Lie Groups for Beginners

作者：Frank Dellaert
February 7, 2016

1. Motivation: Rigid Motions in the Plane

我们从平面移动机器人的一个小例子开始，平面中的移动机器人参数化为$(x,y,\theta )$。当我们给定一个微小的前进速度$v_x$,我们知道位置的变化
$$\dot{x}=v_x$$
是下面微分方程的解，机器人的初始化位置为$x_0$
$$x_t=x_0+v_{x}t$$
与此类似，我们可以得到y方向上的平移，事实上，对于平移（x和y方向），一般情况下我们有
$$(x_t,y_t,{\theta }_t)=(x_0+v_{x}t,y_0+v_{y}t,{\theta }_0)$$
类似的，对于旋转我们有
$$(x_t,y_t,{\theta }_t)=(x_0,y_0,{\theta }_0+\omega t)$$
其中$\omega$是角速度，测量逆时针方向，单位为rad/s.

然而，如果我们将平移和旋转结合起来，则不成立了!我们不能写作
$$(x_t,y_t,{\theta }_t)=(x_0+v_{x}t,y_0+v_{y}t,{\theta }_0+\omega t)$$
原因是，如果我们根据速度向量$(v_x,v_y,\omega )$移动机器人一个微小量，我们有（一阶近似）
$$(x_{\delta },y_{\delta },{\theta }_{\delta })=(x_0+v_x\delta ,y_0+v_y\delta ,{\theta }_0+\omega \delta )$$
但是现在机器人有旋转，对于接下来的增量，速度向量在应用之前被旋转。事实上，机器人在圆形轨迹上运动。

原因是平移和旋转不能够交换：先平移后旋转跟先旋转后平移到达不同的位置，正像说的：如果旋转和平移可以交换，那么我们可以在离开家之前做完所有的旋转。

为了更近一步，我们必须更加精确的描述机器人如何表现。具体的说，让我们定义$T_1,T_2$的组合为
$$T_1{T}_2=(x_1,y_1,{\theta }_1)(x_2,y_2,{\theta }_2)=(x_1+\cos {\theta }_1{x}_2-\sin {\theta }_1{y}_2,y_1+\sin {\theta }_1{x}_2+\cos {\theta }_1{y}_2,{\theta }_1+{\theta }_2）$$
这有点笨拙，所以我们求助于一个技巧：将2D位姿嵌入3×3矩阵的空间中，因此我们可以定义为矩阵乘法组合：
$$T_1{T}_2=\left[\begin{array}{cc}{R}_1& t_1\\ 0& 1\end{array}\right]\left[\begin{array}{cc}{R}_2& t_2\\ 0& 1\end{array}\right]=\left[\begin{array}{cc}{R}_1{R}_2& R_1{t}_2+t_1\\ 0& 1\end{array}\right]$$
其中矩阵$R$是2D旋转矩阵，定义为
$$R=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$$

现在，机器人做极小的运动可以写为
$$T(\delta )=\left[\begin{array}{ccc}\cos \omega \delta & -\sin \omega \delta & v_x\delta \\ \sin \omega \delta & \cos \omega \delta & v_y\delta \\ 0& 0& 1\end{array}\right]\approx \left[\begin{array}{ccc}1& -\omega \delta & v_x\delta \\ \omega \delta & 1& v_y\delta \\ 0& 0& 1\end{array}\right]=\mathbf{I}+\delta \left[\begin{array}{ccc}0& -\omega & v_x\\ \omega & 0& v_y\\ 0& 0& 0\end{array}\right]$$
让我们定义2D twist 向量 $\xi =(v,\omega )$，上述矩阵可写为
$$\hat{\xi }\triangleq \left[\begin{array}{ccc}0& -\omega & v_x\\ \omega & 0& v_y\\ 0& 0& 0\end{array}\right]$$

如果我们想要让t更大，我们可以把t划分成更小的时间戳，例如划分成n个，有
$$T(t)=(I+\frac{t}{n}\hat{\xi })...ntimes...(I+\frac{t}{n}\hat{\xi })=(I+\frac{t}{n}\hat{\xi }{)}^n$$
结果如图2所示， 当然，如果取n到无穷大，则有
$$T(t)=\underset{n\to \infty }{\lim }(I+\frac{t}{n}\hat{\xi }{)}^n$$
对于实数，该式是指数函数的多项式形式
$$e^x=\underset{n\to \infty }{\lim }(1+\frac{x}{n}{)}^n=\sum _{k=0}^{\infty }\frac{x^k}{k!}$$
该形式可以用来定义方阵，最终的结果表示机器人沿着圆形轨迹运动，得到$\hat{\xi }$的矩阵指数
$$T(t)=e^{t\hat{\xi }}\triangleq \underset{n\to \infty }{\lim }(I+\frac{t}{n}\hat{\xi }{)}^n=\sum _{k=0}^{\infty }\frac{t^k}{k!}{\hat{\xi }}^k$$
我们称该映射为从2D twist $\hat{\xi }$到2D刚体变化的指数映射。

以上具备李群理论的所有要素。我们称2d刚体变换空间以及空间中的操作为特殊欧几里得群($SE(2)$)。之所以称为李群，是因为它同时是一个拓扑群和一个流形，这意味着乘法和求逆运算是平滑的。2D twists的空间以及下面将要定义的特殊二元操作称为与$SE(2)$关联的李代数$\mathfrak{s}\mathfrak{e}(2)$。

