【算法基础学习 5】 欧拉角 方向余弦 四元数

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′ :