文主要参考《机器人SLAM导航核心技术与实战》
进行说明了。

本文主要参考《机器人SLAM导航核心技术与实战》