2. Basic Lie Group Concepts

现在，我们定义上面说明的概念，引入一些符号，然后大致了解一下。 在此之后，我们将介绍最常用的李群及其李代数。

2.1 A Manifold and a Group

李群$G$既是群又是具有光滑群操作的流形。与之相关联的是李代数$\mathfrak{g}$，从广义上讲，它可以在单位的正切空间处确定，并完全定义了群在单位附近的表现。从$\mathfrak{g}$到$G$有一个映射，称为指数映射。
$$\mathrm{e}\mathrm{x}\mathrm{p}:\mathfrak{g}\to G$$
它是多对一的映射。可以在原点周围局部定义相应的逆，因此是一个“对数”
$$\mathrm{l}\mathrm{o}\mathrm{g}:G\to \mathfrak{g}$$
它将$G$中单位周围的元素映射到$\mathfrak{g}$中的元素。

李群的一个重要族是矩阵李群，其元素为n×n可逆矩阵，所有这些矩阵的集合以及矩阵乘法被称为维数为n的一般线性群$GL(n)$，以及 它的封闭子组是矩阵李群。 我们感兴趣的大多数（如果不是全部）李群将是矩阵李群。

2.2 Lie Algebra

李代数$\mathfrak{g}$被称为代数，因为它具有二元操作李括号$[X，Y]$，其性质与$G$群操作密切相关。例如，与代数相关的矩阵李群，李括号为$[A,B]\triangleq AB-BA$.

李括号对李群操作的关系如下：对于可交换李群，$\mathfrak{g}$中加性向量$X+Y$模仿了李群操作。例如，在$\mathfrak{g}$中，如果有$Z=X+Y$，当通过指数映射到$G$中我们有
$$e^Z=e^{X+Y}=e^X{e}^Y$$
然而，对于非交换李群不适用：
$$Z=\log (e^X{e}^Y)\ne X+Y$$
然而，$Z$可利用BCH(Baker-Campbell-Hausdorff)公式计算¹:
$$Z=X+Y+[X,Y]/2+[X-Y,[X,Y]]/12-[Y,[X,[X,Y]]]/24+...$$

对于交换群李括号是零，我们可以通过$Z=X+Y$。对于非交换群我们可以使用BCH公式去近似。

2.3 Exponential Coordinates

对于n维矩阵李群，与在李代数$\mathfrak{g}$中的向量空间${\mathbb{R}}^n$是同构的，我们可以定义hat 运算²:
$$\hat{}:x\in {\mathbb{R}}^n\to \hat{x}\in \mathfrak{g}$$
表示将n维向量$x\in {\mathbb{R}}^n$映射到$\mathfrak{g}$空间元素，在矩阵李群中，$\mathfrak{g}$的元素$\hat{x}$也是$n\times n$矩阵，该映射为
$$\hat{x}=\sum _{i=1}^n{x}_i{G}^i\text{\hspace{1em}(1)}$$
其中$G^i$是李群生成器（generators）的$n\times n$矩阵。映射$x\to \hat{x}$的含义将取决于群$G$，并且通常具有直观的解释。

2.4 Actions

群元素作用到流形$M$上是一个重要的概念，例如，2D旋转作用到2D点上，3D旋转作用到3D点上等。尤其是在$M$上$G$的左作用定义为一个平滑的映射$\Phi$:$G\times M\to M$有：

1. 单位元素$e$没有影响，也就是$\Phi (e,p)=p$
2. 两个作用组合成一个作用：$\Phi (g,\Phi (h,p))=\Phi (gh,p)$

n维矩阵群$G$的作用（action）是乘${\mathbb{R}}^n$上的矩阵向量，
$$q=Ap$$
其中$p,q\in {\mathbb{R}}^n$，$A\in G\subseteq GL(n)$

2.5 The Adjoint Map and Adjoint Representation

假设一个点$p$在坐标系$T$中表示为$p^{\prime }$，也就是$p^{\prime }=Tp$,其中$T$表示全局坐标$p$到局部坐标$p^{\prime }$的变换。为了作用$A$,我们首先需要消去作用的$T$，然后应用$A$, 然后在结果上在作用$T$:
$$q^{\prime }=TA{T}^{-1}{p}^{\prime }$$
矩阵$TA{T}^{-1}$被认为是$A$的共轭，这是群论的核心要素。
一般，伴随映射(adjoint map) ${\mathbf{A}\mathbf{d}}_g$通过$g$映射群元素$a\in G$到它的共轭$ga{g}^{-1}$。该映射在群$G$中获取，但它在李代数$\mathfrak{g}$有等价的表示：
$${\mathbf{A}\mathbf{d}}_g{e}^{\hat{x}}=g\mathrm{e}\mathrm{x}\mathrm{p}(\hat{x})g^{-1}=\mathrm{e}\mathrm{x}\mathrm{p}(A{d}_g\hat{x})$$
其中$A{d}_g:\mathfrak{g}\mapsto \mathfrak{g}$表示通过群元素$g$参数化的映射，也称作伴随表示。 直观的解释是定义在原点（origin），但应用在群元素$g$上的变化$\mathrm{e}\mathrm{x}\mathrm{p}(\hat{x})$可以写作$\hat{x}$的伴随$A{d}_g\hat{x}$。

在矩阵李群的特殊情况下，伴随可以写成
$$A{d}_T\hat{x}\triangleq T\hat{x}{T}^{-1}$$
因此我们有
$$T{e}^{\hat{x}}{T}^{-1}=e^{T\hat{x}{T}^{-1}}\text{\hspace{1em}(2)}$$
其中$T\in G$, $\hat{x}\in \mathfrak{g}$是n维李代数的$n\times n$矩阵。

