SLAM十四讲ch4笔记——李群和李代数

在SLAM问题中我们经常要进行位姿的优化，优化中最重要的过程就是对方程进行求导，而在矩阵层面上去进行求导或者其他的数学处理是什么麻烦的，所以一般我们在李代数上进行这些优化操作，而且李代数上的优化是一种无约束的优化，十分的简洁方便相比使用李代数来说。

什么是李群和李代数

---

基础知识：

• 三维旋转矩阵构成了特殊正交群
  S O ( 3 ) = { R ∈ R 3 × 3 ∣ R R T = I , d e t ( R ) = 1 } SO_{(3)}= \{ R \in \mathbb{R}^{3 \times 3} |RR^T=I,det(R)=1 \} SO(3)​={ R∈R3×3∣RRT=I,det(R)=1}

• 三维变换矩阵构成了特殊欧式群
  S E ( 3 ) = { T = [ R t 0 T 1 ] ∈ R 4 × 4 ∣ R ∈ S O ( 3 ) , t ∈ R 3 } SE_{(3)}= \{ T= \begin{bmatrix} R&t\\ 0^T&1\\ \end{bmatrix} \in \mathbb{R}^{4\times4}| R\in SO_{(3)},t \in \mathbb{R}^3 \} SE(3)​={ T=[R0T​t1​]∈R4×4∣R∈SO(3)​,t∈R3}

• 什么是群？

  • 群是一个集合加上一种运算的代数结构
  • 记集合为A，运算为. ，那么当运算满足以下性质时，称(A,.)成群：

    • 封闭性：
      $$\begin{gathered} \forall a_1,a_2\in A \\ {a}_1\cdot a_2\in A \end{gathered}$$

    • 结合律：
      $$\begin{gathered} \forall a_1,a_2,a_3\in A \\ (a_1\cdot a_2)\cdot a_3=a_1\cdot (a_2\cdot a_3) \end{gathered}$$

    • 幺元：
      $$\begin{gathered} \exists a_0\in A,\forall a\in A \\ {a}_0\cdot a=a\cdot a_0=a \end{gathered}$$

    • 逆：
      $$\begin{gathered} \forall a_0\in A,\exists a^{-1}\in A \\ a\cdot a^{-1}=a_0 \end{gathered}$$

• 可以验证：

  • 旋转矩阵集合和矩阵乘法成群
  • 变换矩阵集合和矩阵乘法成群
  • 因此称他们为旋转矩阵群和变换矩阵群

---

李群和李代数的导出

• 什么是李群(Lie Group)

  • 具有连续(光滑)性质的群。
  • 直观上看，一个刚体能够连续的在空间中运动，故$S{O}_{(3)}$和$S{E}_{(3)}$都是李群。
  • 但是，$S{O}_{(3)}$和$S{E}_{(3)}$只有定义良好的乘法，没有加法，所以难以进行取极限、求导等操作。

• 什么是李代数？

  • 与李群对应的一种结构，位于向量空间
  • 通常记作小写的$s{o}_{(3)}$和$s{e}_{(3)}$
  • 事实上是李群单位元处的正切空间。

• 李代数的引出：
  任意旋转矩阵R满足:
  $$R{R}^T=I$$
  考虑R随时间的变化，有：
  $$R(t)R(t{)}^T=I$$
  两侧对时间求导：
  $$\dot{R}(t)R(t{)}^T+R(t)\dot{R}(t{)}^T=0$$
  整理得：
  $$\dot{R}(t)R(t{)}^T=-{\left(\begin{array}{c}\dot{R}(t)R(t{)}^T\end{array}\right)}^T$$
  可以看出上式是一个反对称矩阵，记为(反对称符号)：
  $$\dot{R}(t)R(t{)}^T=\varphi (t{)}^{\Lambda }$$
  两侧右乘R(t)
  $$\dot{R}(t)=\varphi (t{)}^{\Lambda }R(t)$$
  可以看到，对R求导之后，左侧多出一个$\varphi (t{)}^{\Lambda }$
  下面我们考虑简单的情况(泰勒展开)：
  t 0 = 0 , R ( 0 ) = I R ( t ) ≈ R ( t 0 ) + R ˙ ( t 0 ) ( t − t 0 ) = R ( 0 ) + ϕ ( t 0 ) Λ R ( t 0 ) ( t − 0 ) = I + ϕ ( t 0 ) Λ ( t ) t_0=0,R(0)=I\\ R(t)\approx R(t_0)+\dot{R}(t_0)(t-t_0)\\=R(0)+ \phi(t_0)^{\Lambda}R(t_0)(t-0)\\=I+\phi(t_0)^{\Lambda}(t) t0​=0,R(0)=IR(t)≈R(t0​)+R˙(t0​)(t−t0​)=R(0)+ϕ(t0​)ΛR(t0​)(t−0)=I+ϕ(t0​)Λ<