本博客是《预积分总结与公式推导》一文的部分学习笔记，记录了一些李群李代数概念，IMU模型与预积分定义等知识。原文写的很好，逻辑清晰，推导详细。但是推导细节过多，不容易把控行文主线。本文提取并记录了该文的脉络核心，略去了细节，便于日后参考查找。本博客只是原文前半段的内容，后续会继续更新。
关于李群流形的一些基本概念和性质
hat和vee运算符
ω ∧ = [ ω 1 ω 2 ω 3 ] = [ 0 − ω 3 ω 2 ω 3 0 − ω 1 − ω 2 ω 1 0 ] = W \boldsymbol { \omega } ^ { \wedge } = \left[ \begin{array} { c } { \omega _ { 1 } } \\ { \omega _ { 2 } } \\ { \omega _ { 3 } } \end{array} \right] = \left[ \begin{array} { c c c } { 0 } & { - \omega _ { 3 } } & { \omega _ { 2 } } \\ { \omega _ { 3 } } & { 0 } & { - \omega _ { 1 } } \\ { - \omega _ { 2 } } & { \omega _ { 1 } } & { 0 } \end{array} \right] = \mathbf { W } ω∧=⎣⎡ω1ω2ω3⎦⎤=⎣⎡0ω3−ω2−ω30ω1ω2−ω10⎦⎤=W
W ∨ = [ 0 − ω 3 ω 2 ω 3 0 − ω 1 − ω 2 ω 1 0 ] ∨ = [ ω 1 ω 2 ω 3 ] = ω \mathbf { W } ^ { \vee } = \left[ \begin{array} { c c c } { 0 } & { - \omega _ { 3 } } & { \omega _ { 2 } } \\ { \omega _ { 3 } } & { 0 } & { - \omega _ { 1 } } \\ { - \omega _ { 2 } } & { \omega _ { 1 } } & { 0 } \end{array} \right] ^ { \vee } = \left[ \begin{array} { c } { \omega _ { 1 } } \\ { \omega _ { 2 } } \\ { \omega _ { 3 } } \end{array} \right] = \boldsymbol { \omega } W∨=⎣⎡0ω3−ω2−ω30ω1ω2−ω10⎦⎤∨=⎣⎡ω1ω2ω3⎦⎤=ω
hat运算符的性质
a ∧ ⋅ b = − b ∧ ⋅ a , ∀ a , b ∈ R 3 \mathbf { a } ^ { \wedge } \cdot \mathbf { b } = - \mathbf { b } ^ { \wedge } \cdot \mathbf { a } , \quad \forall \mathbf { a } , \mathbf { b } \in R ^ { 3 } a∧⋅b=−b∧⋅a,∀a,b∈R3
指数映射
exp ( ϕ ⃗ ∧ ) = I + sin ( ∥ ϕ ‾ ∥ ) ∥ ϕ ⃗ ∥ ϕ ⃗ ∧ + 1 − cos ( ∥ ϕ ‾ ∥ ) ∥ ϕ ⃗ ∥ 2 ( ϕ ⃗ ∧ ) 2 \exp \left( \vec { \phi } ^ { \wedge } \right) = \mathbf { I } + \frac { \sin ( \| \overline { \phi } \| ) } { \| \vec { \phi } \| } \vec { \phi } ^ { \wedge } + \frac { 1 - \cos ( \| \overline { \phi } \| ) } { \| \vec { \phi } \| ^ { 2 } } \left( \vec { \phi } ^ { \wedge } \right) ^ { 2 } exp(ϕ∧)=I+∥ϕ∥sin(∥ϕ∥)ϕ∧+∥ϕ∥21−cos(∥ϕ∥)(ϕ∧)2
一阶近似
exp ( ϕ ⃗ ∧ ) ≈ I + ϕ ⃗ ∧ \exp \left( \vec { \phi } ^ { \wedge } \right) \approx \mathbf { I } + \vec { \phi } ^ { \wedge } exp(ϕ∧)≈I+ϕ∧
对数映射
log ( R ) = φ ⋅ ( R − R T ) 2 sin ( φ ) \log ( \mathbf { R } ) = \frac { \varphi \cdot \left( \mathbf { R } - \mathbf { R } ^ { T } \right) } { 2 \sin ( \varphi ) } log(R)=2sin(φ)φ⋅(R−RT)
其中 φ = cos − 1 ( tr ( R ) − 1 2 ) \varphi = \cos ^ { - 1 } \left( \frac { \operatorname { tr } ( R ) - 1 } { 2 } \right) φ=cos−1(2tr(R)−1)
大写指数和对数映射
Exp : R 3 ∋ ϕ ⃗ → exp ( ϕ ⃗ ∧ ) ∈ S O ( 3 ) Log : S O ( 3 ) ∋ R → log ( R ) ∨ ∈ R 3 \begin{array} { l } { \operatorname { Exp } : R ^ { 3 } \ni \vec { \phi } \rightarrow \exp \left( \vec { \phi } ^ { \wedge } \right) \in S O ( 3 ) } \\ { \operatorname{Log} : \mathrm { SO } ( 3 ) \ni \mathbf { R } \rightarrow \log ( \mathbf { R } ) ^ { \vee } \in R ^ { 3 } } \end{array} Exp:R3∋ϕ→exp(ϕ∧)∈SO(3)Log:SO(3)∋R→log(R)∨∈R3
一阶近似
Exp ( ϕ ⃗ + δ ϕ ⃗ ) ≈ Exp ( ϕ ⃗ ) ⋅ Exp ( J r ( ϕ ⃗ ) ⋅ δ ϕ ⃗ ) Log ( Exp ( ϕ ⃗ ) ⋅ Exp ( δ ϕ ⃗ ) ) = ϕ ⃗ + J r − 1 ( ϕ ⃗ ) ⋅ δ ϕ ⃗ \operatorname { Exp } ( \vec { \phi } + \delta \vec { \phi } ) \approx \operatorname { Exp } ( \vec { \phi } ) \cdot \operatorname { Exp } \left( \mathbf { J } _ { r } ( \vec { \phi } ) \cdot \delta \vec { \phi } \right)\\ \operatorname{Log} ( \operatorname { Exp } ( \vec { \phi } ) \cdot \operatorname { Exp } ( \delta \vec { \phi } ) ) = \vec { \phi } + \mathbf { J } _ { r } ^ { - 1 } ( \vec { \phi } ) \cdot \delta \vec { \phi } Exp(ϕ+δϕ
最低0.47元/天 解锁文章
877
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