3. 2D Rotation

我们首先看一个简单的2D旋转群。

3.1 Basics

李群$SO(2)$是$2\times 2$可逆矩阵的一般线性群$GL(2)$的子群，它的李代数是$2\times 2$ 斜对称(skew-symmetric)矩阵的向量空间。因为$SO(2)$是一维流形，所以$\mathfrak{s}\mathfrak{o}(2)$与$\mathbb{R}$同构，我们定义
$$\begin{gathered} \hat{}:\mathbb{R}\mapsto \mathfrak{s}\mathfrak{o}(2) \\ \hat{}:\omega \mapsto \hat{\omega }=[\omega {]}_{+} \end{gathered}$$
映射角度$\omega$到$2\times 2$斜对称矩阵$[\omega {]}_{+}$:
$$[w{]}_{+}=\left[\begin{array}{cc}0& -\omega \\ \omega & 0\end{array}\right]$$
指数映射的闭合形式为：
$$e^{[\omega {]}_{+}}=\left[\begin{array}{cc}\cos \omega & -\sin \omega \\ \sin \omega & \cos \omega \end{array}\right]$$

3.2 Diagonalized Form

矩阵$[1{]}_{+}$可以通过奇异值$-i,i$和奇异向量$\left[\genfrac{}{}{0ex}{}{1}{i}\right]$和$\left[\genfrac{}{}{0ex}{}{i}{1}\right]$对角化。对投影几何熟悉的读者认为是（齐次坐标表示的）圆环点，具体有：
$$[w{]}_{+}=\left[\begin{array}{cc}0& -\omega \\ \omega & 0\end{array}\right]=\left[\begin{array}{cc}1& i\\ i& 1\end{array}\right]\left[\begin{array}{cc}-i\omega & 0\\ 0& i\omega \end{array}\right]{\left[\begin{array}{cc}1& i\\ i& 1\end{array}\right]}^{-1}$$
因此有
$$e^{[w{]}_{+}}=\frac{1}{2}\left[\begin{array}{cc}1& i\\ i& 1\end{array}\right]\left[\begin{array}{cc}{e}^{-i\omega }& 0\\ 0& e^{i\omega }\end{array}\right]\left[\begin{array}{cc}1& -i\\ -i& 1\end{array}\right]=\left[\begin{array}{cc}\cos \omega & -\sin \omega \\ \sin \omega & \cos \omega \end{array}\right]$$
其中$e^{i\omega }=\cos \omega +i\sin \omega$。

3.3 Adjoint

$\mathfrak{s}\mathfrak{o}(2)$的伴随是恒等式，对于所有的交换群也一样：
$$\begin{gathered} A{d}_R\hat{\omega }=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]\left[\begin{array}{cc}0& -\omega \\ \omega & 0\end{array}\right]{\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]}^T \\ =w\left[\begin{array}{cc}-\sin \theta & -\cos \theta \\ \cos \theta & -\sin \theta \end{array}\right]\left[\begin{array}{cc}\cos \theta & \sin \theta \\ -\sin \theta & \cos \theta \end{array}\right]=\left[\begin{array}{cc}0& -\omega \\ \omega & 0\end{array}\right] \end{gathered}$$
即
$$A{d}_R\hat{\omega }=\hat{\omega }$$

3.4 Actions

对于$SO(2)$的向量空间是${\mathbb{R}}^2$，群操作对应于一个旋转点
$$q=Rp$$
现在我们想知道通过$\omega$参数化一个增量发生了什么：
$$q(\omega )=R{e}^{[\omega {]}_{+}}p$$
对于一个小角度$\omega$，我们有
$$e^{[\omega {]}_{+}}\approx I+[\omega {]}_{+}=I+\omega [1{]}_{+}$$
其中$[1{]}_{+}$操作像是平面上作用在点的叉积：
$$[1{]}_{+}\left[\begin{array}{c}x\\ y\end{array}\right]=R_{\pi /2}\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}-y\\ x\end{array}\right]\text{\hspace{1em}(3)}$$
因此该操作的导数为：
$$\frac{\partial q(\omega )}{\partial \omega }=R\frac{\partial }{\omega }(e^{[\omega {]}_{+}}p)=R\frac{\partial }{\omega }(\omega [1{]}_{+}p)=R{H}_p$$
其中$H_p$是依赖$p$的$2\times 1$矩阵：
$$H_p\triangleq [1{]}_{+}p=[\genfrac{}{}{0ex}{}{-p_y}{p_x}]$$

