视觉SLAM整理（2）数学篇

一、正交矩阵

概念：$AA^T = E$

性质： 各行/列是单位向量且两两正交

二、变换矩阵

1.包括：左上旋转、右上平移、左下缩放、右下为1

2.旋转向量->旋转矩阵：通过Rodrigues

|2017.2.19.22.56

三、向量

1、点乘（内积）a·b=|a|·|b|·cos

2、叉乘（外积）得到垂直向量

四、齐次坐标

<资料>http://blog.csdn.net/pinbodexiaozhu/article/details/43373299

1.目的：

• 合并矩阵中的加法和乘法（即平移和旋转）
• 把二维、三维甚至更高维度中的一个点集从一个坐标系变换到另一个坐标系

2.将n维的向量用n+1维表示，表示不唯一，例如（8，4，2）和（4，2，1）都表示（4，2）

3.正常化处理：将n+1项化为1

|2017.3.11 17:23

五、变换

• 视图变换：将世界坐标转为相机坐标
• 模型变换：旋转、平移、缩放
• 投影变换：
  
  • 正投影
  • 透视投影
• 视口变换

六、Jacobian

1. 矩阵
   -） Example

   • $f:R^{2}\rightarrow R^{2}, f(x,y) = \left[\begin{matrix}x^{2}y \\ 5x + siny\end{matrix}\right]$
     $f_1(x,y) = x^{2}y$
     $f_2(x,y) = 5x + siny$
   • 例如：如果用$(x^{'},y^{'}) = f(x,y)$来变换一张图像，则雅可比矩阵就描述了$（x,y）$周围的变换。

   -）可用作线性逼近（类似泰勒展开）

   • 如果f在p点可微且x点在p点附近，则$f(x) = f(p) +J_{f}(p)(x-p)+o(||x-p||)$
2. 行列式
   -） if the Jacobian determinant at p is positive, then f preserves orientation near p; if it is negative, f reverses orientation.