slam十四讲第四次作业_视觉SLAM十四讲学习记录--ch4

4.1.1-4.1.3

不知道什么时候不小心碰到键盘删掉了qwq哭晕在厕所...下次还是写一部分就发表一部分吧QAQ

4.1.4

• 对应的李代数
  ：
  
  其元素是定义在三维空间上的向量
  ，每个这种向量都可生成一个反对称矩阵
  的元素是三维向量或者三维反对称矩阵,它们是一个三维向量组成的集合，每个向量对应一个反对称矩阵，用于表达旋转矩阵的导数：
• 向量
  的李括号：

4.1.5

• 对应的李代数
  ：与
  类似，位于
  空间， 平移为
  ，旋转为
  :

在这里把

表示从向量到矩阵，

表示从矩阵到向量。例如

是六维向量，

表示矩阵。

• 李括号：

4.2.1

用泰勒展开表示任意矩阵的指数映射

用同样方法定义

中的任意元素

的指数映射

由于上述定义无法直接计算，使用如下简便方法——定义三维向量

的模长

和方向

代入泰勒展开（推导过程略）,得到的式子说明

实际是由旋转向量组成的空间

4.2.2

上的指数映射

书上有李群和李代数的定义和相互转换关系图解，这部分我觉得很懵逼。

4.3.1

两个李代数指数映射乘积的完整形式由Baker-Campbell-Hausdorff)(BCH)公式给出，有

即对一个旋转矩阵

（李代数为

）左乘一个微小旋转矩阵

（李代数为

）时，近似认为原有李代数左边加上一项

。

4.3.2

设某个时刻物体位姿为

,它观察到了一个世界坐标位于

,产生观测数据

,坐标变换关系：

为噪声，也是理想观测与实际数据之间的误差

假设有N个这样的路标点和观测，即N个上述式子；对物体进行位姿估计相当于寻找最优位姿

使得整体误差最小

求解这个问题需要计算目标函数J关于T的导数。

4.3.3

在

上，对空间点

进行了旋转得到

,则旋转之后点的坐标相对于旋转的导数(推导过程很复杂..)

4.3.4

在

上，求导方法2：对

进行一次扰动

，看结果相对于扰动的变化率。设左扰动

对应的李代数为

，这种方法省去雅可比的计算，更实用

4.3.5

在

上，假设空间点

经过变换

（对应李代数

）得到

，给

左乘扰动

,设扰动项的李代数为

，则

遵守规则

4.4.1

• 查看Eigen3版本 ：其他位置-计算机-/usr/include/eigen3/Eigen/src/Core/util/Macros.h ，我的是3.3.4(有时候Sophus下载可能有Eigen版本的要求)

• 安装Sophus(clone部分比较慢,可以用tmux挂机下载（sudo apt-get install tmux
  下载，打开终端输入tmux回车就可以使用了）

git clone https://github.com/strasdat/Sophus.git
cd Sophus
mkdir build
cd build
cmake ..
make
sudo make install

cmake那一步很慢。最后一句不能忘记，否则系统找不到Sophus的路径。安章完毕界面：

照着书上运行代码就好了，没什么Bug，最大的问题是看不懂（