4. 2D Rigid Transformations

4.1 Basics

李群$SE(2)$是$3\times 3$可逆矩阵的一般线性群$GL(3)$的子群，它的形式为：
$$T\triangleq \left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]$$
其中$R\in SO(2)$是一个旋转矩阵， $t\in {\mathbb{R}}^2$是一个平移向量。$SE(2)$是${\mathbb{R}}^2$与$SO(2)$的半直积(semi-direct product)，写作$SE(2)={\mathbb{R}}^2⋊SO(2)$，具体的，对于$SE(2)$中的任何元素$T$可以写为：
$$T=\left[\begin{array}{cc}1& t\\ 0& 1\end{array}\right]\left[\begin{array}{cc}R& 0\\ 0& 1\end{array}\right]$$
它们的组合为
$$\left[\begin{array}{cc}{R}_1& t_1\\ 0& 1\end{array}\right]\left[\begin{array}{cc}{R}_2& t_2\\ 0& 1\end{array}\right]=\left[\begin{array}{cc}{R}_1{R}_2& R_1{t}_2+t_1\\ 0& 1\end{array}\right]$$
也可以写成下面按序匹配的方式：
$$(R_1,t_1)(R_2,t_2)=(R_1{R}_2,R_1{t}_2+t1)$$
对应的李代数$\mathfrak{s}\mathfrak{e}(2)$是由twist 坐标 $\xi \in {\mathbb{R}}^3$参数化的$3\times 3$ twists $\hat{\xi }$向量空间， 该映射为：
$$\xi \triangleq \left[\genfrac{}{}{0ex}{}{v}{\omega }\right]\mapsto \hat{\xi }\triangleq \left[\begin{array}{cc}[w{]}_{+}& v\\ 0& 0\end{array}\right]$$
注意，我们认为机器人有位姿$(x,y,\theta )$,其中一二两项是平移部分，最后一项是旋转部分，它们对应的李群生成器是
$$G^x=\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 0& 0& 0\end{array}\right],G^y=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right],G^{\theta }=\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right]$$
应用指数映射到twist $\xi$得到screw motion：
$$T=e^{\hat{\xi }}=(e^{[\omega {]}_{+}},(I-e^{[\omega {]}_{+}})\frac{v^{\perp }}{\omega })$$

4.2 The Adjoint Map

伴随
$$\begin{array}{rl}A{d}_T\hat{\xi }& =T\hat{\xi }{T}^{-1}\\ & =\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]\left[\begin{array}{cc}[\omega {]}_{+}& v\\ 0& 0\end{array}\right]\left[\begin{array}{cc}{R}^T& -R^{T}t\\ 0& 1\end{array}\right]\\ & =\left[\begin{array}{cc}[\omega {]}_{+}& -[\omega {]}_{+}t+Rv\\ 0& 0\end{array}\right]\\ & =\left[\begin{array}{cc}[\omega {]}_{+}& Rv-t^{\perp }\omega \\ 0& 0\end{array}\right]\end{array}\text{\hspace{1em}(4)}$$
由此我们可以通过平面twist坐标表示伴随映射
$$\left[\genfrac{}{}{0ex}{}{v^{{}^{\prime }}}{{\omega }^{{}^{\prime }}}\right]=\left[\begin{array}{cc}R& -t^{\perp }\\ 0& 1\end{array}\right]\left[\genfrac{}{}{0ex}{}{v}{\omega }\right]$$

4.3 actions

$SE(2)$在2D点上的作用是通过使用齐次坐标将点嵌入${\mathbb{R}}^3$中来完成
$$\hat{q}=\left[\genfrac{}{}{0ex}{}{q}{1}\right]=\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=T\hat{p}$$
$SE(3)$类似（下面），我们可以在局部T坐标系中计算速度$\hat{\xi }\hat{p}$:
$$\hat{\xi }\hat{p}=\left[\begin{array}{cc}[\omega {]}_{+}& v\\ 0& 0\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=\left[\begin{array}{c}[\omega {]}_{+}p+v\\ 0\end{array}\right]$$
仅取最上面的两行，我们可以把它作为${\mathbb{R}}^2$上的速度，因为$H_p$是直接作用在指数坐标$\xi$上的$2\times 3$矩阵：
$$[\omega {]}_{+}p+v=v+R_{\pi /2}p\omega =\left[\begin{array}{cc}{I}_2& R_{\pi /2}p\end{array}\right]\left[\begin{array}{c}v\\ \omega \end{array}\right]=H_p\xi$$

5. 3D Rotations

5.1 Basics

李群$SO(3)$是$3\times 3$可逆矩阵的一般线性群$GL(3)$的子群，它的李代数$\mathfrak{s}\mathfrak{e}(3)$是$3\times 3$斜对称（skew-symmetric）矩阵$\hat{\omega }$的线性空间。因为$SO(3)$是一个三维流形，$\mathfrak{s}\mathfrak{o}(3)$与${\mathbb{R}}^3$同构，我们定义映射
$$\begin{gathered} \hat{}:{\mathbb{R}}^3\to \mathfrak{s}\mathfrak{o}(3) \\ \hat{}:\omega \to \hat{\omega }=[\omega {]}_{\times } \end{gathered}$$
它映射三维向量$\omega$到斜对称矩阵$[\omega {]}_{\times }$:
$$[\omega {]}_{\times }=\left[\begin{array}{ccc}0& -{\omega }_z& {\omega }_y\\ {\omega }_z& 0& -{\omega }_x\\ -{\omega }_y& {\omega }_x& 0\end{array}\right]={\omega }_x{G}^x+{\omega }_y{G}^y+{\omega }_z{G}^z$$
这里矩阵$G^i$是$SO(3)$的生成器,
$$G^x=\left(\begin{array}{ccc}0& 0& 0\\ 0& 0& -1\\ 0& 1& 0\end{array}\right),G^y=\left(\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ -1& 0& 0\end{array}\right),G^z=\left(\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right)$$
分别对应到绕着X, Y, Z的旋转，$\mathfrak{s}\mathfrak{o}(3)$中的李括号$[x,y]$对应到${\mathbb{R}}^3$中的叉积$x\times y$。

