视觉SLAM14讲学习笔记-ch3_视觉slam十四讲笔记-CSDN博客

本文链接：https://blog.csdn.net/shuaibidebei/article/details/142026251

本博客主要记录学习高翔老师视觉SLAM14讲的总结笔记，若有总结不对的地方，欢迎大家与我讨论。

一、向量内外积

内积：

$\vec{a} \cdot \vec{b}=a^{T}\cdot b=\sum_{i=1}^{3} a_{i}b_{i}=\left | a \right | \left | b \right |cos\left \langle a,b \right \rangle$

外积：

$\vec{a} \times \vec{b}=a^{\wedge }\cdot b=\begin{bmatrix} 0 & -a_{3} & a_{2} \\ a_{3} & 0 & -a_{1} \\ -a_{2} & a_{1} & 0 \end{bmatrix}\cdot b$

二、欧式变换

旋转矩阵是特殊正交群，R^{-1}与R^{T}相同，都表示相反旋转，即：

$SO(n)=\left \{ R\in \Re^{n\times n}\mid R^{T}R=I, det(R)=1 \right \}$

旋转与平移向量：

$a_{1}=R_{12}a_{2}+t_{12}$

三、变换矩阵与齐次坐标

用一个矩阵表示旋转和平移，即为变换矩阵，同时向量坐标也应转换为齐次坐标：

$T=\begin{bmatrix} R & t\\ 0 & 1 \end{bmatrix}\Rightarrow \begin{bmatrix} a' \\ 1 \end{bmatrix} = T\begin{bmatrix} a\\ 1 \end{bmatrix}$

变换矩阵也称为特殊欧式群，即

$SE(3)=\left \{ T=\begin{bmatrix} R & t \\ 0 & 1 \end{bmatrix}\in \Re^{4\times 4}\mid R\in SO(3),t\in \Re^{3} \right \}$

变换矩阵的逆矩阵为：

$T^{-1}=\begin{bmatrix} R^{T} & -R^{T}t \\ 0^{T} & 1 \end{bmatrix}$

四、旋转向量

旋转向量又称角轴，它由一个旋转轴和一个旋转角来刻画，即

$\vec{n}\cdot \theta$

罗德里格斯公式建立起旋转向量和旋转矩阵之间的关系，由旋转向量到旋转矩阵为：

$R=\cos \theta I+(1-\cos \theta )nn^{T}+\sin\theta n^{\wedge }$

由旋转矩阵到旋转向量为：

$\begin{cases} tr(R)=1+2\cos \theta \Rightarrow \theta = \arccos \frac{tr(R)-1}{2} \\ Rn=n \end{cases}$

转轴n是矩阵R特征值1对应的特征向量

五、欧拉角

存在万向锁问题，不适用于插值和迭代
欧拉角定义旋转还与绕哪个轴旋转的先后顺序有关，常见的是ZYX轴顺序，即RPY表示

六、四元数

四元数常表示为：

$q=q_{0}+q_{1}i+q_{2}j+q_{3}k$

类比于复数欧拉角 $e^{i\theta}=\cos \theta +i\sin \theta$ ，用于表示复平面上的向量旋转，如何理解四元数表述旋转，可以在B站上找个相关视频观看。单位四元数用于旋转向量，即：

p'=qpq^{-1}

其中，p为向量组成的纯虚四元数。由四元数到旋转矩阵为：

$R=vv^{T}+s^{2}I+2sv^{\wedge }+(v^{\wedge})^{2}$

其中，v表示为四元数虚部，s表示为四元数实部。由四元数到旋转向量：

$\left\{\begin{matrix} tr(R)=4s^{2}-1\Rightarrow \theta =2\arccos s \\ \begin{bmatrix} n_{x} & n_{y} & n_{z} \end{bmatrix}^{T} = \begin{bmatrix} q_{1} & q_{2} & q_{3} \end{bmatrix}^{T}/\sin(\frac{\theta}{2} ) \end{matrix}\right.$