SLAM中三维空间的刚体运动描述方式
1. 旋转矩阵
1.点和向量,坐标系
- 点:在几何学上点是 没有大小而只有位置,即点存在于三维空间中的某一个位置。
- 向量: 可以形象化地表示为 带箭头的线段。箭头所指:代表向量的方向;线段长度:代表向量的大小。 (请勿将向量 与它的 坐标 两个概念混淆,只有确定向量所在的坐标系,才能讨论它在该坐标系下的坐标)
- 定义坐标系后,也就是一个线性空间的基 (e1,e2,e3),向量a在该坐标系下的坐标为:
- 左手坐标系 和 右手坐标系(更为常见)
- 向量的运算
1. 加减法
2. 内积(inner product): 可以描述向量间的投影关系
对于 a,b∈R3,内积可以表示为:
3.外积,亦称叉乘(cross product)
1) 对于 a,b∈R3,外积可以表示为:
式中 ∧ 为反对称符号(可以读作“上尖”),a∧表示向量 a 的 反对称矩阵。
2)外积可以表示向量的旋转:向量 a 到 b 的旋转向量 w 的方向就是 a×b的方向
2、坐标系间的欧氏变换
对于同一个向量 p,它在世界坐标系下的坐标 pw和在相机坐标系下的坐标 pc是不同的,它们的变换关系由两坐标系间的变换矩阵 T 来描述。(如下图所示,下图来自视觉SLAM十四讲 图3-2)
- 欧氏变换 = 旋转 + 平移
- 旋转
设某个单位正交基 (e1,e2,e3) 经过一次旋转变成 (e1′,e2′,e3′)。对于同一个向量 a(该向量不会因坐标系的旋转而发生运动),它在两个坐标系下的坐标分别为 [a1,a2,a3]T 和 [a1′,a2′,a3′]T,两坐标点满足:
式 (3.4) 左右两边同时左乘 ,得
式 (3.5) 中的旋转矩阵 R 的特殊性质:
旋转矩阵是行列式为 1 的正交矩阵
旋转矩阵的逆为自身转置,逆矩阵 RT 表示一个相反的旋转
旋转矩阵的集合定义为:
SO(n)是特殊正交群(Special Orthogonal Group),SO(3) 就是由三维空间的旋转矩阵组成。
- 平移
向量 a经过一次旋转 R 和一次平移 t 后,得到 a′ :