因此，对于三维向量$\omega$有一个对应的旋转
$$R=e^{[\omega {]}_{\times }}$$
它定义了已知$\omega$作为canonical 或者指数坐标，$SO(3)$的canonical 参数化。它等价于旋转的轴角表示，其中单位向量$\omega /\theta$定义旋转轴，旋转角$\theta$定义旋转量的大小。
指数映射的闭合形式可以通过Rodrigues 公式²计算
$$e^{\hat{\omega }}=I+\frac{\sin \theta }{\theta }\hat{\omega }+\frac{1-\cos \theta }{{\theta }^2}{\hat{\omega }}^2\text{\hspace{1em}(5)}$$
其中${\hat{\omega }}^2=\omega {\omega }^T-I$,$\omega {\omega }^t$是$\omega$的外积，因此，一个效率上更好的变体是
$$e^{\hat{\omega }}=(\cos \theta )I+\frac{\sin \theta }{\theta }\hat{\omega }+\frac{1-\cos \theta }{{\theta }^2}\omega {\omega }^T\text{\hspace{1em}(6)}$$

5.2 Diagonalized Form

因为3D旋转$R$保持轴$\omega$不变，因此$R$可以被对角化为
$$R=C\left(\begin{array}{ccc}{e}^{-i\theta }& 0& 0\\ 0& e^{i\theta }& 0\\ 0& 0& 1\end{array}\right)C^{-1}$$
其中$C=(c_1{c}_2\omega /\theta )$，$c_1,c_2$是complex 特征向量，对应绕着$\omega$的2D旋转。这也意味着，通过（2）有
$$\hat{\omega }=C\left(\begin{array}{ccc}-i\theta & 0& 0\\ 0& i\theta & 0\\ 0& 0& 0\end{array}\right)C^{-1}$$
在该情况下，$C$有 complex 列， 而且我们还有
$$\hat{\omega }=B\left(\begin{array}{ccc}0& -\theta & 0\\ \theta & 0& 0\\ 0& 0& 0\end{array}\right)B^T\text{\hspace{1em}(7)}$$
其中$B=(b_1{b}_2\omega /\theta )$, $b_1,b_2$是通过源点且与$\omega$正交的一组二维平面的基。很明显从3.2节，我们有
$$c_1=B\left(\begin{array}{c}1\\ i\\ 0\end{array}\right),c_2=B\left(\begin{array}{c}i\\ 1\\ 0\end{array}\right)$$
当我们求幂(7)时,我们得到绕着$\omega /\theta$轴，大小为$\theta$的2D旋转：
$$R=B\left(\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & cos\theta & 0\\ 0& 0& 1\end{array}\right)B^T$$
接下来的$R$使用前面的Rodrigues公式并扩展以上，我们有
$$R=(\cos \theta )(b_1{b}_1^T+b_2{b}_2^T)+(\sin \theta )(b_2{b}_1^T-b_1{b}_2^T)+\omega {\omega }^T/{\theta }^2$$
因为$B$是旋转矩阵，我们有$B{B}^T=b_1{b}_1^T+b_2{b}_2^T+\omega {\omega }^T/{\theta }^2=I$，使用（7）很容易得到$b_2{b}_1^T-b_1{b}_2^T=\hat{\omega }/\theta$，因此
$$R=(\cos \theta )(I-\omega {\omega }^T/{\theta }^2)+(\sin \theta )(\hat{\omega }/\theta )+\omega {\omega }^T/{\theta }^2$$
它与（6）等价。

5.3 The Adjoint Map

对于旋转矩阵$R$,我们可以证明(见附录 性质9)下面的恒等式：
$$R[\omega {]}_{\times }{R}^T=[R\omega {]}_{\times }\text{\hspace{1em}(8)}$$
因此，给定性质（8）$\mathfrak{s}\mathfrak{o}(3)$的伴随映射可简化为：
$$A{d}_R[\omega {]}_{\times }=R[\omega {]}_{\times }{R}^T=[R\omega {]}_{\times }$$
而且将轴$\omega$旋转到$R\omega$，就可以用指数坐标表示。
举个例子，在$R$系中的一个点$p$应用轴角旋转$\omega$，我们可以：

1. 首先将$p$变换到世界坐标系(可参见2.5节)，应用$\omega$（即在世界坐标系中应用），然后旋转回来：
   $$q=R{e}^{[\omega {]}_{\times }}{R}^T$$
2. 即应用变换后的轴角变换$A{d}_R[\omega {]}_{\times }=[R\omega {]}_{\times }$:
   $$q=e^{[R\omega {]}_{\times }}p$$

5.4 Actions

对于$SO(3)$,向量空间是${\mathbb{R}}^3$，群操作应用到一个旋转点
$$q=Rp$$
我们现在想知道通过参数化增量$\omega$会发生什么：
$$q(\omega )=R{e}^{[\omega {]}_{\times }}p$$
因此导数为：
$$\frac{\partial q(\omega )}{\partial \omega }=R\frac{\partial }{\partial \omega }(e^{[\omega {]}_{\times }}p)=R\frac{\partial }{\partial \omega }([\omega {]}_{\times }p)=R[-p{]}_{\times }$$
为得到最后一个等式，有：
$$[\omega {]}_{\times }p=\omega \times p=-p\times \omega =[-p{]}_{\times }\omega$$

6 3D Rigid Transformations

李群$SE(3)$是$4\times 4$可逆矩阵的一般线性群的子群，其形式为：
$$T\triangleq \left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]$$
其中$R\in SO(3)$是旋转矩阵， $t\in {\mathbb{R}}^3$是平移向量。
也可以写成下面按序匹配的方式：
$$(R_1,t_1)(R_2,t_2)=(R_1{R}_2,R_1{t}_2+t_1)$$
它的李代数$\mathfrak{s}\mathfrak{e}(3)$是 参数化$4\times 4$ twist $\hat{\xi }$向量空间，$\hat{\xi }$的twist 坐标是$\xi \in {\mathbb{R}}^6$, 有映射
$$\xi \triangleq \left[\genfrac{}{}{0ex}{}{\omega }{v}\right]\to \hat{\xi }\triangleq \left[\begin{array}{cc}[\omega {]}_{\times }& v\\ 0& 0\end{array}\right]$$
注意我们遵循 Frank Park 惯例，前三项表示旋转，后三项表平移。因此，对于该参数化，$SE(3)$的生成器是
$$\begin{gathered} G^1=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& -1& 0\\ 0& 1& 0& 0\\ 0& 0& 0& 0\end{array}\right],G^2=\left[\begin{array}{cccc}0& 0& 1& 0\\ 0& 0& 0& 0\\ -1& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right]G^3=\left[\begin{array}{cccc}0& -1& 0& 0\\ 1& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right] \\ {G}^4=\left[\begin{array}{cccc}0& 0& 0& 1\\ 0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right],G^5=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 1\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right],G^6=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 1\\ 0& 0& 0& 0\end{array}\right] \end{gathered}$$
应用指数映射到 twist $\xi$得到一个在$SE(3)中的$screw motion：
$$T=\mathrm{e}\mathrm{x}\mathrm{p}\hat{\xi }$$
指数映射的闭合解²为：
$$\mathrm{e}\mathrm{x}\mathrm{p}\left(\widehat{\left[\genfrac{}{}{0ex}{}{\omega }{v}\right]}t\right)=\left[\begin{array}{cc}{e}^{[\omega {]}_{\times }t}& (I-e^{[\omega {]}_{\times }t})(\omega \times v)+\omega {\omega }^{T}vt\\ 0& 1\end{array}\right]$$

6.1 The Adjoint Map

伴随
$$\begin{array}{rl}A{d}_T\hat{\xi }& =T\xi T^{-1}\\ & =\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]\left[\begin{array}{cc}[\omega {]}_{\times }& v\\ 0& 0\end{array}\right]\left[\begin{array}{cc}{R}^T& -R^{T}t\\ 0& 1\end{array}\right]\\ & =\left[\begin{array}{cc}[R\omega {]}_{\times }& -[R\omega {]}_{\times }t+Rv\\ 0& 0\end{array}\right]\\ & =\left[\begin{array}{cc}[R\omega {]}_{\times }& t\times R\omega +Rv\\ 0& 0\end{array}\right]\end{array}$$
从上面我们可以用twist 坐标表示伴随映射²:
$$\left[\genfrac{}{}{0ex}{}{{\omega }^{\prime }}{v^{\prime }}\right]=\left[\begin{array}{cc}R& 0\\ [t{]}_{\times }R& R\end{array}\right]\left[\genfrac{}{}{0ex}{}{\omega }{v}\right]$$

6.2 Actions

$SE(3)$在3D点上的作用是通过使用齐次坐标将点嵌入${\mathbb{R}}^4$中来完成
$$\hat{q}=\left[\genfrac{}{}{0ex}{}{q}{1}\right]=\left[\genfrac{}{}{0ex}{}{Rp+t}{1}\right]=\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=T\hat{p}$$
现在我们想知道通过$\xi$参数化增量pose会发生什么：
$$\hat{q}(\xi )=T{e}^{\hat{\xi }}\hat{p}$$
因此导数是
$$\frac{\hat{q}(\xi )}{\partial \xi }=T\frac{\partial }{\partial \xi }(\hat{\xi }\hat{p})$$
其中 $\hat{\xi }\hat{p}$对应${\mathbb{R}}^4$中的速度（在局部坐标系T）:
$$\hat{\xi }\hat{p}=\left[\begin{array}{cc}[\omega {]}_{\times }& v\\ 0& 0\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=\left[\genfrac{}{}{0ex}{}{\omega \times p+v}{0}\right]$$
请注意，速度与投影几何中无穷大的点如何相似：它们对应于指示变化方向和大小的自由矢量。通过取最上面的三行，我们可以把它写成${\mathbb{R}}^3$中的速度，因为$H_p$是直接作用在指数坐标$\xi$上的$3\times 6$矩阵:
$$\omega \times p+v=-p\times \omega +v=[-[p{]}_{\times }{I}_3\left]\right[\genfrac{}{}{0ex}{}{\omega }{v}]$$
得到导数：
$$\frac{\partial \hat{q}(\xi )}{\partial \xi }=T\frac{\partial }{\partial \xi }(\hat{\xi }\hat{p})=T\left[\begin{array}{cc}-[p{]}_{\times }& I_3\\ 0& 0\end{array}\right]$$
逆操作$T^{-1}p$是
$$\hat{q}=\left[\genfrac{}{}{0ex}{}{q}{1}\right]=\left[\genfrac{}{}{0ex}{}{R^T(p-t)}{1}\right]=\left[\begin{array}{cc}{R}^T& -R^{T}t\\ 0& 1\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=T^{-1}\hat{p}$$

7. 3D Similarity Transformations

3D相似变换群$Sim(3)$是如下形式的$4\times 4$可逆矩阵集合
$$T\triangleq \left[\begin{array}{cc}R& t\\ 0& s^{-1}\end{array}\right]$$
其中$s$是标量，有各种不同的李代数生成器表示，但我们使用
$$\begin{gathered} G^1=\left(\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& -1& 0\\ 0& 1& 0& 0\\ 0& 0& 0& 0\end{array}\right),G^2=\left(\begin{array}{cccc}0& 0& 1& 0\\ 0& 0& 0& 0\\ -1& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right),G^3=\left(\begin{array}{cccc}0& -1& 0& 0\\ 1& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right), \\ {G}^4=\left(\begin{array}{cccc}0& 0& 0& 1\\ 0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right),G^5=\left(\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 1\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right),G^6=\left(\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 1\\ 0& 0& 0& 0\end{array}\right), \\ {G}^7=\left(\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& -1\end{array}\right) \end{gathered}$$

7.1 Actions

$SE(3)$在3D点上的作用是通过使用齐次坐标将点嵌入${\mathbb{R}}^4$中来完成
$$\hat{q}=\left[\genfrac{}{}{0ex}{}{q}{s^{-1}}\right]=\left[\genfrac{}{}{0ex}{}{Rp+t}{s^{-1}}\right]=\left[\begin{array}{cc}R& t\\ 0& s^{-1}\end{array}\right]\left[\genfrac{}{}{0ex}{}{p}{1}\right]=T\hat{p}$$
相对于$T$的$\xi$的导数$D_{1}f(\xi )$是$TH(p)$, 其中
$$H(p)=G_{jk}^i{p}^j=\left[\begin{array}{ccccccc}0& z& -y& 1& 0& 0& 0\\ -z& 0& x& 0& 1& 0& 0\\ y& -x& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& -1\end{array}\right]$$
换言之
$$D_{1}f(\xi )=\left[\begin{array}{cc}R& t\\ 0& s^{-1}\end{array}\right]\left[\begin{array}{ccc}-[p{]}_{\times }& I& 0\\ 0& 0& -1\end{array}\right]=\left[\begin{array}{ccc}-R[p{]}_{\times }& R& -t\\ 0& 0& -s^{-1}\end{array}\right]$$
这是对齐次坐标的作用的导数。转变成非齐次坐标是
$$\left[\genfrac{}{}{0ex}{}{q}{a}\right]\to q/a$$
它的导数为
$$[a^{-1}{I}_3-q{a}^{-2}]$$
对于$a=s^{-1}$,我们有
$$D_{1}f(\xi )=[s{I}_3-q{s}^2]\left[\begin{array}{ccc}-R[p{]}_{\times }& R& -t\\ 0& 0& -s^{-1}\end{array}\right]=[-sR[p{]}_{\times }sR-st+qs]=[-sR[p{]}_{\times }sRsRp]$$

8. 2D Affine Transformations

李群$Aff(2)$是$3\times 3$可逆矩阵的一般线性群的子群，它映射无穷远线到本身（无穷远线），即保持并行性。仿射变换$A$可以写作³：
$$\left[\begin{array}{ccc}{m}_{11}& m_{12}& t_1\\ m_{21}& m_{22}& t_2\\ 0& 0& k\end{array}\right]$$
其中$M\in GL(2),t\in {\mathbb{R}}^2$，k是使得$det(A)=1$的标量。正如$SE(2)$是半直积一样，$Aff(2)={\mathbb{R}}^2⋊GL(2)$ 也是半直积。特别的，任何仿射变换 $A$可以写为
$$A=\left[\begin{array}{cc}0& t\\ 0& 1\end{array}\right]\left[\begin{array}{cc}M& 0\\ 0& k\end{array}\right]$$
它们的组合为
$$A_1{A}_2=\left[\begin{array}{cc}{M}_1& t_1\\ 0& k_1\end{array}\right]\left[\begin{array}{cc}{M}_2& t_2\\ 0& k_2\end{array}\right]=\left[\begin{array}{cc}{M}_1{M}_2& M_2{t}_2+k_2{t}_1\\ 0& k_1{k}_2\end{array}\right]$$
由此可以得出，$SO(2)$和$SE(2)$群都是子群，其中$SO(2)\subset SE(2)\subset Aff(2)$。通过仔细选择生成器，我们在关联的李代数之间保持了这种层次，特别的，$\mathfrak{s}\mathfrak{e}(2)$
$$G^1=\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 0& 0& 0\end{array}\right],G^2=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right],G^3=\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right]$$
使用下面的三个生成器可以被拓展到李代数$\mathfrak{a}\mathfrak{f}\mathfrak{f}(2)$
$$G^4=\left[\begin{array}{ccc}0& 1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right]，G^5=\left[\begin{array}{ccc}1& 0& 0\\ 0& -1& 0\\ 0& 0& 0\end{array}\right]，G^6=\left[\begin{array}{ccc}0& 0& 0\\ 0& -1& 0\\ 0& 0& 1\end{array}\right]$$
因此，李代数$\mathfrak{a}\mathfrak{f}\mathfrak{f}(2)$是通过6个参数$a\in {\mathbb{R}}^6$参数化的$3\times 3$增量仿射变换的向量空间，该映射
$$a\to \hat{a}\triangleq \left[\begin{array}{ccc}{a}_5& a_4-a_3& a_1\\ a_4+a_3& -a_5-a_6& a_2\\ 0& 0& a_6\end{array}\right]$$
注意$G^5,G^6$改变了$x,y$的尺度(缩放)，但行列式(determinant)没有变化:
$$\begin{gathered} e^{x{G}_5}=\mathrm{e}\mathrm{x}\mathrm{p}\left[\begin{array}{ccc}x& 0& 0\\ 0& -x& 0\\ 0& 0& 0\end{array}\right]=\left[\begin{array}{ccc}{e}^x& 0& 0\\ 0& e^{-x}& 0\\ 0& 0& 1\end{array}\right], \\ {e}^{x{G}_6}=\mathrm{e}\mathrm{x}\mathrm{p}\left[\begin{array}{ccc}0& 0& 0\\ 0& -x& 0\\ 0& 0& x\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& e^{-x}& 0\\ 0& 0& e^x\end{array}\right] \end{gathered}$$
通过选择使$x$和$y$的缩放比例更直接对应可能更好
$$G^5=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\\ 0& 0& -1\end{array}\right]，G^6=\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 0\\ 0& 0& -1\end{array}\right]$$
因此
$$\begin{gathered} e^{x{G}_5}=\mathrm{e}\mathrm{x}\mathrm{p}\left[\begin{array}{ccc}x& 0& 0\\ 0& 0& 0\\ 0& 0& -x\end{array}\right]=\left[\begin{array}{ccc}{e}^x& 0& 0\\ 0& 1& 0\\ 0& 0& 1/e^x\end{array}\right], \\ {e}^{x{G}_6}=\mathrm{e}\mathrm{x}\mathrm{p}\left[\begin{array}{ccc}0& 0& 0\\ 0& x& 0\\ 0& 0& -x\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& e^x& 0\\ 0& 0& 1/e^x\end{array}\right] \end{gathered}$$

9. 2D Homographies

当以2D投影空间$p^3$表示对图像的操作时，3D旋转是2D单应性的一种特殊情况。 现在，根据^{4 3}中的论述粗略地处理这些内容。

9.1 Basics

李群 $SL(3)$是一般线性群$GL(3)$的子群，它是行列式为1的$3\times 3$的可逆矩阵。单应性生成了2D投影空间的变换， 且$Aff(2)\subset SL(3)$。
通过增加两个生成器可以扩展$\mathfrak{a}\mathfrak{f}\mathfrak{f}(2)$到李代数$\mathfrak{s}\mathfrak{l}(3)$
$$G^7=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 1& 0& 0\end{array}\right],G^8=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 1& 0\end{array}\right]$$
,8个参数参数化的增量单应矩阵$\hat{h}$ 是$3\times 3$的向量空间，该映射为
$$h\to \hat{h}\triangleq \left[\begin{array}{ccc}{h}_5& h_4-h_3& h_1\\ h_4+h_3& -h_5-h_6& h_2\\ h_7& h_8& h_6\end{array}\right]$$

9.2 Tensor Notation

• 二维投影空间A和B之间的单应性可以用张量记号$H_A^B$表示
• 然后应用单应性是张量连接$x^B=H_A^B{x}^A$，将A中的点映射到B中的点。

Appendix: Proof of Proerty 9

$$\begin{array}{rl}R[\omega {]}_{\times }{R}^T& =R[\omega {]}_{\times }[a_1{a}_2{a}_3]\\ & =R[\omega \times a_1\omega \times a_2\omega \times a_3]\\ & =\left[\begin{array}{ccc}{a}_1(\omega \times a_1)& a_1(\omega \times a_2)& a_1(\omega \times a_3)\\ a_2(\omega \times a_1)& a_2(\omega \times a_2)& a_2(\omega \times a_3)\\ a_3(\omega \times a_1)& a_3(\omega \times a_2)& a_3(\omega \times a_3)\end{array}\right]\\ & =\left[\begin{array}{ccc}\omega (a_1\times a_1)& \omega (a_2\times a_1)& \omega (a_3\times a_1)\\ \omega (a_1\times a_2)& \omega (a_2\times a_2)& \omega (a_3\times a_2)\\ \omega (a_1\times a_3)& \omega (a_2\times a_3)& \omega (a_3\times a_3)\end{array}\right]\\ & =\left[\begin{array}{ccc}0& -\omega a_3& \omega a_2\\ \omega a_3& 0& -\omega a_1\\ -\omega a_2& \omega a_1& 0\end{array}\right]\\ & =[R\omega {]}_{\times }\end{array}$$
其中 $a_1,a_2,a_3$是$R$的行向量，上面我们使用了旋转矩阵的正交性和triple 积规则：
$$a(b\times c)=b(c\times a)=c(a\times b)$$
类似，在不需要证明：
$$R(a\times b)=Ra\times Rb$$

Appendix:Alternative Generators for $\mathfrak{s}\mathfrak{l}(3)$

$\mathfrak{s}\mathfrak{l}(3)$的生成器：
$$\begin{gathered} G^1=\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 0& 0& 0\end{array}\right],G^2=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right],G^3=\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right], \\ {G}^4=\left[\begin{array}{ccc}0& 0& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right],G^5=\left[\begin{array}{ccc}1& 0& 0\\ 0& -1& 0\\ 0& 0& 0\end{array}\right],G^6=\left[\begin{array}{ccc}0& 0& 0\\ 0& -1& 0\\ 0& 0& 1\end{array}\right], \\ {G}^7=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 1& 0& 0\end{array}\right],G^8=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 1& 0\end{array}\right] \end{gathered}$$
我们选择不同线性组合作为基。

---

1. B.C. Hall. Lie Groups, Lie Algebras, and Representations: An Elementary Introduction. Springer, 2000. ↩︎

2. R.M. Murray, Z. Li, and S. Sastry. A Mathematical Introduction to Robotic Manipulation. CRC Press, 1994. ↩︎ ↩︎ ↩︎ ↩︎

3. C. Mei, S. Benhimane, E. Malis, and P. Rives. Efficient homography-based tracking and 3-D
   reconstruction for single-viewpoint sensors. IEEE Trans. Robotics, 24(6):1352–1364, Dec.2008. ↩︎ ↩︎

4. C. Mei, S. Benhimane, E. Malis, and P. Rives. Homography-based tracking for central cata-
   dioptric cameras. In IEEE/RSJ Intl. Conf. on Intelligent Robots and Systems (IROS), October 2006. ↩︎